AI kontra manuell transkription: vad studier faktiskt visar
30 juni 2026 · 8 min. lästid
Hastighet, noggrannhet, kostnad — CISPA-studien från 2024 i sitt sammanhang. När verktyg av Whisper-typ räcker och när människor fortfarande vinner.
AI-transkription blir hela tiden snabbare och billigare — men är den tillräckligt bra? Forskare vid CISPA jämförde elva leverantörer (manuella och AI) år 2024. Resultaten stämmer med verkliga erfarenheter: snabbhet ja, perfektion inte alltid.
CISPA-studien i korthet
Jakub Mrowczynskis team jämförde elva tjänster i december 2022 — bland dem Rev, Amberscript, Amazon Transcribe, Google Cloud, Microsoft Azure och OpenAI Whisper. De mätte ordfelsfrekvens (word error rate) och misstag som förvränger betydelsen.
- Manuella tjänster: stark helhet, färre betydelsefel
- AI-tjänster: fler betydelseförskjutningar (t.ex. ”hashes” → ”ashes”)
- Bland AI-leverantörerna presterade Whisper bäst
- De flesta system hanterade engelska bättre än tyska
- Ögonblicksbild från slutet av 2022 — nyare modeller förbättras men mönstren kvarstår
| Kriterium | AI-transkription | Manuell transkription |
|---|---|---|
| Tid per 1 timme ljud | ~5–10 min bearbetning | ~4–6 h arbete |
| Kostnad | cent per minut | ofta 1–3 dollar per minut |
| Noggrannhet (rent ljud) | ~90–96 % | 99 %+ möjligt |
| Noggrannhet (bullrigt rum) | kraftigare försämring | mer robust |
| Talaridentifiering | förbättras, inte alltid stabil | mer tillförlitlig |
Praktisk rekommendation
- Föreläsningar — AI + 10–20 minuters granskning
- Journalistik — AI-utkast, citat dubbelkollade genom att lyssna
- Möten — AI räcker ofta internt
- Juridik/medicin — manuell transkription eller certifierat arbetsflöde
Studierna är överens: AI vinner på hastighet och skala, människor på noggrannhet och sammanhang. Sprechverlauf erbjuder Whisper-talaridentifiering, tidsstämplar och export utan konto — idealiskt när du behöver ett sökbart utkast som du själv kan rätta.