Av whispertranscribe.ai-redaksjonen · Sist oppdatert: november 2026 · 12 minutters lesetid
Oversettelse fra tale til tekst betyr å ta et opptak på ett språk og lage tekst på et annet. Det finnes to måter: transkriber først på originalspråket og oversett teksten, eller bruk en modell som skriver målspråket direkte fra lyden. Den første er lettere å kontrollere. Den andre er raskere.
Her gjennomgår vi begge prosessene og svakhetene deres, fire praktiske metoder inkludert flerspråklige SRT- og VTT-undertekster, en tabell over kvalitetsfaktorer, en sjekkliste og når en profesjonell oversetter er et tryggere valg.
Kort svar: Slik oversetter du tale til tekst
For de fleste opptak bør du først transkribere på originalspråket, rette teksten og deretter oversette den korrigerte versjonen. Trenger du bare engelsk og vil spare tid, kan et direkte tale-til-engelsk-verktøy brukes til førsteutkast. Uansett bør noen som kan begge språkene, kontrollere alt du publiserer eller baserer beslutninger på.
- Transkriber på talespråket. Velg språket selv fremfor å stole på automatisk gjenkjenning.
- Rett kildetranskripsjonen. Begynn med navn, tall og faguttrykk.
- Oversett og gjennomgå. Oversett teksten, og sammenlign med originalen og lyden.
Hva er oversettelse fra tale til tekst?
Begrepet dekker enhver prosess som starter med tale på språk A og ender med tekst på språk B. Vanlig transkripsjon holder seg på ett språk. Vanlig oversettelse starter med tekst. Denne oppgaven kombinerer begge deler, og kombinasjonen avgjør hvor lett resultatet kan kontrolleres.
To prosesser: trinnvis eller direkte
Forskere kaller den første metoden en kaskade: talegjenkjenning etterfulgt av tekstoversettelse. Den andre er direkte taleoversettelse, der én modell omdanner lyd rett til tekst på målspråket. OpenAIs Whisper kan gjøre dette direkte, men bare til engelsk.
| Transkriber og oversett (kaskade) | Direkte taleoversettelse | |
|---|---|---|
| Synlige trinn | To: kildetekst, deretter oversettelse | Ett: lyd inn, måltekst ut |
| Målspråk | Alle språk tekstoversetteren støtter | Ofte begrenset; Whispers translate-oppgave gir bare engelsk |
| Tekst på kildespråket | Du beholder den | Vanligvis ikke produsert |
| Hvor du kan oppdage feil | Mellom trinnene, i kildeteksten | Bare ved å sammenligne resultatet med lyden |
| Ny oversettelse senere | Bruk korrigert transkripsjon på nytt | Kjør lyden på nytt eller oversett engelsken |
| Best til | Forskning, publisering, undertekster på flere språk, sitater | Rask forståelse av et opptak på engelsk |
Hva kan gå galt i hver prosess?
I en kaskade bygger feil seg opp. Hvis transkripsjonen sier "femti" når taleren sa "femten", videreføres feil tall i en grammatisk korrekt oversettelse. Løsningen er enkel: Rett transkripsjonen før oversettelse.
Ved direkte oversettelse finnes ingen kildetekst å undersøke. Et feilhørt og et feiloversatt ord ser like ut i resultatet, så kontrolløren må tilbake til lyden. Direkte tekst kan også virke mer flytende enn innholdet fortjener, noe som skjuler feil.
Hvilken metode bør du bruke?
Velg etter formålet og hvor mange språk du trenger.
| Situasjon | Anbefalt metode | Hvorfor |
|---|---|---|
| Du må raskt forstå et fremmedspråklig opptak | Metode 2: transkriber direkte til engelsk | Ett trinn, lesbart utkast |
| Du skal sitere taleren i en artikkel eller rapport | Metode 1 og metode 4 for sentrale sitater | Originalordene kan kontrolleres |
| Du trenger undertekster på minst to språk | Metode 3: SRT eller VTT på kildespråket, deretter oversett tekstblokkene | Én tidsfil brukes til alle språk |
| Forskningsintervjuer som skal analyseres og siteres | Metode 1 | Koding og sitater forblir knyttet til originalen |
| Kontrakter, rettsdokumenter, medisinske eller immigrasjonsdokumenter | Metode 4 med kvalifisert fagperson | Feil kan få reelle konsekvenser |
Metode 1: Transkriber på originalspråket og oversett teksten
Dette er den mest fleksible metoden. Den korrigerte transkripsjonen blir hovedkopien, og alle oversettelser starter derfra.
