Transkribera möten lokalt med Whisper

Ett bra lokalt arbetsflöde för transkribering är ganska enkelt. Du spelar in mötet på din egen dator, kör Whisper på inspelningen lokalt och bestämmer sedan, möte för möte, om något ska skickas till en AI-tjänst.

Den sista uppdelningen är hela poängen. Råljudet och den första transkriptionen förblir dina. Allt annat är ett medvetet val, inte en standardinställning.

Därför är det värt att sätta upp

Om dina transkriptioner innehåller kundstrategi, rekryteringsbeslut, lönesiffror eller juridiska sammanhang är ett arbetsflöde som går via molnet som standard inte längre neutralt. Det blir ett tyst beslut att kopiera materialet någon annanstans.

Med ett upplägg där det lokala kommer först får du:

• Råinspelningar som aldrig lämnar disken.
• Transkriptioner som skapas på samma dator.
• Ett tydligt, medvetet ögonblick om du någon gång bestämmer dig för att dela något vidare.

Det minsta arbetsflödet som fungerar

1. Spela in möten automatiskt till lokala .mp4-filer.
2. Kör en transkribering med Whisper när varje inspelning är klar.
3. Få .txt- och .srt-filer som du kan söka i, redigera eller mata in i något annat.
4. (Valfritt) Skicka transkriptionens text, inte ljudet, till en AI-sammanfattning.

Det intressanta designbeslutet är att steg 4 förblir valfritt. Många team kör steg 1 till 3 för evigt utan att någonsin koppla in en AI-tjänst, och det är ett helt okej arbetsflöde.

Vad du ska leta efter i ett verktyg

Om du letar efter något som kan driva det här:

• Det ska känna av Zoom, Teams och Meet automatiskt, utan att du slår på något.
• Den lokala inspelningen ska vara tråkig och pålitlig.
• Whisper ska köras på enheten, inte som en ”nästan lokal” SaaS-proxy.
• Transkriptionerna ska vara vanliga filer som du kan greppa i, arkivera eller redigera.
• All AI-integration ska vara något du aktivt väljer till, och det är du som väljer leverantör.

Varför just Whisper

Whisper är det enkla svaret, eftersom det ger en stark grund lokalt utan att tvinga in dig i någon annans molnbaserade anteckningsapp. För de flesta räcker det gott: sökbara transkriptioner, undertextfiler och möjligheten att skruva på sammanfattningar senare, om det visar sig att du faktiskt vill ha dem. Och ja, det klarar svenska – med medium- eller large-modellen blir resultatet märkbart bättre än med de mindre modellerna.

Lokalt som standard, externt när du väljer det

Det är den egentliga kärnan i det hela. Autorec spelar in och transkriberar lokalt först. Vill du ha AI-sammanfattningar pekar du den mot en OpenAI-kompatibel endpoint, och då skickas bara den text du har valt att skicka. Inget ljud, ingen video, och bara när du har ställt in det.

Avvägningarna, ärligt talat

• Transkribering på enheten är långsammare än de snabbaste molntjänsterna. På modern hårdvara är det inga problem. På en laptop från 2017 går det segare.
• Om ditt team behöver redigera transkriptioner tillsammans och ha gemensam administration vinner förmodligen en molnprodukt fortfarande.
• ”Lokalt först” får inte frågorna om samtycke och inspelningslagar att försvinna. De har alltid varit ditt problem.

Om du vill testa på riktigt

• Funktionssidan tar upp inspelning och transkribering.
• Dokumentationen om transkribering går igenom val av modell och inställningar.
• Priser listar vilka plattformar som stöds.
• Inlägget om inspelning utan bot är integritetshalvan av argumentet, om du inte redan har läst det.