Hvad kan AI-transskribering, når hænderne er optaget?

Du står midt på gulvet med en tommestok i den ene hånd og en blyant, du ikke kan finde, i den anden. Fingrene er fulde af jord, maling eller savsmuld, og telefonen ligger på en skammel to meter væk. Netop dér er AI-transskribering blevet overraskende brugbar: du siger målet højt, telefonen skriver det ned, og du kan arbejde videre uden at tørre hænderne af først.

Teknikken er ikke ny, men den er blevet markant bedre de senere år — også på dansk. Til gengæld er den stadig langt fra fejlfri, og den fejler på en måde, der er værd at kende, hvis du bruger den til noget, hvor et tal skal passe. Her er en gennemgang af, hvad der foregår under motorhjelmen, hvor det typisk går galt, og hvordan du taler, så resultatet rent faktisk kan bruges.

Fra lyd til bogstaver: hvad maskinen faktisk laver

Din stemme bliver først optaget som lyd. Derefter sendes lyden gennem en model, der er trænet på enorme mængder tale, og som gætter sig frem til, hvilke ord der mest sandsynligt blev sagt. Det er vigtigt at forstå, at der er tale om et kvalificeret gæt, ikke en aflæsning. Modellen bruger sammenhængen i sætningen til at vælge mellem ord, der lyder ens — og derfor bliver den god til almindelig snak og mere usikker på løsrevne tal og fagudtryk.

Groft sagt findes der to måder at gøre det på:

• På enheden: Telefonen eller computeren laver omskrivningen selv. Det virker uden netforbindelse, lyden forlader ikke enheden, og svaret kommer med det samme. Til gengæld er modellerne ofte mindre og lidt mindre præcise.
• I skyen: Lyden sendes til en server, der har langt større modeller til rådighed. Resultatet er typisk mere præcist, især på dansk, men det kræver forbindelse — og din stemme forlader enheden.

Kort forklaret

• Diktering: Du taler, og teksten skrives, mens du snakker — det, du kender fra mikrofonikonet på tastaturet.
• Transskribering: En optagelse omskrives til tekst bagefter, typisk af en kraftigere model.
• Efterbehandling: Et ekstra trin, hvor teksten ryddes op — tegnsætning, afsnit eller et kort resumé af det sagte.

Tal og mål er den svære del

Når du dikterer en indkøbsseddel, er en enkelt fejl til at leve med. Når du dikterer et mål, du senere skal save efter, er den ikke. Problemet er, at tal mangler den sproglige sammenhæng, som modellen ellers bruger til at rette sig selv. Sætningen giver ingen hjælp — et hvilket som helst tal kunne teoretisk stå der.

Det er især disse ting, der går galt:

• Komma og punktum: “en komma fem” kan ende som 1,5, som 15 eller som 1.5, afhængigt af værktøjets sprogindstilling.
• Enheder, der forsvinder: Millimeter, centimeter og tommer skrives ikke altid ud, og så står du med et tal uden målestok.
• Lydligt ens tal: Halvfjerds og halvfems, fjorten og fyrre kan blandes sammen, hvis udtalen er hurtig, eller lyden er dårlig.
• Dine egne forkortelser: Faglige udtryk, varenumre og hjemmestrikkede navne på rum eller emner bliver gættet til noget, der lyder nogenlunde ens.
• Manglende tegnsætning: Uden punktummer smelter tre mål sammen til én lang, ulæselig remse.

Pro-tip: Sig altid målet to gange på to forskellige måder: først som tal med enhed, dernæst i ord. “Bredden er treoghalvfjerds komma fem centimeter — altså treoghalvfjerds og en halv centimeter.” Så har du en indbygget kontrol, og du kan med det samme se, om de to versioner stemmer overens.

Tal, så maskinen kan følge med

Du behøver ikke at tale robotagtigt, men nogle vaner hjælper mærkbart:

• Lav en kort pause før og efter tal, så de ikke smelter sammen med ordene omkring.
• Sig tegnsætningen højt, hvis værktøjet understøtter det — “punktum”, “ny linje”. Det er den billigste måde at få struktur i noten på.
• Start hver note med, hvad den handler om: “Badeværelse, vindueskarm, mål nummer et.” Det gør noten søgbar bagefter.
• Hold en jævn afstand til mikrofonen. Svinger du med armen, svinger lydstyrken også, og det koster præcision.
• Undgå at afslutte sætninger med et mumlende “øh, ja” — det ender ofte midt i teksten.