Trinn 1: Transkriber på talespråket
Last opp filen til et transkripsjonsverktøy og velg språk før du starter. I whispertranscribe.ai, et nettbasert verktøy drevet av OpenAIs Whisper-modell, velger du blant 130+ språk med regionale alternativer og Noise / Low-Quality Audio/Video for krevende opptak. Det finnes egne sider for vanlige kilder som spansk lyd og kinesisk lyd. For talere som skifter språk, dekker Multilingual Mix engelsk, spansk, fransk, tysk, hindi, russisk, portugisisk, japansk, italiensk og nederlandsk.
Ligger opptaket i Google Drive, Dropbox, Vimeo eller YouTube, kan du transkribere fra URL i stedet for å laste det ned. Slå på talergjenkjenning for intervjuer og møter.
Trinn 2: Rett kildetranskripsjonen
Rett teksten før oversettelse, siden hver feil ellers kopieres til hvert språk. Søk først etter navn, produktnavn og forkortelser, og lytt igjen til alle tall du skal beholde. Nøyaktigheten er opptil 99 % ved klar lyd. Bakgrunnsstøy, sterke aksenter og overlappende tale reduserer den, så sett av tid til gjennomgang.
Trinn 3: Oversett den korrigerte teksten
Eksporter som DOCX eller TXT og bruk en tekstoversetter. Sjekk formatgrensene først. Per november 2026:
- Google Translate oversetter dokumenter på opptil 10 MB i .docx, .pdf, .pptx og .xlsx; PDF-filer må være på høyst 300 sider, ifølge Google Translate-hjelpen. Undertekstfiler står ikke på listen.
- DeepLs side om filformater lister DOCX, PDF og TXT. Den lister også SRT og VTT, blant annet for Pro Individual, Pro Team, Pro Business og API, med en grense på 150 KB eller 200 KB per undertekstfil. Gratis DeepL-konto dekker ikke TXT.
Gi oversetteren kontekst der verktøyet tillater det: hvem som snakker, målgruppen og hvor formelt resultatet skal være.
Trinn 4: Behold begge versjoner side om side
Lagre kilde og oversettelse som et par med samsvarende navn, for eksempel interview-04_es_v2.docx og interview-04_en_v2.docx, slik at en omstridt linje kan spores til originalordene.
Metode 2: Transkriber direkte til engelsk
Hvis engelsk er målspråket og du først og fremst trenger å forstå eller oppsummere opptaket, sparer et direkte verktøy et trinn.
Bruk siden for oversettelse av lyd til engelsk
whispertranscribe.ai sin side for oversettelse av lyd til engelsk gjør tale på andre språk om til engelsk tekst. Siden beskriver det slik; den lister ikke flere målspråk fordi resultatet er engelsk.
- Velg talespråket. Trinn 1 spør etter språket i opptaket, ikke målspråket. Siden sier at riktig valg gir mer nøyaktig engelsk og foreslår å prøve et annet alternativ hvis resultatet ikke er tilfredsstillende.
- Last opp filen. Trinn 2 tar vanlige lyd- og videoformater, inkludert MP3, WAV, M4A, MP4, MOV og MKV.
- Slå på talergjenkjenning hvis flere snakker. Siden lister funksjonen også for oversettelse.
- Velg Translate audio to English, gjennomgå engelsken og eksporter den.
Behandle resultatet som et arbeidsutkast; vi lover ingen oversettelseskvalitet. Trenger du også transkripsjon på originalspråket, kjør vanlig transkripsjon separat.
Bruk åpen kildekode-versjonen av Whisper på datamaskinen
OpenAIs Whisper-repositorium dokumenterer en translate-oppgave som gir engelsk:
whisper japanese.wav --model medium --language Japanese --task translate
To forbehold fra README: Standardmodellen turbo er ikke trent for oversettelse og returnerer originalspråket selv med --task translate, så bruk medium eller large; resultatet er bare engelsk. Tysk lyd til fransk tekst krever fortsatt tekstoversettelse. Whisper CLI er ikke installert eller testet her.
