Start › Vem säger vad i inspelningen

Funktion · Flera talare i samma inspelning

Vem säger vad – talarna åtskilda i transkriptet

En inspelning med fyra personer blir obrukbar som en enda textmassa. Lesskeys delar upp transkriptet efter röst, låter dig sätta namn på talarna, och känner igen samma personer i nästa inspelning. Allt sker lokalt på din Mac – ljudet laddas aldrig upp.

Vem säger vad i inspelningen – och varför det är en egen uppgift

De flesta söker beskrivande på den här funktionen – vem som säger vad, hålla isär talare, skriva ut vem som sa vad. Fackorden finns också, och det är bra att känna igen dem när du läser vidare: talarseparering är det svenska ordet, diarisering förekommer i mer teknisk text och kommer av engelskans diarization.

Uppgiften är avgränsad och värd att hålla isär från själva utskriften. Taligenkänningen svarar på vad som sades. Talarsepareringen svarar på vem som sade det. Först ihopsatt blir det ett läsbart samtalsprotokoll, där varje replik står under rätt namn.

Så går det till

Uppdelningen sker automatiskt när inspelningen skrivs ut, i tre led:

1. Ljudet delas i yttranden. Appen hittar var någon talar och var det är tyst.
2. Varje yttrande får ett röstavtryck. En matematisk beskrivning av rösten räknas fram – inte av orden, utan av klangen.
3. Yttranden med likartade röstavtryck grupperas. Resultatet blir Talare 1, Talare 2, Talare 3 och så vidare, med tidsmarkeringar.

Ingenting av detta lämnar datorn. Röstavtrycken räknas fram på din Macs grafikprocessor och ljudfilen laddas aldrig upp.

Namnge talarna – och känna igen dem nästa gång

Talare 1 och Talare 2 räcker inte långt i ett protokoll. Du byter namnen mot riktiga namn, en gång, och de slår igenom i hela transkriptet. Väljer du att spara en namngiven röst blir den en röstprofil som ligger kvar lokalt, och samma person känns igen i nästa inspelning utan att du behöver märka upp om.

Det är där funktionen börjar löna sig på riktigt: efter ett par möten med samma projektgrupp kommer transkripten färdigt namnsatta. Har appen tagit fel går tilldelningen att rätta i efterhand, och rättningen slår igenom framåt.

Röstprofilen är en känslig sak

Det ska stå tydligt, för det är lätt att missa i entusiasmen över att slippa märka upp. En röstprofil som används för att känna igen en bestämd person är något annat än ett anonymt Talare 2. Profilerna sparas lokalt på din Mac och skickas ingenstans, men de finns.

Tre praktiska hållpunkter:

• Berätta det. Den som spelas in bör få veta att en röstprofil sparas, inte bara att inspelning sker.
• Det går att radera. En sparad profil kan tas bort, och då är kopplingen borta.
• Klassificeringsfrågan är inte vår. Om användningen i din verksamhet kräver något särskilt hör den frågan hemma hos ditt dataskyddsombud eller din jurist, och tillsynsmyndigheten du vänder dig till är IMY, Integritetsskyddsmyndigheten. Vi hävdar ingen regelefterlevnad och ingen certifiering – arkitekturen tar bara bort ett personuppgiftsbiträde ur kedjan; syfte, rättslig grund och lagringstid är fortfarande dina.

Var det brister

Det här är den vanligaste besvikelsen, så här är den i förväg. Talarseparering är en uppskattning, inte en mätning, och tre situationer försämrar den märkbart.

Därför är möjligheten att rätta i efterhand inte en nödlösning utan en del av arbetsgången. Räkna med en genomgång av transkriptet, precis som med själva texten: egennamn, ortnamn och fackord behöver ögon oavsett hur bra separationen blev.

Var det används

• Forskningsintervjuer. Kvalitativa intervjuer ska kodas per talare; att slippa märka upp för hand är själva tidsvinsten.
• Journalistintervjuer. Ett citat måste kunna knytas till rätt person och till rätt tidpunkt i ljudet. Att inspelningen dessutom aldrig lämnar datorn är för många journalister huvudskälet – frågan om vems servrar materialet ligger på hänger ihop med källskyddet.
• Rekryteringssamtal. Flera intervjuare och en kandidat blir läsbart först när replikerna står under namn.
• Styrelse- och nämndsammanträden. Underlaget till protokollet blir betydligt lättare att skriva när det framgår vem som yrkade vad.

Ett råtranskript med talarnamn är just ett underlag. Det är inte ett justerat protokoll, det sammanfattar ingenting och det skickar inte ut något åt dig. Hur du tar det vidare till ett mötesunderlag står på Mötesprotokoll från inspelningen.

Innan du spelar in andra

I Sverige är det inte brottsligt att spela in ett samtal du själv deltar i. Olovlig avlyssning enligt 4 kap. 9 a § brottsbalken träffar den som i hemlighet avlyssnar eller spelar in ett samtal hen inte deltar i. Men lagligt är inte detsamma som lämpligt, och det är den skillnaden som avgör i praktiken: att spela in kollegor i smyg har prövats i Arbetsdomstolen och har kostat människor förtroendet och anställningen. Blir inspelning en rutin hos arbetsgivaren uppstår dessutom förhandlingsskyldighet enligt 11 § MBL, så facket ska in tidigt.

Praktiskt: fråga innan du startar, notera samtycket, och spela inte in om någon säger nej. Berätta särskilt om du sparar röstprofiler. Det här är upplysning, inte juridisk rådgivning.

Krav, pris och gratisnivå

Talarsepareringen ingår i transkriberingen och kräver macOS 13 (Ventura) eller senare och en Mac med Apple Silicon, alltså M1 eller senare – ett krav, inte en rekommendation; Intel-Macar stöds inte. Texten känns igen på 99 språk, identifierade automatiskt. Dikterar du i stället direkt vid datorn hamnar texten i Urklipp och klistras in av dig med ⌘V – appen skriver aldrig in text åt dig i andra program.

Appen är gratis att hämta, och Pro låses upp med ett engångsköp på 49,99 USD, som svenska App Store visar i kronor. Ingen prenumeration. Gratis ingår 5 minuters diktering per dag samt 5 ljud- och 5 videotranskriberingar totalt, alltså sammanlagt och inte per dag; att spela in är aldrig begränsat, och att transkribera om en inspelning du redan har transkriberat är gratis och drar inte av kvoten.

Vanliga frågor

Läs vidare