Video till text: så omvandlar du video till ett transkript

Av whispertranscribe.ai-redaktionen · Senast uppdaterad: november 2026 · 13 minuters läsning

Ett verktyg för video till text hämtar talet från videons ljudspår och returnerar ett transkript som kan redigeras, sökas eller bli undertexter. Välj talat språk, ladda upp filen eller klistra in länken, aktivera talaridentifiering om flera talar och exportera DOCX, TXT, PDF, CSV, SRT eller VTT.

Här beskrivs fyra videokällor, särskilda videoproblem, lämpliga exportformat och en prisjämförelse av de viktigaste verktygen, kontrollerad i november 2026.

Hur fungerar video till text?

Verktyget ignorerar bilden. Det läser ljudströmmen i behållaren (MP4, MOV, MKV), kör taligenkänning och tidsstämplar varje fras. Text på bilder, kod på skärmen och inbrända undertexter kommer inte med i transkriptet.

Ljudet avgör alltså kvaliteten och det som tittarna enbart ser måste du lägga till själv. W3C:s vägledning om transkript kallar ett transkript med sådan visuell information för ett beskrivande transkript.

Var finns videon? Fyra källor, fyra vägar

Välj väg efter var videon finns nu.

Videon finns ... Vanliga exempel Bästa väg Kontrollera först
Som fil på enheten Telefonklipp, kameramaterial, Zoom- eller OBS-inspelning, export från redigerare Ladda upp filen Under 5 GB och 10 timmar; rätt talspår används
Online via länk YouTube, Vimeo, Google Drive, Dropbox Klistra in länken Länken öppnas utan inloggning
På skärmen just nu Webbinarium, produktdemo, samtal i webbläsarflik Spela in skärmen och transkribera System- eller flikljud ingår
Redan textad Egen YouTube-uppladdning, MKV med undertextspår Återanvänd texten; transkribera om den är dålig Om texten är automatisk eller redigerad

1. Videofil på dator eller telefon

Ladda upp originalexporten från redigerings- eller inspelningsappen, inte en kopia skickad via meddelandeapp som ofta komprimerar ljudet på nytt. whispertranscribe.ai:s sida för video till text tar filer upp till 5 GB och 10 timmar.

2. Länk från YouTube, Vimeo, Google Drive eller Dropbox

Vårt verktyg för URL-transkribering tar länkar från YouTube, Vimeo, Google Drive och Dropbox. En viktig regel är att länken måste vara offentlig. Om den misslyckas ber verktyget dig kontrollera att länken är offentlig och filen kan laddas ner utan inloggning.

I Google Drive öppnar du Dela och väljer Alla med länken under Allmän åtkomst, om du har rätt att dela filen så. Googles delningshjälp säger att inställningen låter andra öppna filen utan inloggning. Arbets- och skolkonton kan blockera detta; ladda i så fall ner och ladda upp filen i stället, om du har tillstånd. Sidan för YouTube-transkribering använder samma länksteg.

3. Något som spelas på skärmen

Om videon inte är sparad, spela först in den efter att ha fått nödvändigt samtycke och arrangörens tillstånd; kringgå inte inspelningsförbud. Den webbaserade skärminspelaren fångar skärm, webbkamera, mikrofon och systemljud och skapar sedan transkript, AI-sammanfattning och undertexter. Inkludera systemljud när talet kommer från datorn, exempelvis andra personer i ett samtal, annars fångas bara din mikrofon.

4. Video som redan har undertexter

Kontrollera om texten redan finns:

  • Någon annans YouTube-video. Om den har undertexter kan tittaren klicka Visa transkript i beskrivningen och följa med, enligt YouTube-hjälpen. Automatiska undertexter saknar talaretiketter och missar ofta namn.
  • Din egen YouTube-uppladdning. Du kan ladda ner undertextspåret från YouTube Studio. Vår guide om transkribering av YouTube-video beskriver båda alternativen.
  • En fil med inbäddat undertextspår. MKV och MP4 kan innehålla textundertexter som separat ström. FFmpeg kan lista och extrahera dem:
ffprobe -v error -show_entries stream=index,codec_type,codec_name -of compact input.mkv
ffmpeg -i input.mkv -map 0:s:0 subtitles.srt

Extraktion av SRT från ett subrip-spår har testats med FFmpeg 4.3 på macOS. Bildbaserade spår, exempelvis DVD-undertexter, kan inte sparas som text på detta sätt. Vår guide om export av SRT-undertexter beskriver redigerare och tidskoder.