Hvor godt fungerer det? Whisper-artikkelen sier at treningsdataene inneholdt 125 000 timer oversettelse fra X til engelsk. Uten trening på CoVoST2-testsettet fikk Whisper 29.1 BLEU, som forfatterne kalte ny toppytelse. BLEU måler overlapp mellom maskinresultat og referanseoversettelser, ikke prosent riktige setninger. Artikkelen sier også at Whisper fortsatt ligger bak tidligere systemer trent direkte på språk med mye data, og at mer treningsdata forutsier oversettelseskvalitet langt mindre sikkert enn transkripsjonskvalitet.
Metode 3: Lag flerspråklige undertekster (SRT og VTT)
For video lager du én undertekstfil på originalspråket og oversetter deretter bare teksten i hver blokk. Timingen forblir lik på alle språk.
Trinn 1: Generer undertekstfilen på kildespråket
Bruk undertekstgeneratoren eller MP4 til SRT-konverteren, og eksporter SRT eller VTT på talespråket. Rett først tekst og timing i denne filen; den er malen for alle språk.
Trinn 2: Oversett teksten, ikke strukturen
En SRT-blokk har nummer, tidskodelinje og tekst. Bare teksten skal endres. Her er et oppdiktet eksempel:
12
00:01:04,200 --> 00:01:07,900
La reunión empieza el 3 de mayo a las 15:00.
12
00:01:04,200 --> 00:01:07,900
Møtet begynner 3. mai klokken 15.00.
Blokknummeret og tidskoden er identiske. Dato og klokkeslett er tilpasset målgruppen. Hvis oversetteren bare godtar dokumenter, kopier teksten til en tabell og lim tilbake blokk for blokk. DeepLs Pro-abonnementer kan ta SRT og VTT direkte, som beskrevet ovenfor.
Trinn 3: Sjekk leselengden
En oversatt linje kan være lengre enn originalen, og en blokk som var lett å lese på 3,7 sekunder, passer kanskje ikke lenger. Del lange blokker eller forkort teksten, men ikke endre tidskodene uten å kontrollere dem mot lyden.
Trinn 4: Last opp hvert språk som eget spor
Gi filene språkkoder, for eksempel talk.en.srt og talk.es.srt, og last opp hvert språk som et separat undertekstspor. Valgbare undertekstspor lar seerne bytte språk.
Metode 4: Legg til menneskelig gjennomgang
For alt som skal publiseres, siteres eller brukes i en beslutning, bør en tospråklig kontrollør sammenligne oversettelsen med originalen. Maskintekst kan virke flytende selv når den er feil.
Et enkelt kontrollark gjør arbeidet raskere. Her er et oppdiktet eksempel:
| Blokk | Kildetekst | Oversettelse | Merknad | Kontrollørens kommentar |
|---|---|---|---|---|
| #37 | Vamos a cerrar el trato el lunes | Vi avslutter avtalen på mandag | OK | — |
| #81 | Eso no es moco de pavo | Det er ikke kalkunsnørr | Idiom | Bruk "Det er ingen liten sak" |
| #126 | Facturamos 1,5 millones | Vi fakturerte 1,5 millioner | Tall | Bekreft valutaen med taleren |
Be kontrolløren se spesielt på navn, tall, sitater, juridiske eller medisinske uttrykk og alt som er merket uklart. whispertranscribe.ai tilbyr ikke menneskelig transkripsjon eller oversettelse, så dette trinnet må du eller en fagperson gjøre.
Hva påvirker kvaliteten på oversettelse fra tale til tekst?
