Software til mødetranskription

Hvad software til mødetranskription gør (og de to måder, det virker på)

Bag al markedsføringen gør hvert eneste af disse værktøjer én ting: det tager lyd og producerer tekst. Lyden er menneskelig tale fra et møde. Teksten er en transkription. Alt andet — resuméer, handlingspunkter, talermærker, søgning — er bygget oven på den ene konvertering.

Kategorien deles på, hvornår konverteringen sker.

• Realtidstranskription kører mens folk taler. Ordene vises på skærmen et sekund eller to efter taleren. Det er det, du får fra et live-undertekstspor i Zoom eller Microsoft Teams, og fra notatroboter, der viser en løbende transkription under opkaldet. Det er nyttigt i øjeblikket: til tilgængelighed, til at følge med og til at opfange et navn, man gik glip af.
• Transkription efter mødet kører på en optagelse efter opkaldet er slut. Værktøjet har hele filen og kan tage sig god tid. Det renser op i falske starter, mærker hvem der sagde hvad, tilføjer tidsstempler og samler det hele til et læsbart dokument. Behandling efter mødet giver renere, talermærket, tidsstemplet tekst end live-versionen. Til gengæld skal man vente på det.

De fleste kendte værktøjer (Otter, Fireflies, Fathom, tl;dv) gør begge dele, og de henter lyden på samme måde: en bot deltager i opkaldet. Du forbinder din Google- eller Outlook-kalender, værktøjet ser et møde med et videolink og sender en deltager ind i lokalet for at lytte og optage. Den lille optagelsesbrik, du har set i et Zoom-gitter, er hele modellen i én ramme.

En mere stille tredje vej gemmer sig bag søgeordet: at transskribere en optagelse, du allerede har, på din egen maskine, uden robot og uden opkald. Det er diktering-og-transkriptionssoftware snarere end en mødenotattar, og det er der, vores egen app lever. Mere om det nedenfor, inklusive den ærlige del om, hvornår det er det forkerte valg.

Hvornår en møderobot er det rigtige valg (og Whisper ikke er det)

Hvis dit problem er "noget skal deltage i mit Zoom-, Teams- eller Google Meet-opkald, optage alle og give hele teamet fælles noter bagefter", vil du have en møderobot. Whisper gør ikke dette. Den deltager ikke automatisk i opkald, optager ikke andre deltagere og kører ikke flertaler-diarisering på tværs af et videomøde. At foregive det modsatte ville spilde din eftermiddag.

Til det job er de rigtige valg de bot-baserede notattagere. Otter.ai deltager i Zoom, Microsoft Teams og Google Meet for automatisk at skrive og dele noter, og den har en gratis Basic-plan, hvis du vil afprøve modellen inden du betaler. Fireflies.ai deltager via invitation eller ved automatisk at deltage i dine kalendermøder, og dens gratis niveau inkluderer ubegrænset transkription med begrænsede AI-resuméer. tl;dv optager Google Meet, Zoom og Teams, markedsfører en bot-fri optagelsestilstand og tilbyder en gratis-for-evigt-plan uden tidsbegrænsning. Fathom har en gratis-for-evigt-plan med ubegrænsede optagelser og valgmulighed mellem bot-fri (i beta) eller bot-optagelse.

Her er den del af artiklen, hvor jeg bevidst sender dig et andet sted hen. Otter er til møder. Whisper er til at skrive. Det er forskellige kategorier, og at betale for den forkerte er den mest almindelige fejl i hele dette felt. Hvis du har brug for flertaler-diarisering på tværs af et optaget opkald, automatisk kalenderdeltagelse og et resumé i teamkanalen inden mødet er slut, udfører en botnotattar et job, som vores app aldrig er bygget til. Vi gør det at skrive-med-stemmen hurtigt; de gør det at optage et lokale automatisk. Vælg kategorien først, derefter værktøjet.

Hvor præcis er AI-mødetranskription, egentlig?

Det ærlige svar: bedre end du forventer på ren lyd, dårligere end du håber ved et rigtigt møde. Kategorien lander på cirka 85 til 95 procents nøjagtighed på klar, enkeltsprogs-lyd, og falder med baggrundsstøj, accenter, fagterminologi og folk der taler i munden på hinanden. Menneskelig verificerede tjenester klatrer op mod 99 procent, fordi et menneske retter det modellen missede.

Vores egen lokale tilstand rapporterer nøjagtighed, der typisk lander mellem 95 og 99 procent, med større modeller der scorer højere. Jeg vil gerne være forsigtig her. Det er vores måling på vores software, ikke en uafhængig sammenligning med Otter eller Fireflies, og jeg vil ikke opfinde en sådan. Den der giver dig ét enkelt nøjagtighedstal for mødetranskription uden at fortælle dig lydforholdene, sælger — måler ikke.