Støj, akustik og dialekt

Talegenkendelse er følsom over for alt det, der gør et værksted eller en have til et værksted eller en have. Kørende maskiner, blæst, rindende vand og lyden i et tomt rum med hårde flader trækker alle sammen præcisionen ned. Mange systemer har støjreduktion indbygget, men den fjerner ikke lyd, der overdøver stemmen — den forsøger blot at gætte bedre.

• Slå maskinen fra i de få sekunder, du taler. Det er hurtigere end at rette teksten bagefter.
• Et headset eller et par ørepropper med mikrofonen tæt på munden gør typisk mere godt end nogen softwareindstilling.
• I blæst hjælper det at vende sig væk fra vinden og holde mikrofonen i læ af kroppen.
• Taler du med markant dialekt eller accent, er præcisionen ofte lavere. Det er ikke din fejl — modellerne er trænet skævt, og det er værd at afprøve et par forskellige værktøjer, hvis resultatet er dårligt.

Hvor havner din stemme?

En stemmeoptagelse er en personoplysning, og indholdet kan sagtens være følsomt — adresser, arbejdsforhold, private forhold i hjemmet. Brug et øjeblik på at finde ud af, om værktøjet behandler lyden på selve enheden eller sender den til en server, hvor længe optagelserne gemmes, og om de eventuelt bruges til at træne modeller videre. Det står i vilkårene og i privatlivspolitikken, og seriøse udbydere gør det nemt at finde. Er du i tvivl om reglerne for behandling af personoplysninger, har Datatilsynet vejledninger på området, og generelle råd om sikker brug af digitale tjenester findes hos Center for Cybersikkerhed. Skal du diktere noget, du ikke ville sende i en e-mail, så vælg en løsning, der kører lokalt.

Gør noten brugbar, når du kommer indenfor

En dikteret note er råmateriale. Den bliver først værdifuld, når du har brugt to minutter på at rydde op i den — og det bør helst ske samme dag, mens du stadig kan huske, hvad du mente.

• Læs tallene igennem først, og hold dem op mod virkeligheden, hvis noget ser mærkeligt ud.
• Giv noten et navn, du selv ville søge efter om en måned.
• Mange værktøjer kan lave et kort resumé eller en punktliste ud af den lange tekst. Det er praktisk, men kontrollér tallene i resuméet — et sammendrag kan både udelade og forvanske dem.
• Overvej at gemme selve lydoptagelsen, indtil opgaven er løst. Så kan du lytte til den igen, hvis teksten ser tvivlsom ud.

Hvad du bør kigge efter i et dikteringsværktøj

• Reel understøttelse af dansk — ikke bare et flag i en menu, men et resultat, du kan afprøve på dine egne sætninger.
• Mulighed for at arbejde uden netforbindelse, hvis du ofte er i kælderen, i skuret eller langt fra en router.
• En tydelig beskrivelse af, hvor lyden behandles, og hvor længe den gemmes.
• Nem eksport, så teksten kan flyttes derhen, hvor du i forvejen holder styr på dine opgaver.
• En enkel måde at starte optagelsen på: en enkelt berøring eller en knap på et headset — jo færre tryk, jo større chance for, at du faktisk bruger det.
• Er der tale om en betalt løsning, så undersøg prismodellen, inden du binder dig: Hvad koster det pr. måned eller pr. times lyd, og hvad sker der med dine data, hvis du opsiger aftalen?

Kort opsummering

AI-transskribering er blevet god nok til at fungere som notesblok, når hænderne er snavsede. Teknikken gætter sig frem ud fra sammenhængen, og derfor er den stærkest på almindelig tale og svagest på løsrevne tal, enheder og fagudtryk. Tal tydeligt, gentag dine mål i to formuleringer, dæmp støjen i de sekunder, du taler, og vær bevidst om, om lyden bliver på enheden eller sendes videre. Ryd op i noten samme dag, og tjek tallene, inden du saver. Så er stemmen et rigtig godt arbejdsredskab — bare ikke et, du skal stole blindt på.