Whisper AI

Vad Whisper gör

Whisper tar en ljud- eller videofil och lämnar tillbaka det som sägs i den som text. Modellen kommer från OpenAI och är släppt öppet, vilket innebär att den går att köra på egen dator eller egen server utan att materialet skickas någon annanstans.

Den hanterar många språk, känner igen vilket språk som talas och kan även översätta talet till engelsk text.

Var Whisper passar i arbetet

Det är den öppna varianten som gör Whisper intressant i en verksamhet: intervjuer, ärenden och möten kan skrivas ut i egen miljö. Modellen ligger också inbäddad i många andra tjänster, ofta utan att det syns.

Svenska fungerar bättre än i många motsvarande modeller, men fackord, namn och siffror blir fel oftare på svenska än på engelska.

Vad Whisper inte gör

• Det är inte en färdig produkt. Att köra modellen själv kräver installation och viss teknisk vana.
• Den skiljer inte på talare. Vem som sagt vad kräver ett separat steg.
• Utskriften är inte korrekturläst. Modellen fyller ibland i ord som inte sades, särskilt vid tystnad och brus.

Innan ni släpper in det

Kör ni modellen själva stannar ljudet hos er, och det är ofta hela poängen med att välja den.

Använder ni i stället en tjänst som har Whisper inbyggd gäller den tjänstens villkor, inte modellens. Ta reda på vilket av de två som gäller innan ni skickar in inspelningar med personuppgifter.

Vidare

AI-transkribering förklarar hur tal blir text. Otter.ai är en färdig tjänst för den som inte vill köra en modell själv. Se kurserna