Så omvandlar du video till text med whispertranscribe.ai

Stegen följer den aktuella sidan video till text på whispertranscribe.ai. whispertranscribe.ai är ett webbaserat AI-verktyg byggt på OpenAI Whisper som omvandlar ljud och video till text på över 130 språk, med uppladdning upp till 5 GB och 10 timmar. Det körs i webbläsaren utan appinstallation.

  1. Välj talat språk (steg 1 på sidan). Listan omfattar över 130 språk, med regionala varianter som engelska (Indien), Noise / Low-Quality Audio/Video för många språk och Multilingual Mix vid språkväxling.
  2. Lägg till videon (steg 2). Dra filen till rutan eller välj den. För länk, använd Transcribe from URL och klicka Start URL Transcription.
  3. Aktivera Enable Speaker Detection för intervjuer, paneler och möten. Låt funktionen vara av för en berättare.
  4. Starta transkriberingen med konverteringsknappen under uppladdningen.
  5. Granska och exportera. Kontrollera namn, siffror och talarbyten mot videon och ladda ner önskat format (se tabellen nedan).

Vid tydligt ljud är noggrannheten upp till 99 %. Bakgrundsmusik, rumsljud, starka accenter och överlappande röster sänker den, så avsätt tid för korrektur. Gratis transkribering kan provas utan konto. Hur mycket du kan transkribera eller exportera gratis bestäms på webbplatsen och kan ändras. Planer börjar på 9,99 USD/månad vid årsbetalning (priser).

Vilka videoformat kan laddas upp?

Uppladdningsrutan listar MP4, MOV, M4V, MKV, AVI, WMV, WEBM, MPG och MPEG tillsammans med ljudformaten. Ingen konvertering behövs.

Behållare Vanlig källa Före uppladdning
MP4 Telefoner, Zoom-inspelningar, de flesta exporterna Använd slutexporten, inte kopia från chattapp
MOV iPhone-kamera, QuickTime, Apple-redigerare Högkvalitativa exporter blir stora; extrahera ljud om över 5 GB
M4V Apple-exporter, vissa konverterare Behandla som MP4
MKV OBS-inspelningar, filer med flera spår Kontrollera vilket ljudspår som innehåller tal
AVI, WMV Äldre kameror och Windowsprogram Fungerar som de är; äldre filer kan ha svagt ljud
WEBM Webbläsarinspelare och webbverktyg Fungerar som det är
MPG, MPEG DVD, äldre videokameror, TV-inspelning Fungerar som det är; räkna med mer brus

Flera ljudspår? OBS kan spara ett spår per mikrofon och filmer kan ha dubbningar på olika språk. Sidan anger inte vilket spår som transkriberas. Extrahera önskat spår som MP3 (exempelvis tar ffmpeg -i input.mkv -map 0:a:1 -vn speech.mp3 det andra ljudspåret) och ladda upp det.

För stor fil? Vår video-till-MP3-omvandlare anger att ljudet extraheras i webbläsaren utan att videon laddas upp, och MP3-filen är mycket mindre än videon.

Varför är video svårare att transkribera än ljud?

Video medför problem som ett röstmemo inte har. Lösningarna är redigeringsrutiner, inte resultat från våra egna noggrannhetstester.

