Forelesningsapper for transkripsjon, forklart

Ta opp forelesningen, få ren tekst. Det er hele jobben.

Strip bort markedsføringen, og enhver forelesningstranskripsjonsapp gjør én ting. Den tar lyd av noen som snakker og gir deg tekst du kan søke i, sitere fra og studere. Professoren snakker, appen lytter, ordene lander på siden. Forskjellene mellom verktøyene er alle nedstrøms for det: om lyden fanges opp direkte eller i ettertid, om den behandles på en server eller på maskinen din, og hvordan appen rydder opp i resultatet.

Whisper by Remskill tar seg av dikteringssiden av den jobben. Du holder en snarvei, snakker, og transkriptet limes inn ved markøren i hvilken som helst app du skriver i – enten det er Notion, Word, et Google-dokument eller en e-post. På Windows er standard-snarveien Ctrl+Space. På macOS er det Command+Option push-to-talk-akkorden: hold den for å ta opp, slipp for å stoppe. Etter at du slipper, er mikrofonen åpen i 500 millisekunder ekstra, slik at siste ord ikke klippes bort. Det er ingen «bli med i møtet»-steg og ingen opplasting med påfølgende venting. Du snakker, og ett til to sekunder senere er teksten der.

Dette skillet betyr mer for forelesninger enn for de fleste brukstilfeller, og det er det neste som er verdt å klargjøre.

Direkteopptak og å diktere egne notater er ikke det samme

Her er skillelinjen som forvirrer de fleste studenter. Noen apper er laget for å fange opp en direkte time: de tar opp rommet, eller kobler seg til et Zoom-møte, og transkriberer professorens stemme for deg. Andre er laget slik at du selv dikterer notater og sammendrag. Begge produserer et transkript. De er ikke utbyttbare.

Whisper hører til i den andre leiren. Den transkriberer det mikrofonen hører mens du snakker. Det er utmerket for den delen av studiene som kommer etter forelesningen: å diktere sammendraget mens det er ferskt, snakke gjennom et oppgavesett, ta opp din egen forklaring av et konsept, eller skrive en e-post til en studiegruppe. Det er ikke en bot som sitter i rommet og fanger opp professoren for deg. Vil du ha et uovervåket opptak av en annens direkteforelesning, er en dedikert opptaker det beste valget – og jeg nevner navn senere i den ærlige seksjonen.

Den kjedelige sannheten er at det mest nøyaktige transkriptet du kan få av en forelesning, er det der talen skjer nær en god mikrofon. Når du dikterer ditt eget sammendrag, er munnen din 20 centimeter fra mikrofonen. Når du tar opp en professor, er munnen hans 20 meter unna, bak et podium, i kamp med et ventilasjonsanlegg. Samme programvare, to vidt forskjellige resultater.

Hvor forelesningslyden kommer fra

Hvert transkript starter med en mikrofon, og en forelesningssal er der gode mikrofoner lider. Lyden kan komme fra tre steder. Det første er laptopens innebygde mikrofon, som er innstilt for den som sitter rett foran den: fint for å diktere egne notater, tøft for en professor tvers over en sal med 200 seter. Det andre er systemets loopback-lyd – lyden som kommer ut av høyttalerne – noe du ville fange opp under en direktesendt Zoom-forelesning eller et innspilt nettbasert kurs. Det tredje er en dedikert ekstern mikrofon festet nær kilden.

Mikrofonplassering er den enkelt viktigste faktoren for nøyaktighet – ikke modellen. En USB-mikrofon til 200 kroner gjør mer for et transkript enn noen oppgradering til en større modell. Jeg har sett studenter kvele seg i spørsmålet om hvilken app som er «mest nøyaktig», mens de dikterer inn i en laptop-mikrofon på en kafé. Appen var aldri problemet. Det var lyden.

For et nettbasert kurs eller en Zoom-forelesning fungerer loopback-lyd godt fordi talen allerede kommer gjennom rene digitale kanaler. For en stor sal med fysisk oppmøte er det realistiske svaret å ta opp nær kilden – sett deg nær fronten eller bruk en clip-on-mikrofon – og transkriber etterpå. Ingen app gjør et grumsete romopptak om til et perfekt transkript. De gjør god lyd om til fin tekst, og dårlig lyd om til «en anti-mor».

Lokal og sky-transkripsjon trekker en personverngrense studenter bør legge merke til

De fleste sammenligninger av forelesningsapper hopper over denne delen – og det er den jeg ville brydd meg mest om som student. Hvor behandles lyden? To svar. Skybaserte verktøy sender opptaket til en server, transkriberer det der og sender teksten tilbake. Lokale verktøy gjør alt på laptopen din, uten at noe forlater maskinen.

