Grænser for AI-transskription: filstørrelse, længde og præcision

AI-transskription kan omsætte timers tale til søgbar tekst, men alle tjenester har grænser. Nogle er hårde tekniske grænser, som en maksimal uploadstørrelse. Andre er praktiske: en fil kan uploades uden problemer og alligevel kræve omhyggelig gennemgang, fordi taleren overlapper, optagelsen er støjende, eller ordforrådet er meget specialiseret. Hvis du kender forskellen, undgår du mislykkede uploads og urealistiske forventninger til præcision.

Hvad er grænserne for AI-transskription?

AI-transskription er begrænset af filstørrelse, optagelsens varighed, behandlingstid, lydkvalitet, sprogunderstøttelse, adskillelse af talere og den mængde menneskelig gennemgang, der kræves. Hos Sprechverlauf er de nuværende hårde grænser 100 MiB pr. uploadet fil, op til fem transskriptionsstarter i timen, 4 timer pr. fil som absolut loft og en kvote, der afhænger af planen — i den gratis prøveversion 10 minutter pr. fil og 3 transskriptioner om måneden; med et dagspas, kredit eller Pro op til 4 timer pr. fil.

Filstørrelsesgrænse: 100 MiB pr. upload

Sprechverlauf accepterer i øjeblikket uploadede filer op til 100 MiB. Det er en binær grænse: en større fil skal komprimeres eller deles, før den uploades. Understøttede formater er bl.a. MP3, WAV, M4A, OGG, FLAC og WebM, men formatet alene afgør ikke størrelsen. Bitrate, antal kanaler, samplingfrekvens og komprimering gør forskellen.

Hvor meget optagelse får plads i 100 MiB?

Der findes ingen enkelt omregning fra megabyte til minutter. En kompakt taleoptagelse i MP3 kan rumme timer, mens en ukomprimeret WAV når samme størrelse meget hurtigere. Skønnene nedenfor forudsætter en konstant bitrate og udelader en lille mængde containermetadata, så rigtige filer kan være en smule kortere.

Til talt materiale kan det ofte nedbringe uploadstørrelsen dramatisk at eksportere en kopi som mono-MP3 eller M4A, uden at du fjerner information, som talemodellen har brug for. Gem den originale optagelse separat, og transskribér den mindre arbejdskopi.

Er der en maksimal optagelseslængde?

Den gratis prøveversion dækker filer op til 10 minutter, 3 transskriptioner og 30 minutters lyd pr. kalendermåned, der nulstilles den første i måneden; et dagspas, kredit eller Pro hæver det til 4 timer pr. fil. Ud over planen er det filstørrelsen og behandlingstiden, der sætter den nyttige grænse. En lang optagelse med lav bitrate kan godt være under 100 MiB, men at dele meget lange sessioner op i logiske afsnit gør uploads lettere, reducerer omkostningen ved at forsøge et mislykket afsnit igen og giver mere håndterbare transskriptioner.

• Behold interviews eller møder som én fil, når de passer fint, og når talerkontinuitet betyder noget
• Del flere timer lange konferencer op efter session, taler eller dagsordenspunkt
• Fjern lange pauser og passager med kun musik, før du eksporterer
• Bevar nogle få sekunders kontekst ved hvert klip i stedet for at dele midt i en sætning
• Brug tydelige filnavne, så transskriptionens afsnit forbliver i rækkefølge

Brugsgrænse: fem transskriptionsstarter i timen

Den gratis tjeneste tillader i øjeblikket op til fem transskriptionsstarter i timen som teknisk beskyttelse mod misbrug. Det er ikke en pulje af betalte minutter, og det bliver heller ikke en mindre kvote for lang lyd. Har du en stor batch, skal du forberede og kontrollere alle filer først og derefter behandle de vigtigste optagelser i rækkefølge i stedet for at bruge starter på dubletter eller ufuldstændige uploads.

Præcision har ingen ærlig, universel procentsats

Et enkelt præcisionstal kan ikke beskrive alle optagelser. Tydelig tale i nærmikrofon på et understøttet sprog er langt lettere end en diskussion i en gruppe på afstand med ekko, afbrydelser og domænespecifikke navne. Selv en transskription, der virker flydende, kan indeholde et forkert tal, et forkert egennavn eller en forkert talertilskrivning, så tilsyneladende læsbarhed er ikke et bevis for faktuel præcision.

• Baggrundsstøj kan skjule konsonanter og ordendelser
• Ekko og klipning fjerner detaljer, som software ikke kan genskabe pålideligt
• Overlappende tale gør både ordlyd og talertilskrivning vanskeligere
• Accenter, kodeskift og sjældne sprog kan øge fejlene
• Navne, forkortelser, produktbetegnelser og tal skal kontrolleres manuelt
• Musik, klapsalver og lange krydssnak kan skabe passager, der ikke kan bruges

Talergenkendelse er nyttig, ikke ufejlbarlig

Talerinddeling besvarer, hvem der talte hvornår; den er adskilt fra genkendelsen af ordene. Tydeligt adskilte stemmer med rene skiftende taleture adskilles som regel godt. Lignende stemmer, enordsafbrydelser, delte mikrofoner og samtidig tale kan flette sig sammen eller bytte rundt på markeringerne. Lyt til begyndelsen, tilknyt de generiske markeringer rigtige navne, og verificér hver tilskrivning, der skal citeres eller publiceres.

Begrænsninger ved sprog og fagligt ordforråd

Flersprogede modeller dækker mange sprog, men ydeevnen er ikke ens på tværs af dem. Hvis du angiver det kendte sprog i optagelsen, undgår du unødvendige fejl i sprogregistreringen. Til kurser, forskningsinterviews og tekniske møder skal du tilføje vigtige navne, forkortelser og fagtermer i feltet »prompt«. Det giver kontekst, men erstatter ikke korrektur.

Begrænsninger ved behandling og privatliv

Sprechverlauf sender optagelsen via OpenRouter til Microsoft Azure (betalte muligheder) eller DeepInfra eller Groq (gratis prøveversion) til AI-behandling, med zero data retention hos udbyderen. Lange optagelser deles op i afsnit på 30 minutter, der kører parallelt, så selv filer på flere timer er klar i løbet af få minutter. Sprechverlauf holder transskriptionen i hukommelsen i højst to timer og gemmer ikke lyd permanent — transskriptioner gemmes kun krypteret i din konto, når du er logget ind — så eksportér resultatet som Word eller PDF, når du vil beholde det.

Hvornår er menneskelig gennemgang stadig nødvendig?

AI-output bør behandles som et hurtigt første udkast, når fejl får konsekvenser. Verificér citater mod optagelsen, kontrollér tal og navne, og brug en kvalificeret menneskelig arbejdsgang til juridisk og medicinsk materiale, materiale om beskyttelse af sårbare personer eller andet materiale med høje indsatser. Det rigtige spørgsmål er ikke kun, om modellen kan transskribere filen, men om den resulterende dokumentation er pålidelig nok til den tilsigtede anvendelse.

Tjekliste før en lang transskription

• Bekræft, at filen er 100 MiB eller mindre
• Konvertér for store WAV-filer til en MP3- eller M4A-kopi i taleværdig kvalitet
• Del flere timer lange optagelser ved naturlige afsnitsgrænser
• Vælg optagelsessproget i stedet for at stole på registrering, når du kender det
• Tilføj navne og specialiserede termer som kontekst
• Angiv det rigtige antal talere til talerinddeling
• Planlæg at verificere citater, tal, navne og følsomme påstande
• Eksportér den færdige transskription, før du forlader resultatsiden