Gratis Italienska ljudtranskribering i din webbläsare
VoxScriber Nano förstår Italienska (Italiano) och bearbetar lokalt på din enhet. Gräns på 10 min i gratisläge.
Kör VoxScriber Nano (öppen källkod) i din webbläsare — lokal AI, upp till 10 min per fil, grundläggande noggrannhet (~85%). För professionellt bruk: Premium.
Transkribering sker lokalt i din webbläsare. Du kan valfritt dela resultatet med oss (med samtycke) för att förbättra tjänsten. Gräns: 10 min per fil, ~85% noggrannhet.
Gratis vs Premium — se skillnaden
| Gratis (webbläsare) | Premium (moln) | |
|---|---|---|
| Filgräns | 10 min | 10 horas |
| Noggrannhet | ~85% | >95% |
| Högtalaridentifiering | ❌ | ✅ |
| Tidsstämplar per ord | ❌ | ✅ |
| Videostöd (MP4/MOV) | ❌ | ✅ |
| Exportformat | TXT, SRT, VTT | DOCX, PDF, JSON… |
| Hastighet (1h ljud) | ~2 min / 1h | ~2 min / 1h |
| Integritet | 100% local | ☁️ + 🔒 |
Lokal AI
Transkribering sker i din webbläsare. Delning med våra servrar är valfritt (kräver samtycke).
Snabbt och lokalt
AI-bearbetning direkt i webbläsaren — inga vänteköer.
99 språk
Identifierar automatiskt språket i ditt ljud.
Ingen registrering
Börja direkt, utan att skapa ett konto.
How it works
Ladda upp eller spela in ljud
Dra en MP3-, WAV-, M4A- eller OGG-fil, eller använd din mikrofon direkt.
AI körs på din enhet
Whisper AI laddas ned en gång och lagras i cache. Ingen väntan vid nästa besök.
Kopiera eller ladda ned texten
Resultatet visas på sekunder. Ladda ned som .txt eller kopiera med ett klick.
Hur bra hanterar Whisper Italienska?
Italienska är ett starkt Whisper-språk — dess tydliga vokalstruktur gör det till ett av de lättare språken för taligenkänning. Standard italienska transkriberas med hög noggrannhet även på Nano-modellen; regionala dialekter som napolitanska eller sicilianska transkriberas ungefärligt eller normaliseras till standard italienska.
Var Italienska-ljud vanligtvis kommer ifrån
WhatsApp-röstmeddelanden — de berömda italienska 'vocali' — plus universitetsföreläsningar, affärssamtal och intervjuer.
Hur noggrann är webbläsartranskribering?
Webbläsartranskribering kör OpenAI:s Whisper-modell direkt på din enhet med WebAssembly. Vi erbjuder tre modellstorlekar och noggrannheten beror på vilken du väljer:
- Nano (~40 MB) — Standard. Cirka 85% noggrannhet på tydligt tal. Bäst för snabba anteckningar, röstmeddelanden och utkast. Den enda modellen som fungerar på iOS.
- Mini (~150 MB) — Ungefär 90% noggrannhet. En bra kompromiss om din enhet har 4 GB+ RAM och du behöver renare utdata.
- Plus (~500 MB) — Det mest noggranna lokala alternativet, närmar sig 93% på rent ljud. Långsammare att ladda ner och köra; bäst på stationära datorer med 8 GB+ RAM.
Vad som sänker noggrannheten för alla lokala modeller: bakgrundsljud, flera personer som pratar samtidigt, kraftiga accenter och lågbitrate-inspelningar som komprimerade röstanteckningar. Om du behöver professionell noggrannhet över 95%, tidsstämplar på ordnivå eller talarattribut krävs molnmodeller — se jämförelsen ovan.
Webbläsare vs molntranskribering: vilken behöver du?
Webbläsartranskribering är rätt verktyg när integritet är viktigast eller ljudet är kort: inget laddas upp, inget behöver raderas efteråt, och det kostar inget. Avvägningen är hastighet och precision — din CPU bearbetar ungefär en timme ljud på tjugo minuter, och den lokala modellen hoppar över talarattribut och tidsstämplar på ordnivå.
Molntranskribering är rätt verktyg när du arbetar: möten, intervjuer, föreläsningar, juridiska inspelningar. Dedikerade GPU:er omvandlar en timme ljud till text på cirka två minuter med över 95% noggrannhet, märker upp till 30 olika talare, accepterar filer upp till 10 timmar och exporterar till DOCX, PDF och JSON utöver undertextformat.
En praktisk tumregel: om du skulle känna dig bekväm med att läsa inspelningen högt på ett café, vinner molnets hastighet och noggrannhet. Om ljudet är känsligt — en medicinsk konsultation, ett konfidentiellt möte, ett privat röstmeddelande — håller webbläsarverktyget allt på din maskin och ger dig ändå en användbar transkription på några minuter. Många av våra användare kombinerar båda: snabba privata anteckningar i webbläsaren, professionellt arbete i molnet.