Her er den del, ingen markedsfører, fordi der ikke er noget upsell i det. Mikrofonen betyder mere end modellen. En USB-mikrofon til 150 kroner gør mere for din transkription end at skifte fra en lille model til den største. De fleste dårlige transkriptioner, jeg har set, var ikke en modelsvigt. Det var en laptopmikrofon der opfangede et klimaanlæg, fire personer der delte ét lokale og én højtaler, eller et Bluetooth-headset der klippede det første ord af hver sætning. Ret lyden først. AI'en kan ikke ophøre med at have hørt en kedel.

To ting til driver nøjagtighed under motorhjelmen. Den ene er, hvordan værktøjet afgør, hvor én person stopper og en anden begynder — noget der bliver sværere når folk taler i munden på hinanden. Den anden er understøttelse af brugerdefineret ordforråd: muligheden for at fodre det med produktnavne, efternavne og akronymer, som ingen generel model nogensinde har set. Whisper lader dig indstille brugerdefineret ordforråd og vægte mod hotwords på sin lokale Whisper-motor, og mange møderobotter kan det også. Hvis dine opkald er fyldt med fagterminologi, er den enkle indstilling mere værd end en modelopgradering.

Bot-frit og offline: transskribering af en optagelse, du allerede har

Her er den vej, søgeordet holder tavs om, og den vores app er bygget til. Du behøver ikke altid software til at deltage i et møde. Nogle gange har du allerede optagelsen — en talebeskeds fra en samtale to-og-to, et interview, en webinar-eksport, et klip en kollega sendte — og du har bare brug for ren tekst fra den, på din egen maskine, uden en bot i nogens opkald.

Diktering-og-transkriptionssoftware som Whisper passer her og tjener sin plads på privatlivets vegne. Alt i lokal tilstand kører på din laptop. Lyden forlader aldrig enheden: ingen server i løkken, ingen leverandørlogfiler, ingen cloud-prismåler. Din chefs lønforhandling, den juridiske optagelse, HR-samtalen: ingen af dem bør ende i en tredjeparts opbevaring, fordi du havde brug for en transkription. Lokal-først er ikke en funktion her. Det er hele pointen.

Whisper kører to lokale motorer, begge rent Rust via transcribe-rs, uden en Python-sidecar der sænker opstarten. Den første er OpenAIs open source Whisper, som i sine flersprogede udgaver dækker 99 sprog og kan oversætte til engelsk, med modelstørrelser fra Base på ca. 140 MB op til Large v3 på ca. 3 GB. De engelsksprogede udgaver er præcis det — kun engelsk — og de har tendens til at køre lidt slankere. Den anden motor er NVIDIAs Parakeet TDT, ca. 600 MB, beskrevet i appen som 5 til 10 gange hurtigere end Whisper på CPU og dækkende engelsk plus 24 europæiske sprog (25 i alt) uden oversæt-til-engelsk. Vælg Parakeet til hastighed, hvis du primært arbejder på engelsk. Vælg Whisper, hvis du har brug for oversættelse eller et sprog Parakeet ikke dækker.

Interaktionen er den samme, jeg bruger hele dagen. Du holder genvejstasten — Ctrl+Space på Windows, eller Command+Option push-to-talk-akkorden på en Mac, hold begge taster nede og slip en af dem for at stoppe — taler, og teksten lander ved din markør i den app, der er i fokus. Et lille overlay viser tilstanden mens det arbejder. Til en optagelse frem for live tale peger du appen på filen og får transkriptionen tilbage. Hvis du specifikt vil have dikteringsdelen, går vores offline tale-til-tekst-guide dybere ned i at køre alt på enheden.

Der findes også en Cloud-mulighed, for folk der vil have de nyeste OpenAI-modeller og en stemmestyret websøgning i samme værktøj. Medbring din egen OpenAI-nøgle, sig "Hey whisper" for at route teksten gennem AI'en. Men til transkribering af en optagelse du allerede har, er lokal tilstand svaret — og den er gratis for enhver indlogget bruger.

De andre værktøjer, der er værd at kende

Denne kategori er overfyldt, og søgeresultaterne domineres af lister med seks til ti værktøjer. Her er et enkelt overblik, så du slipper for at læse ti anmeldelser for at finde ud af, hvad hvert enkelt er til. Alle egenskaber herunder stammer fra det pågældende værktøjs egne sider.