Problem Varför det uppstår i video Vad du kan göra
Bakgrundsmusik Intro, B-roll och vloggar lägger musik under rösten Transkribera exporten med bara röst; annars välj Noise / Low-Quality
Flera talare Paneler, filmade poddar, möten Aktivera talaridentifiering och byt namn på ”Speaker 1” och ”Speaker 2”
Skärmdelade demonstrationer Viktig information visas på skärmen och tangentbord och fläktar låter Lägg till skärmtext manuellt; stäng av notiser och använd nära mikrofon
Undertexter osynkade med läppar Videon klipptes eller tidsändrades efter transkribering Generera från slutexporten eller flytta alla tidsstämplar i en redigerare
Långa inspelningar Webbinarier, föreläsningar och strömmar pågår i timmar Håll dig under 10 timmar och 5 GB; dela längre filer eller extrahera ljud
Blandade språk Tvåspråkiga intervjuer, värdar som växlar språk Använd Multilingual Mix eller dela videon efter språk

Musik under tal: skapade du videon, exportera med musiken avstängd; tidsstämplarna stämmer eftersom tidslinjens längd är oförändrad. (English (Songs & Lyrics) är för sång, inte tal över musik.)

Skärminspelningar: ”klicka här och skriv sedan detta” betyder inget på papper. Lägg vid korrektur till skärmdetaljer inom hakparenteser, till exempel ”[Inställningar > Fakturering]”.

Mycket långa videor

Sidan avvisar filer över 10 timmar med en uppmaning att korta dem. FFmpeg kan dela långa inspelningar utan omkodning:

ffmpeg -i stream.mp4 -c copy -f segment -segment_time 18000 -reset_timestamps 1 part_%02d.mp4

Detta begär delar på 5 timmar. Klipp utan omkodning hamnar på nyckelbilder, så längderna är ungefärliga och varje dels tidsstämplar börjar om på noll. Detta videodelningskommando har inte testats här.

Vilket exportformat ska du välja?

Välj format efter nästa användning. Ett transkript kan exporteras flera gånger.

Format Behåller tidsinformation för videospelare Öppnas i Välj när transkriptet ska ...
DOCX Nej Word, Google Docs Redigeras till artikel, programanteckningar eller kursmaterial
PDF Nej PDF-läsare Skickas till kund eller arkiveras som fast kopia
TXT Nej Textredigerare, CMS, AI-assistent Klistras in någon annanstans eller sammanfattas
CSV Inte dokumenterat på sidan Excel, Google Sheets Sorteras, kodas eller sökas citat för citat
SRT Ja YouTube, Vimeo, Premiere, Resolve, VLC Bli undertexter på en plattform eller i en redigerare
VTT Ja HTML5-webbspelare, Vimeo, YouTube Bli undertexter i webbplatsens videospelare

Om undertexter är huvudmålet har undertextgeneratorn och MP4 till SRT inställningen Maximum Words per Subtitle (8 som standard), som håller raderna korta. whispertranscribe.ai skapar undertextfiler men bränner inte in dem i bilden. Våra guider om SRT-filer och hur man lägger till undertexter beskriver uppladdning.

Arbetsflöden för fyra vanliga videouppgifter

Varje flöde börjar med färdig video och slutar med något du kan publicera eller skicka.

Onlinekurser och inspelade föreläsningar

  1. Exportera varje lektion som egen fil så att transkripten motsvarar modulerna.
  2. Välj föreläsarens språk och accentvariant; använd talaridentifiering bara om studenter talar.
  3. Exportera SRT för kursens spelare och DOCX som utdelat material; lägg till rubriker och bildinnehåll inom hakparenteser, exempelvis formler.
  4. Placera transkriptet eller en länk direkt under videon enligt W3C:s rekommendation.

Videointervjuer

  1. Ge om möjligt varje person en egen mikrofon; talarbyten blir tydligare.
  2. Ladda upp med talaridentifiering aktiverad och ersätt generiska etiketter med namn.
  3. Exportera CSV för kodning av forskningssvar eller DOCX för en frågeartikel.
  4. Lyssna på varje rad före citering och berätta för intervjupersonerna hur transkriptet ska användas.

Inspelade möten och webbinarier

  1. Använd plattformens MP4 eller spela in med skärminspelare och systemljud efter nödvändigt samtycke och arrangörens tillstånd.
  2. Aktivera talaridentifiering och exportera TXT för sammanfattning och DOCX för protokoll.
  3. Placera beslut och ansvariga i en kort lista överst.
  4. Radera filer som inte längre behövs. Mer om Teams och Zoom finns i transkribering av Zoom-möten.