Se Premium-planer →Ljudformat som stöds
Ladda upp MP3, WAV, M4A, OGG, OPUS, FLAC eller WEBM — allt som din webbläsare kan avkoda. Vanliga källor fungerar direkt: WhatsApp-röstanteckningar (OPUS), iPhone-röstmemon (M4A), Android-inspelningsfiler, Zoom-inspelningar (M4A/MP4), Telegram-röstmeddelanden (OGG) och poddfiler (MP3). Videobehållare som MP4 och MOV avkodas för sitt ljudspår när webbläsaren stöder codec. Om en fil inte kan laddas är den vanligaste orsaken en ovanlig codec i en vanlig behållare — att konvertera till MP3 löser det nästan alltid.
Behöver du ett annat format först? Använd våra gratisomvandlare: gratis MP3 / WAV / OGG / AAC-ljudomvandlare
Behöver du mer? Prova Premium
För professionellt bruk — högtalaridentifiering, långa filer, AI-analys och alla exportformat.
Högtalaridentifiering
Identifierar automatiskt vem som talar i varje segment. Perfekt för möten, intervjuer och poddar.
Filer upp till 10 timmar
Den lokala modellen stöder upp till 10 min. Premium hanterar filer upp till 10 timmar.
Sammanfattning, sentiment & ämnen
AI analyserar innehållet och genererar sammanfattningar, sentimentanalys och ämnesutdrag.
Fullständiga exportalternativ
Exportera till SRT, VTT, DOCX, JSON och PDF — idealiskt för undertexter, dokument och automatisering.
FAQ
Laddas mitt ljud upp till en server?
Transkriberingen körs 100% lokalt i din webbläsare. Därefter kan du välja att dela ljud och transkription med oss (samtyckeskryssruta) för att förbättra tjänsten — helt frivilligt.
Vilka ljudformat stöds?
MP3, WAV, M4A, OGG, FLAC, WEBM, MP4, MOV och alla format som din webbläsare kan avkoda.
Hur lång får min ljudfil vara?
Upp till 10 minuter per fil i gratisläge. För längre ljud stöder Premium upp till 10 timmar.
Vilka språk stöds?
Whisper-modellen stöder 99 språk, inklusive svenska, engelska, portugisiska, spanska, franska, tyska, japanska, arabiska och många fler. Identifiering är automatisk.
Behöver jag installera något?
Nej. Det fungerar direkt i webbläsaren. AI-modellen (~40MB) laddas ned en gång och lagras i cache.
Sparas transkriptionen någonstans?
Som standard, nej — resultatet stannar i din webbläsare. Om du markerar samtyckesrutan skickas ljud och transkription till våra servrar och raderas efter 7 dagar. Du kan återkalla ditt samtycke när som helst.
Vad är skillnaden mot Premium?
Gratisläget använder VoxScriber Nano (4-bitars kvantiserad, q4) lokalt: 10 min gräns, ~85% noggrannhet, ingen högtalaridentifiering, tidsstämplar bara på segmentnivå (~30s). Premium använder molnmodeller (AssemblyAI + Whisper Large float32): >95% noggrannhet, identifiering upp till 30 talare, tidsstämplar per ord, filer upp till 10h, MP4/MOV/MKV-videostöd och export till DOCX/PDF/JSON. Hastighet: 1h ljud tar ~20min på din lokala CPU vs ~2min på Premiums GPU.
Fungerar det på mobil?
Ja, men prestandan beror på din enhet. På smartphones med lite RAM kan transkriberingen vara långsammare.
Är det verkligen gratis?
Ja. Webbläsartranskriberaren är helt gratis utan provperiod, vattenstämpel eller registrering. Vi tjänar pengar på Premium-molnplanerna, inte på det fria verktyget.
Lämnar mitt ljud min enhet?
Nej — transkriberingen körs lokalt via WebAssembly. Det enda undantaget är om du uttryckligen markerar den valfria samtyckeskryssrutan för att dela en inspelning med oss.
Finns det en filstorleksgräns?
Den praktiska gränsen är längd (10 minuter per fil) och din enhets minne, inte megabyte. En 10-minuters MP3 är vanligtvis 10-20 MB och fungerar bra på de flesta enheter.
Hur lång tid tar transkriberingen?
Med Nano-modellen, förvänta dig ungefär 1-2 gånger ljudets längd på en modern bärbar dator — en 5-minuters fil tar cirka 5-10 minuter. Första körningen lägger till en engångsnedladdning av modellen på ~40 MB.
Kan jag exportera undertexter (SRT)?
Ja — gratis export inkluderar .txt, .srt och .vtt med segmenttidsstämplar. För tidsstämplar på ordnivå och DOCX/PDF/JSON-export, se Premium.
Kan jag transkribera flera filer samtidigt?
Ja — du kan köa upp till 5 filer och de bearbetas en efter en i din webbläsare. Premium tar bort kögränsen och bearbetar filer parallellt i molnet.
Varför tar den första transkriberingen längre tid?
Vid ditt första besök laddas AI-modellen ner och kompileras av din webbläsare. Den cachas sedan, så varje senare transkribering startar omedelbart.
Fungerar det offline?
Delvis — när modellen är cachad behöver transkriberingen ingen anslutning. Du måste fortfarande vara online för att ladda sidan.
Transkriberar den dialekter som napolitanska?
Endast ungefärligt — modellen riktar sig mot standard italienska och kommer att normalisera dialekt.
Kan jag transkribera WhatsApp 'vocali'?
Ja — exportera röstmeddelandefilen och släpp den här.
Hanterar den snabbt tal?
Ja, men mycket snabbt överlappande samtal drar nytta av Mini-modellen.