Ljud till text, utan uppladdning, på Mac eller Windows

Kort svar

För att göra ljud till text lägger du till filen i Lesskeys: den transkriberar den på din dator, markerar talarna och laddar inte upp något. Det fortsätter fungera med internet avstängt.

Hämta för Mac

Hämta för Windows

Fler nedladdningar

macOS 13+ på Apple Silicon · Ingen prenumerationWindows 10 och 11 · Ingen prenumeration

Senast granskad 21 oktober 2026

Illustration: en ljudfil som heter intervju.m4a släpps in i ett Transkribera-fönster med Wi-Fi avstängt. Ett transkriptfönster bredvid fylls rad för rad med tre påhittade exempelmeningar.

Illustration med påhittad exempeltext, inte en skärmbild.

Släpp in den

Så gör du ljud till text

Öppna Lesskeys, välj Transkribera och lägg till filen.
Låt språket stå på automatisk identifiering, eller fäst upp till fyra.
Du anger hur många personer som pratade (2 som standard).Ange hur många personer som pratade: välj 1 till 4, eller skriv in ett eget antal.
Starta. Läs texten i Bibliotek, tryck på play vid en rad för att spela från just där, eller Kopiera allt.

Första gången laddas en liten uppsättning talarfiler ned.

Vem som sa vad

En talarmarkering på varje rad

Varje rad får en talarmarkering.

Byt namn på Talare 1 till ett riktigt namn, eller slå samman två markeringar om en person har delats upp. En namngiven röst kan kännas igen i senare inspelningar; röstavtrycken stannar på din dator. Talarmarkeringar går igenom vad som gör att markeringarna blir fel.

Din dator

Filen lämnar aldrig din dator

En omvandlarsajt laddar upp din fil. Lesskeys läser den från din disk och skriver texten bredvid den.

Ingentingladdas upp
Offlinefungerar utan internet
99språk

Stäng av Wi-Fi och prova: transkribera en video utan att ladda upp den.

Kontrollera

När ett ljudtranskript blir fel

Det blir bara så bra som inspelningen.

Brus och avstånd
Namn och facktermer
Två personer samtidigt
En lång fil kan sluta i förtid

Kontrollera namn och tekniska termer. På en lång fil kan taligenkänningsmodellen tappa slutet och ändå säga att den är klar: läs de sista raderna mot ljudet (när Whisper slutar för tidigt). Där en människa måste kontrollera varje ord bör du använda en tjänst med mänsklig personal. Vad är transkribering på enheten har våra noggrannhetssiffror.

På en Mac

Vilka filer fungerar på en Mac, och hur snabbt

Ljud eller video, ingen konvertering för de vanliga typerna.

Ljudfiler: MP3, M4A, WAV, AIFF
Videofiler: MP4, MOV, M4V

Andra format kanske inte går att öppna: konvertera dem först. I vårt test på en Apple M1 Max tog en timmes ljud ungefär fem minuter med den mer noggranna modellen. Att hitta talarna tar extra tid, och en äldre Mac är långsammare.

Källa: Vilken Whisper-modell du ska köra på en Mac.

I Windows

Vilka filer fungerar i Windows

Ljud eller video: filväljaren godtar de vanliga typerna.

Ljudfiler: WAV, MP3, M4A, FLAC, OGG, WMA, AIFF
Videofiler: MP4, MOV, M4V, MKV, AVI, WEBM, WMV

Huruvida en viss fil går att öppna beror på hur den är kodad. Går en fil inte att öppna, konvertera den till MP4 eller M4A först. Hastigheten i Windows har inte mätts här, så det finns ingen siffra för den. Den första transkriberingen laddar ned en liten uppsättning talarmodeller. Har du ingen fil än? Spela in en röstanteckning i Windows först.

Frågor

Frågor om att göra ljud till text

Hur gör jag om ljud till text utan att ladda upp det?

Använd en transkriberingsapp som körs på enheten. Lesskeys transkriberar ljud- och videofiler på din dator: filen läses från din disk, texten skrivs bredvid den och ingenting laddas upp. Inget konto behövs.

Vilka filformat fungerar?

På en Mac: ljud i MP3, M4A, WAV och AIFF; video i MP4, MOV och M4V. Andra format, som MKV, WEBM, WMA eller AVI, kanske inte går att öppna där; konvertera dem till MP4 eller M4A först. I Windows godtar filväljaren WAV, MP3, M4A, FLAC, OGG, WMA, AIFF och vanliga videotyper; konvertera en fil som inte går att öppna.

Kan jag transkribera en lång inspelning, till exempel ett timslångt möte?

Ja, ett timslångt möte är ett vanligt jobb. En lång inspelning tar längre tid att transkribera än ett kort klipp, och en långsammare dator tar ännu längre tid. Läs transkriptets sista rader mot ljudet för att kontrollera att inget har klippts bort.

Hur noggrant är det?

Det beror mer på inspelningen än på datorn. I vårt test på 6 086 ord offentligt ljud fick den mest noggranna taligenkänningsmodellen ungefär 2 ord av 100 fel. Vi testade inte molnbaserade omvandlare, så vi påstår inte att det är likvärdigt: prova med ditt eget ljud.

Mer