Transskribering af lange optagelser: del dem rigtigt i stedet for at håbe på det bedste
19. august 2026 · 8 min. læsetid
Forelæsninger på to timer og hele konferencedage bliver transskriberet langt mere pålideligt, når du først skærer dem de rigtige steder. Hvor du skal dele, hvordan du retter tidsstemplerne bagefter, og de kommandoer, der gør arbejdet.
En optagelse på 90 minutter, en konferencedag, et langt fortællende interview: den slags optagelser er helt almindelige, så snart du transskriberer regelmæssigt. At sende én af dem gennem en model i ét stykke ser praktisk ud — indtil en fejl ved minut 80 koster dig hele filen, transskriptionen bliver til en ulæselig tekstmur, eller din kvote er brugt op. At dele først går hurtigere, og en fejl koster dig et par minutter i stedet for to timer.
Hvornår er det egentlig umagen værd at dele?
Ikke alle lange filer skal skæres op. Tre spørgsmål afgør det: Passer filen i tjenestens grænser, har du brug for ensartede talermarkeringer over hele længden, og hvor meget besvær ville en gentagelse være? Hos Sprechverlauf dækker den gratis prøveversion filer op til 10 minutter, en plan tillader op til 4 timer i ét forløb, og lange optagelser deles alligevel internt op i afsnit på 30 minutter. At dele selv giver stadig mening, når du vil gemme afsnit hver for sig eller gentage et enkelt afsnit alene.
| Optagelsens længde | Anbefaling | Begrundelse |
|---|---|---|
| Op til 30 minutter | Lad den være i ét stykke | Passer i én fil og holder talermarkeringerne ensartede hele vejen |
| 30 til 60 minutter | To dele, skåret ved en pause | Én del kan gentages uden at behandle alt igen |
| 1 til 3 timer | Afsnit på 20 til 30 minutter | Passer til dagsordenspunkter, pauser eller emneskift |
| Hele konferencedage | Én fil pr. oplæg eller session | Hvert afsnit får sin egen transskription med et fornuftigt navn |
| Optagelser med lange pauser | Fjern stilheden først | Sparer behandlingstid og undgår tomme stræk |
Den ene regel: skær aldrig midt i en sætning
Talegenkendelse arbejder ud fra konteksten. Skærer du en sætning over på midten, mister begge halvdele den: første del slutter brat, anden del starter uden reference. Det går mest ud over faglige termer og egennavne, netop der hvor modellen støtter sig til de omgivende ord. Skær i stedet i en pause — helst et sted, hvor emnet alligevel skifter.
- Skær mellem dagsordenspunkter, slides eller spørgerunder
- Lad to til tre sekunders overlap stå, så intet ord forsvinder i sømmen
- Fjern hilsenen, lydtjekket og farvelet helt
- Fjern ren musik, klapsalver og opsætningspassager på forhånd
- Navngiv delene i rækkefølge: »forelaesning-01« og »forelaesning-02«, ikke »ny« og »ny-endelig«
Opdeling med ffmpeg: to kommandoer er nok
ffmpeg er gratis, kører overalt og genkoder ikke din lyd, medmindre du beder om det. Denne kommando skærer en fil i afsnit på 25 minutter (1500 sekunder) og lader lyden være urørt:
- ffmpeg -i lecture.m4a -f segment -segment_time 1500 -c copy part_%02d.m4a
- ffmpeg -i lecture.wav -ac 1 -b:a 64k lecture.mp3 (forkorter talesoptagelser markant, før du deler dem)
- ffmpeg -i lecture.m4a -ss 00:12:30 -to 00:41:00 -c copy excerpt.m4a (klipper ét bestemt afsnit ud)
Mono med 64 kbit/s lyder drastisk, men er uproblematisk til tale: modellen har hverken brug for stereobredde eller musikkvalitet i opløsningen. En times snak passer fint i cirka 30 MB. Behold originalen, og arbejd ud fra den mindre kopi — du deler altid kopien, aldrig masterfilen.
Opdeling uden kommandolinjen
Hvis du hellere vil undgå at åbne en terminal, kommer du lige så langt med Audacity: åbn filen, markér et område, og vælg derefter »File → Export → Export Selected Audio«. Bølgeformsvisningen har en reel fordel frem for kommandolinjen: pauser vises som smalle sektioner, så du kan se klippepunktet i stedet for at gætte. På en telefon klarer de indbyggede diktafon-apps den samme opgave, om end mere groft.
Efter opdelingen: tidsstemplerne starter forfra
Hver transskription tæller fra begyndelsen af sin egen fil. Del to af en forelæsning starter derfor igen ved 00:00, selvom den i virkeligheden begynder ved minut 25. Når du samler delene, skal du lægge startforskydningen til hvert tidsstempel, ellers peger alle dine henvisninger forkert. Til SRT- og VTT-filer findes funktionen i de fleste undertekstredigeringsprogrammer under navnet »shift« eller »offset times«.
- Skriv startforskydningen ned for hver del, før du mister overblikket over originalfilen
- Tilføj en underoverskrift pr. del, når du samler tekstudskrifter
- Citér med delnummer og tidspunkt, for eksempel »del 2, 07:41«
- Saml først undertekster, når tiderne er forskudt
Talermarkeringer følger ikke med på tværs af dele
Talergenkendelse analyserer hver fil for sig. »Speaker 1« i del et og »Speaker 1« i del to behøver ikke at være den samme person — ingen af kørslerne kender til den anden. Det er en egenskab ved metoden, ikke en fejl. I praksis: Lyt til de første sekunder af hver del, og erstat de generiske markeringer med rigtige navne, før du samler afsnittene.
Når ensartet tilskrivning af taler betyder mere end noget andet — f.eks. en høring eller en gruppediskussion med seks deltagere — er der god grund til slet ikke at dele. I stedet angiver du antallet af talere eksplicit og accepterer den ekstra behandlingstid.
En brugbar rækkefølge
- Arkivér originalen, og lav en arbejdskopi som mono-MP3
- Gennemgå optagelsen én gang, og markér klippepunkter ved pauserne
- Del i afsnit på 20 til 30 minutter, nummereret i rækkefølge
- Transskribér afsnittene ét ad gangen, og sæt sprog og nøgleord først
- Erstat talermarkeringerne med rigtige navne pr. afsnit
- Forskyd tidsstemplerne med startforskydningen, og saml teksterne
- Kontrollér tal, navne og citater mod lyden