• Otter.ai — standardnotattageren til møder. Bot deltager i Zoom, Teams og Meet; gratis Basic-plan med 300 månedlige minutter, betalte Pro- og Business-niveauer over det. Transkription på seks sprog: engelsk, spansk, fransk, tysk, japansk, kinesisk.
• Fireflies.ai — bot deltager via invitation eller automatisk kalenderdeltagelse. Gratis plan med ubegrænset transkription og begrænsede AI-resuméer; annoncerer 100+ sprog på tværs af niveauer.
• tl;dv — optager Meet, Zoom og Teams, markedsfører en bot-fri tilstand, transskriberer på 30+ sprog, gratis-for-evigt-plan uden tidsbegrænsning og uden kreditkort.
• Fathom — gratis-for-evigt-plan med ubegrænsede optagelser, plus valgmulighed mellem bot-fri (beta) eller bot-optagelse; betalte Premium-, Team- og Business-niveauer over det.
• Notta — har en møderobot til Zoom, Teams og Meet og et gratis niveau; dens eget hjælpecenter angiver ca. 58 sprog.
• Zoom og Teams, indbygget — tjek hvad du allerede betaler for, inden du køber noget. Zoom transskriberer cloud-optagelser og tilbyder AI Companion-realtidstranskription på 46 sprog på berettigede betalte planer. Microsoft Teams har indbygget live-transkription på ca. 50+ talte sprog; live oversat transkription kræver Teams Premium.

Her er det samme overblik som en tabel, kun med de dele, du kan verificere på hvert værktøjs egne sider. Ingen nøjagtigheds- eller hastighedstal, fordi ingen har testet dem side om side på det samme lydmateriale — og det vil jeg ikke opfinde.

Hvis dine møder allerede kører på en betalt Zoom- eller Teams-plan, er den indbyggede transkription måske alt, hvad du behøver — og så tilføjer du hverken et nyt abonnement eller en ny bot til opkaldet.

Hvad jeg ville vælge til hver situation

Jeg læser supportmailen, så jeg ser beklagelse over forkerte valg ofte nok til at have meninger. Sådan ville jeg vælge.

• Du vil have noter fra et team-videoopkald, automatisk, delt med alle. Brug en botnotattar. Otter, hvis du vil have den polerede standard; Fireflies eller Fathom, hvis du vil have et generøst gratis niveau; tl;dv, hvis du ikke ønsker en bot i mødevisningen.
• Du er allerede på en betalt Zoom- eller Teams-plan. Prøv den indbyggede transkription, inden du betaler for et tredje værktøj.
• Du har en optagelse og vil have ren tekst, privat, på din egen maskine. Dette er den bot-frie, offline-vej: Whisper, eller et andet lokalt transkriptionsværktøj. Lyden forbliver på enheden.
• Du vil skrive med stemmen (mails, dokumenter, noter under eller efter opkaldet) ved markøren, i en hvilken som helst app. Det er diktering, og det er det job Whisper er bygget til. Vores sammenligning af transkriptionssoftware beskriver skellet mellem diktering og mødenoter mere detaljeret.
• Du har brug for en garanteret næsten-perfekt transkription til en juridisk eller compliance-rekord. Brug en menneskelig verificeret tjeneste. AI alene topper under 99 procent på rigtig lyd.

Fejlen at undgå er at betale for en møderobot til diktering, eller forvente at et dikteringsværktøj deltager i dine opkald. Forskellige kategorier. Vælg den, der matcher jobbet. Jeg har bygget software i femten år og alligevel købt det forkerte værktøj til et job sidste år — så dette er ikke en belæring fra en, der ramte plet første gang.

Priser i klare tal

De fleste af disse værktøjer har et gratis niveau, der er værd at afprøve, inden nogen betalingskort kommer frem. Otter, Fireflies, tl;dv og Fathom har alle en gratis plan, med betalte niveauer når du har brug for flere minutter, flere pladser eller ubegrænset opbevaring. Botnotattagerne opkræver generelt pr. bruger pr. måned, hvilket løber hurtigt op i et team.

Whisper er gratis for enhver indlogget bruger på tværs af hele den lokale pipeline — begge motorer, AI-forbedring via Ollama, historik, forudindstillinger, brugerdefineret ordforråd, genvejstasten, alt sammen — uden at en betalingsmetode bedes om ved oprettelse. Det betalte niveau tilføjer Cloud-overfladen for folk, der vil have OpenAIs modeller og stemmestyret websøgning. Præcise tal for månedligt, årligt, livstids og teampladser findes på prissiden. Jeg vil hellere have, at du starter gratis og beslutter dig selv, end at tage en pris ud af kontekst her.

Vælg typen af værktøj, inden du vælger mærket. Hvis en bot skal deltage i dit opkald, brug en notattar. Hvis en optagelse på din laptop skal blive til privat tekst, brug noget offline. Den fem-cifrede regning, jeg så et team løbe op, kom af, at man aldrig spurgte hvilket job man betalte for — og det er et møde, ingen havde brug for en transkription af.