Gör om dina YouTube-videor till artiklar

  1. Klistra in länken till din egen video i URL-verktyget och exportera TXT.
  2. Ta bort utfyllnadsord, avbrutna starter och ”som ni ser här”.
  3. Gör varje kapitel till H2, lägg till skärmbilder där du pekade och bädda in videon överst.
  4. För en annan publik, översätt ljudet till engelska eller lägg till ett andra undertextspår.

Återanvänd bara videor du äger eller har tillstånd att använda; se upphovsrätt nedan.

Video-till-text-verktyg jämförda (kontroll november 2026)

whispertranscribe.ai publicerar guiden och listas därför först, med sina begränsningar. Siffrorna kommer från leverantörernas sidor, kontrollerade november 2026; ”Inte verifierat” betyder att uppgiften inte kunde läsas där.

Verktyg Betalpris från Gratisalternativ Videolänkar Språk Export (enligt leverantör) Verklig begränsning
whispertranscribe.ai Från 9,99 USD/månad vid årsbetalning Gratis start utan konto; gränser på webbplatsen YouTube, Vimeo, Google Drive, Dropbox 130+ DOCX, PDF, TXT, CSV, SRT, VTT Ingen egen ordlista, inbrända undertexter, mänsklig transkribering eller mobilapp; länkar måste vara offentliga
TurboScribe 10 USD/månad vid årsbetalning (20 månadsvis) 3 filer om dagen, högst 30 minuter vardera YouTube (listat med format) 98+ DOCX, PDF, TXT, CSV, SRT, VTT En person per konto; gratis filer har lägre köprioritet
HappyScribe 8,50 USD/månad vid årsbetalning (17 månadsvis), 120 AI-minuter per månad 10 minuters AI-prov YouTube, Vimeo, Drive, Box, Dropbox 150+ Basic: TXT, SRT, PDF, DOCX; VTT från Pro Basic-minuter tar snabbt slut vid långa videor
Descript 16 USD/person/månad vid årsbetalning (24 månadsvis), 10 medietimmar 60 medieminuter per månad Inte kontrollerat 25 Inte kontrollerat Medietimmar räknar varje uppladdad fil; byggt för redigering snarare än mass-transkribering
VEED Inte verifierat Prova utan konto; konto krävs för nedladdning; gratis videoexporter har vattenstämpel Inte kontrollerat 125+ TXT, SRT, VTT i betalplaner Undertext- och transkriptfiler kräver uppgradering
Notta 8,17 USD/månad vid årsbetalning (97,99 per år) 120 minuter per månad, högst 3 minuter per samtal Inte kontrollerat 58 Export kräver Pro Gratisplanen kan inte exportera transkript
YouTube ”Visa transkript” Gratis Gratis Endast videor som redan har undertexter Varierar Ingen (läs och kopiera) Inga talaretiketter eller filer; fungerar inte utan undertext
  • TurboScribe använder också Whisper och har samma filgränser på 10 timmar och 5 GB; skillnaderna är planstruktur, språk och länkkällor.
  • HappyScribe säljer mänsklig korrektur från 2,00 USD per minut. Vi erbjuder inte mänsklig transkribering, så när någon måste kontrollera varje ord passar det bättre.
  • Descript och VEED är främst videoredigerare. Använd dem för att klippa video genom att redigera text eller bränna in formgivna undertexter.
  • Notta listar egna ordlistor i betalplaner. Vi har ingen sådan.

För bredare jämförelse, se bästa AI-transkriberingsprogram och för ljudfiler vår guide till ljud till text.

Upphovsrätt och integritet före uppladdning

Detta är allmän information, inte juridisk rådgivning.

Transkribera bara video du har rätt att använda: egna inspelningar, licensierat material eller sådant du har tillstånd att behandla. Ett transkript kopierar de talade orden, så att publicera någon annans i sin helhet väcker samma frågor som att återpublicera videon. I USA avgörs fair use från fall till fall med fyra faktorer; U.S. Copyright Office säger att ingen bestämd mängd automatiskt är säker att använda. whispertranscribe.ai:s policy förbjuder transkribering av andras upphovsrättsskyddade ljud eller video utan ägarens samtycke. Fråga ägaren eller en jurist vid osäkerhet.