Kvaliteten avgjøres to ganger: når tale blir tekst, og når teksten skifter språk. Noen faktorer påvirker begge deler.
| Faktor | Effekt på transkripsjon | Effekt på oversettelse | Hva du kan gjøre |
|---|---|---|---|
| Lydkvalitet (støy, ekko, avstand) | Ord utelates eller høres feil | Feil følger med til alle språk | Ta opp nær mikrofonen; bruk reneste originalfil |
| Aksenter og dialekter | Flere feil i regional tale | Regionale ord kan oversettes bokstavelig | Velg regionalt språkalternativ hvis det finnes |
| Faguttrykk | Ord staves etter lyd | Feil eller inkonsekvente termer | Lag ordliste og rett kildeteksten |
| Språkpar | Avhenger av talespråket | Vanlige par gjør det vanligvis bedre enn sjeldne | Sett av mer kontrolltid for sjeldne språk |
| Egennavn | Navn blir til vanlige ord | Navn "oversettes" eller endres | List opp navn på forhånd; søk og rett |
| Språkbytte | Feil språk gjettes midt i en setning | Blandet tekst forvirrer oversetteren | Bruk flerspråklig modus; merk hvert språk |
| Overlappende tale | Replikker slås sammen eller faller bort | Talerens mening går tapt | Bruk separate mikrofoner; sjekk etiketter ved avbrytelser |
Googles råd om taledata sier at tapsbaserte kodeker som MP3 og M4A kan redusere nøyaktigheten, og at støy og ekko er mer skadelig når de brukes sammen med en slik kodek. OpenAIs README legger til at Whispers ytelse varierer mye mellom språk. Begge deler er gode grunner til å teste et kort utdrag før en stor batch.
Sjekkliste etter oversettelse
Gå gjennom listen etter hver oversettelse før noen utenfor teamet ser den:
- Tall. Alle tall stemmer med lyden. Pass på desimalkomma: "1,5" på mange europeiske språk er 1.5 på engelsk.
- Valuta og enheter. Behold talerens valuta med mindre du oppgir en omregning; kilometer blir ikke endret til miles uten videre.
- Navn og titler. Personer, bedrifter og steder staves slik de selv gjør det, og oversettes ikke.
- Dato og klokkeslett. Datoformat varierer, så 03/04 kan bety 3. april eller 4. mars. Skriv måneden med bokstaver når det er viktig.
- Sitater. Sjekk direkte sitater mot lyden, ikke bare transkripsjonen.
- Idiomer og humor. Erstatt bokstavelige idiomoversettelser med naturlige uttrykk, eller marker dem.
- Kulturell kontekst. Referanser som ikke lar seg overføre, får en kort merknad fremfor en umerket omskriving.
- Stilnivå. Formell og uformell tiltale (tú/usted, du/Sie) passer forholdet mellom talerne.
- Taleretiketter. Hver linje er fortsatt tilordnet riktig person.
- Uklare partier. Usikkerhet merkes
[unclear]på begge språk fremfor å gjette.
Når trenger du en profesjonell oversetter?
Bruk en kvalifisert menneskelig oversetter når en feil kan koste penger, helse, juridisk stilling eller tillit. Dette er ikke juridisk rådgivning, og krav varierer mellom land, domstoler og myndigheter, så sjekk med mottakeren.
| Situasjon | Hvorfor maskinresultat ikke er nok |
|---|---|
| Immigrasjonssøknader | Amerikanske regler (8 CFR 103.2(b)(3)) krever at fremmedspråklige dokumenter til USCIS har en fullstendig engelsk oversettelse, bekreftet av en oversetter som erklærer den fullstendig og korrekt og seg kompetent til å oversette |
| Rettsbevis og vitneforklaringer | Domstoler fastsetter ofte egne regler for hvem som kan oversette eller bekrefte |
| Kontrakter og avtaler | Ett feil ord kan endre en forpliktelse |
| Medisinske konsultasjoner og journaler | Doser, symptomer og samtykke må være nøyaktige |
| Publiserte sitater og pressemateriale | Feilsitering skader tilliten og kan medføre ansvar |
For oppgaver med lavere risiko, som interne notater, forskningsutkast eller forståelse av en video, er maskinoversettelse med egen gjennomgang vanligvis nok.
Hvilket eksportformat trenger du?
Velg format etter neste trinn. whispertranscribe.ai eksporterer transkripsjoner som DOCX, PDF, TXT, CSV, SRT og VTT.
| Format | Bruk det til |
|---|---|
| DOCX | Oversettelse i Word, DeepL eller Google Translate; redigering med kommentarer |
| TXT | Innliming i en oversetter eller annen app |
| En fast kopi av den godkjente oversettelsen | |
| CSV | Kontrollark side om side og forskningskoding |
| SRT | Undertekstspor for YouTube, videoeditorer og avspillere |
| VTT | Undertekster for HTML5-videospillere på nett |
Ofte stilte spørsmål
Hva er forskjellen på tale til tekst og oversettelse fra tale til tekst?