Mellom oss: sky-transkripsjon av en forelesning er en personvernbeslutning folk tar uten å registrere at de tar den. Et opptak av professoren din – ordene deres, upublisert forskning, en sidekommentar om den kommende eksamen – som ligger i en leverandørs logger, er en liten sak helt til det ikke er det lenger. Lokal-først, eller la det være. Det er en sterkere uttalelse enn jeg pleier å komme med, og jeg kan begrunne den: når et opptak bare ligger på din laptop, finnes det ingen serverbrudd som kan lekke det, ingen endring i tjenestevilkår som gir treningsrettigheter bak ryggen din, ingen konto du glemte å slette.

Whisper kjører lokal transkripsjon i ren Rust, uten Python-sidecar, med to motorer du velger mellom. Lokal Whisper tilbyr flere modellstørrelser, fra en Base-modell på rundt 140 MB til en flerspråklig Large v3 på rundt 3 GB, og de flerspråklige variantene dekker 99 språk med oversettelse til engelsk. NVIDIA Parakeet er én modell på rundt 600 MB, dekker engelsk pluss 24 europeiske språk – 25 totalt – og kjører 5 til 10 ganger raskere enn Whisper på CPU, men kan ikke oversette eller håndtere asiatiske språk. Vil du ha best mulig kvalitet og nettilgang, finnes det også en Sky-modus som bruker din egen OpenAI-nøkkel. Hele den lokale arbeidsflyten er gratis for alle innloggede brukere, uten betalingskort ved registrering. Sky er et betalt tillegg. Alt fungerer også helt uten internettilgang, og det finnes en grundigere gjennomgang i vår guide til frakoblet tale-til-tekst hvis det er din viktigste bekymring.

De andre forelesningsappene verdt å kjenne til

Whisper er et dikteringsverktøy, ikke en bot for romopptak, så for direkteopptak av forelesninger er det ærlige valget å peke deg mot apper laget for det. Slik skiller de vanlige alternativene seg fra hverandre, med virkelige tall der en primærkilde ga dem.

Et par av disse radene fortjener en setning. Otters gratis Basic-plan gir deg 300 transkripsjonsminutter i måneden med et tak på 30 minutter per opptak – noe som betyr at én 90 minutters forelesning ikke får plass i én gratis innspilling. Apple Voice Memos kan ta opp lyd og deretter vise et transkript, slik at Mac-studenter har et genuint «ta opp timen, les det etterpå»-alternativ som allerede ligger på maskinen. Notta sier den støtter titalls språk, men jeg klarte ikke å åpne prisingsiden for å verifisere minuttgrensene – så behandle plandetaljene som «sjekk før du forplikter deg».

Når du bør velge noe annet enn Whisper for forelesninger

Hvis du faktisk trenger å sette et verktøy foran en direkteforelesning og gå derfra med professorens ord, er Whisper feil valg. Vi transkriberer det du selv dikterer, ikke det noen på den andre siden av rommet sier. For uovervåket direkteopptak bør du bruke en opptaker laget for det. På Mac tar Apple Voice Memos opp rommet og viser deg et transkript gratis – allerede installert. Vil du ha direkteopptak av møter med taler-etiketter og sammendrag, er Otter laget for det. Gratisplanen håndterer 300 minutter i måneden, men taket på 30 minutter per opptak betyr at en hel forelesning trenger betalingsplanen. Bruk Whisper til studiene som skjer etter timen: sammendraget du dikterer, problemet du snakker deg gjennom, e-posten du sender mens du lager middag.

Gratis lokal transkripsjon, Pro for skyfunksjonene

Her er det studentene spør mest om: pris. Hele den lokale siden av Whisper – begge motorene, AI-opprydding via en lokal modell, historikk, egendefinert snarvei og modellnedlastinger – er gratis for alle innloggede brukere, uten betalingskort ved registrering. Det er bevisst. Lokal transkripsjon kjører på laptopens egen CPU. Å ta et månedlig gebyr for regnekraft du allerede har betalt for, satt aldri riktig.

Betalingsnivået, Whisper Pro, legger til Sky-overflaten: OpenAI sky-transkripsjon, AI-forbedring i skyen og stemmedrevet nettsøk. Det er den delen med en per-bruk-kostnad på OpenAIs side og en server i løkken, så den ligger bak et abonnement med en kort Sky-prøveperiode. De eksakte tallene finner du på prissiden. For ren forelesnings-dikterings-studier forlater de fleste studenter aldri det gratis lokale nivået. Det er poenget.

En tirsdagskveld sist semester sto jeg og smurte matpakker – sandwich, frukt og yoghurten den yngste nekter å spise – da stordatteren min trengte et svar til læreren om en skoletur. Jeg grep laptopen med én hånd, holdt snarveien og dikterte e-posten mellom agurkskivene: pause for å spørre om stavingen av lærerens navn, pause igjen da den yngste spurte hvorfor månen av og til ikke var der, og så videre. E-posten ble sendt. Matpakkene ble ferdig. Håndskriften min ville ikke klart noen av delene. Det er den versjonen av transkripsjon som passer et virkelig liv – ikke en bot i en forelesningssal, men en stemme som henger med mens hendene er fulle. Velg verktøyet som passer jobben, og gå og studer. Se hvordan Whisper fungerer.