Få samtycke från personerna på bild före inspelning. Berätta att inspelningen ska transkriberas. Regler varierar; för USA, se delstatliga regler om samtalsinspelning.

Vet vart filen går. Detta säger whispertranscribe.ai:s integritetspolicy i korthet:

  • Uppladdade original av ljud och video raderas automatiskt efter behandling.
  • MP3-filer som extraheras vid behandling sparas normalt i 30 dagar och kan raderas tidigare.
  • Transkript finns kvar på ditt konto tills du tar bort dem. Radering är permanent.
  • Innehållet används inte för AI-träning och granskas inte av människor.
  • Angiven säkerhet: TLS 1.3 under överföring, AES-256 vid lagring. OpenAI anges som AI-leverantör.

Samma policy säger att transkribering av mediefiler är avsedd för personligt, icke-kommersiellt bruk. Läs hela policyn och villkoren före kund- eller företagsarbete.

Vanliga frågor

Vilket är det bästa video-till-text-verktyget?

Det bästa verktyget hanterar ditt verkliga material, så testa samma minut av ditt vanliga ljud i några alternativ. För långa uppladdningar och många språk tar whispertranscribe.ai och TurboScribe filer upp till 10 timmar. HappyScribe erbjuder betald mänsklig korrektur. Descript och VEED passar den som även redigerar video. Jämför talaretiketter, namn och export, inte bara en noggrannhetssiffra.

Kan jag omvandla video till text gratis?

Ja, med begränsningar. YouTube visar gratis transkript för redan textade videor och FFmpeg kan gratis extrahera befintliga textundertexter ur MKV eller MP4. De flesta verktyg erbjuder gratis start: whispertranscribe.ai har en sida utan konto och TurboScribe erbjuder tre filer dagligen. Gratisnivåer begränsar ofta längd, volym eller export, så kontrollera varje webbplats.

Hur omvandlar jag YouTube-video till text?

Har videon undertexter, klicka Visa transkript i beskrivningen. För en nedladdningsbar fil med talaretiketter, klistra in YouTube-länken i ett URL-verktyg, välj talat språk och exportera TXT, DOCX eller SRT. Videon måste vara offentlig och du bör bara transkribera video du äger eller har tillstånd att använda, eftersom transkriptet kopierar talet.

Fångar ett video-till-text-verktyg text på skärmen?

Nej. Det transkriberar ljudspåret, så bildrubriker, kod och inbrända undertexter kommer inte med om ingen säger dem. Lägg själv till viktiga skärmdetaljer inom hakparenteser vid korrektur av handledningar och föreläsningar. W3C kallar ett sådant transkript beskrivande och det hjälper den som läser utan videon.

Hur lång kan en video vara för transkribering?

Med whispertranscribe.ai kan en fil vara upp till 10 timmar och 5 GB; längre filer avvisas med uppmaning att korta dem. Dela en längre ström med videoredigerare eller FFmpeg, eller extrahera ljudet som MP3 för mindre fil. Andra verktyg har egna gränser: TurboScribes gratisplan stoppar vid 30 minuter per fil.

Kan jag få undertexter och transkript från samma video?

Ja. Samma transkribering kan exporteras flera gånger: DOCX eller TXT för läsning och SRT eller VTT för undertexter. SRT är ett säkert val för YouTube och de flesta redigerare, medan VTT passar HTML5-spelare. Om undertexter är huvudmålet, använd ett verktyg med inställning för antal ord per rad så att de är läsbara.

Gör din nästa video till text

Börja på whispertranscribe.ai:s video till text: välj talat språk (över 130 alternativ), ladda upp video upp till 5 GB och 10 timmar eller klistra in en offentlig länk i Transcribe from URL.

Källor

Vill du omvandla dina inspelningar till text?

Transkribera ljud och video med whispertranscribe.ai.

Börja transkribera ↗