Lyden fra et møde eller en samtale kan omsættes til tekst på to måder: I sender den til en tjeneste, der transskriberer den, eller I kører en talemodel på en maskine, I selv styrer. Det første er nemt at komme i gang med, og lyden forlader huset. Det andet kræver drift, og lyden bliver hos jer. Valget afhænger af, hvad der bliver sagt i optagelserne, og hvor godt modellen forstår dansk.
Om I må optage, og hvad I skal fortælle deltagerne, er et spørgsmål om persondata. Teknikken og stedet for behandlingen er emnet her.
Hvorfor lyd er særlig
En optagelse rummer mere end en tekst. Den indeholder stemmer, som kan identificere personer, og den fanger alt, der bliver sagt, også det, ingen ville skrive ned: bemærkninger om kunder, personaleforhold og forretning. Optagelser af møder med kunder rummer kundens oplysninger. Derfor er spørgsmålet om, hvor lyden sendes hen, vigtigere for tale end for de fleste tekstopgaver.
Lyden behandles i to trin. Først omsættes tale til tekst. Bagefter skrives teksten ofte sammen til et referat af en sprogmodel. De to trin kan ske hos to forskellige parter, og begge skal med i jeres vurdering.
Tre driftsformer
Tjeneste, der transskriberer. I uploader lyden eller kobler tjenesten til jeres mødeprogram. Svaret kommer hurtigt, og I skal intet drive. Lyden og teksten behandles og gemmes hos udbyderen efter udbyderens vilkår. Spørg om sted, opbevaring, træning og underleverandører, som for enhver anden AI-tjeneste.
Talemodel på egen server. I kører en åben talemodel på en server, I styrer. Lyden forlader ikke huset. Til gengæld skal nogen sætte det op, holde det opdateret og have kapacitet nok, når mange optagelser skal behandles på én gang.
Talemodel i et program, I allerede kører. Nogle samarbejdsprogrammer, som I kan drive selv, har tale til tekst som en funktion, der kører på samme server. Det er en mellemvej, hvor driften følger det program, I i forvejen har.
Eksempler på modeller og funktioner
Senest læst: 8. november 2026. Eksemplerne anbefaler intet. Licensoplysningen kommer fra modelarkivets metadata, som udgiveren selv udfylder, og selve licensfilen skal læses for den version, I bruger.
- Whisper large-v3 fra amerikanske OpenAI er en åben talemodel under Apache 2.0, som kan køres på egen server.
- Røst fra det danske CoRal-projekt er talemodeller til dansk. En af dem bygger på Whisper large-v3, en anden på en talemodel fra Meta. Licensen er angivet som OpenRAIL, en licens med begrænsninger i brugen. Teksten er ikke læst her, så læs den, før I bruger modellen kommercielt.
- Voxtral Mini 3B fra franske Mistral AI er under Apache 2.0. Mistrals transskriberingsmodel til API’et, Voxtral Transcribe 3, er en lukket model, der kun bruges gennem Mistrals tjeneste.
- Nextcloud har en app, der kører tale til tekst på jeres egen server.
- DeepL Voice er et eksempel på en tjeneste. DeepL skriver, at transskriptioner slettes efter den opbevaringsperiode, kunden vælger, og at den korteste gælder, hvis intet er valgt.
Hvor præcist modellerne skriver dansk tale ned, oplyser kilderne ikke, og vi har ikke målt det.
Mål kvaliteten på jeres egen lyd
Dialekter, fagudtryk, navne, flere talere og dårlig lyd fra mødelokalet kan alle give fejl i en udskrift. En model, der klarer et radioindslag, kan fejle på et salgsmøde i et lokale med ekko. Kvaliteten skal derfor måles på jeres egne optagelser.
- Vælg ti til tyve korte optagelser fra hverdagen, med samtykke fra dem, der taler.
- Skriv en korrekt udskrift af nogle af dem i hånden.
- Lad to eller tre løsninger transskribere de samme optagelser.
- Tæl fejl i det, der betyder noget: navne, tal, beslutninger og fagudtryk.
- Lad den, der skal bruge referatet, vurdere, om det er godt nok.
Prøven siger mere end nogen sammenligning, I kan finde på nettet. Fremgangsmåden svarer til den i hvor godt kan modellen dansk.
Hvad det kræver, og hvad det koster at lade være
En tjeneste kræver timer til at læse vilkår og databehandleraftale, opsætning af kontoen og en prøve. Prismodellen kan være pr. bruger eller efter forbrug, så sæt jeres egne mængder ind. En model på egen server kræver en maskine med nok kraft til den mængde lyd, I har, timer til opsætning og nogen, der vedligeholder den. Lyd fylder meget, så lagring og sletning af optagelserne er også en post.
Lader I være at vælge, bruger medarbejderne den funktion, der ligger nærmest: en app på telefonen eller en funktion i mødeprogrammet. Så sendes optagelser af kundemøder og personalesamtaler et sted hen, ingen har vurderet, og ingen ved, hvor længe de gemmes.
Det skal I lade være med
- At glemme referatet · teksten sendes ofte videre til en sprogmodel, og det er et trin til.
- At tro, at alle åbne talemodeller må bruges til alt · nogle talemodeller har licens med brugsbegrænsninger.
- At teste på en ren optagelse · prøv på lyden fra jeres egne mødelokaler.
Det skal valget kunne vise
- ☐ Hvilke optagelser der må transskriberes, og hvilke der ikke må.
- ☐ Hvor lyden og teksten behandles og gemmes, og hvor længe.
- ☐ Model og licens, hvis I kører den selv.
- ☐ Resultatet af en prøve på jeres egen lyd.
- ☐ Hvem der sletter optagelserne.
Kilder
- Hugging Face, modeloplysninger for openai/whisper-large-v3, https://huggingface.co/api/models/openai/whisper-large-v3, læst 8. november 2026.
- Hugging Face, modeloplysninger for CoRal-project, https://huggingface.co/api/models?author=CoRal-project, læst 8. november 2026.
- Mistral AI, Models Overview, https://docs.mistral.ai/getting-started/models/, læst 8. november 2026.
- Nextcloud Admin Manual, AI overview, https://docs.nextcloud.com/server/latest/admin_manual/ai/overview.html, læst 8. november 2026.
- DeepL, Privacy Policy, https://www.deepl.com/en/privacy, læst 8. november 2026.
Senest gennemgået: november 2026.
Næste skridt
Saml ti optagelser fra hverdagen med samtykke, og lad to løsninger transskribere dem, før I vælger.
Læs også: Egen drift af en sprogmodel · Prompter og svar: hvad gemmes, hvor længe og hos hvem?
→ Kontakt · Tlf. 70 13 63 23 · Jurisdiktions- og afhængighedsvurdering hos Nielco IT