Tale til tekst beholder originalspråket: spansk lyd blir spansk tekst. Oversettelse fra tale til tekst ender på et annet språk, slik at spansk lyd blir engelsk tekst. Det kan skje i to trinn ved transkripsjon og oversettelse, eller i ett trinn med en modell som skriver målspråket direkte. Totrinnsmetoden er lettere å kontrollere fordi kildeteksten kan rettes før oversettelse og gjenbrukes til andre språk.
Kan Whisper oversette lyd til andre språk enn engelsk?
Nei. Whispers innebygde translate-oppgave gir bare engelsk. Du kan gi den tale på mange språk, men den skriver engelsk tekst. For et annet målspråk transkriberer du originalspråket og oversetter teksten med en tekstoversetter. OpenAIs README sier også at standardmodellen turbo ikke er trent for oversettelse og returnerer originalspråket selv når du ber om oversettelse. Bruk medium eller large til oversettelse.
Er det bedre å transkribere før oversettelse?
Vanligvis, ja, når resultatet skal publiseres, siteres eller oversettes til flere språk. Da får du en kildetekst som kan rettes, slik at et feilhørt navn eller tall rettes én gang fremfor i alle oversettelsene. Direkte tale til engelsk er raskere og fungerer når du bare trenger å forstå opptaket. For undertekster på flere språk er en korrigert SRT- eller VTT-fil på kildespråket det mest praktiske utgangspunktet.
Hvor nøyaktig er oversettelse fra tale til tekst?
Det avhenger av lyden, språkparet og emnet; ett nøyaktighetstall gjelder ikke for alt. Transkripsjon av klar lyd kan være svært nøyaktig. whispertranscribe.ai når opptil 99 % ved klar lyd, mens støy og aksenter reduserer dette. Oversettelsen gir egne feil, særlig med idiomer, navn og faguttrykk. Vanlige språkpar gjør det vanligvis bedre enn sjeldne. Sjekk tall, navn og sitater selv, og få en tospråklig gjennomgang av viktig materiale.
Kan jeg oversette undertekster og beholde tidsstemplene?
Ja. Oversett bare teksten i hver blokk og la blokknumre og tidskoder stå uendret. Du kan gjøre dette manuelt, ved å lime tekst inn i en oversetter og tilbake, eller med et verktøy som godtar undertekstfiler. DeepL lister SRT og VTT i Pro Individual, Pro Team, Pro Business og API. Google Translates dokumentfunksjon lister ikke undertekstformater. Etter oversettelse må du kontrollere at lange linjer fortsatt kan leses i tiden de vises.
Kan jeg bruke maskinoversettelse til juridiske eller medisinske opptak?
Du kan bruke den til en første forståelse, men ikke som endelig versjon. Juridisk, medisinsk, kontrakts- og immigrasjonsmateriale trenger ofte en kvalifisert menneskelig oversetter, og enkelte myndigheter krever bekreftet oversettelse. Amerikanske immigrasjonsregler krever for eksempel en oversettererklæring om at den engelske oversettelsen er fullstendig og korrekt. Kravene varierer mellom land og institusjoner, så sjekk med mottakeren. Dette er generell informasjon, ikke juridisk rådgivning.
Klar til å begynne? Last opp et opptak til oversett lyd til engelsk, eller transkriber det først på originalspråket for undertekster og andre målspråk. Du kan prøve gratis uten konto. Betalte abonnementer starter ved $9.99/måned med årlig betaling; se priser. whispertranscribe.ai tilbyr ikke API, menneskelig transkripsjon eller møtebot.
Referanser
- Radford mfl., OpenAI: Robust Speech Recognition via Large-Scale Weak Supervision (del 1, 2.1 og 3.5, tabell 4)
- OpenAI: Whisper på GitHub (README, kommandolinjebruk)
- Google Translate Help: Oversett dokumenter og nettsteder
- DeepL Help Center: Filformater
- Google Cloud: Beste praksis for data til Speech-to-Text API
- eCFR: 8 CFR 103.2, innsending og behandling av søknader
