Hvad kræver lokal transskribering af møder på telefonen?

Mødet er slut, notesblokken er fuld af halve sætninger, og nogen spørger allerede, hvem der egentlig gør hvad. Telefonen i lommen kan faktisk lave lyden om til tekst, mens I sidder der — og med lokal transskribering forlader optagelsen aldrig selve enheden. Til gengæld stiller det nogle krav til både hardware, lydforhold og din egen efterbehandling, for et råt maskinreferat er sjældent læsbart i sig selv.

Hvad betyder det, at transskriberingen er lokal?

Tale-til-tekst virker kort fortalt ved, at en model lytter til lyden og beregner, hvilke ord der bliver sagt. Forskellen ligger i, hvor den model kører. Kører den i skyen, bliver lyden sendt til en server, behandlet der og sendt tilbage som tekst. Kører den lokalt — også kaldet on-device — ligger modellen på telefonen, og lyden bliver ikke sendt nogen steder.

• Lokalt: lyd og tekst bliver på telefonen. Det virker også uden netforbindelse, men kvaliteten afhænger af telefonens ydeevne.
• I skyen: ofte kraftigere modeller og bedre tegnsætning, men lyden fra mødet ryger ud af huset.
• Blandet: nogle værktøjer transskriberer lokalt og sender kun den færdige tekst videre for at få den opsummeret. Det er stadig en videresendelse, og teksten kan indeholde alt det, der blev sagt.

Vil du vide, om arbejdet virkelig sker på enheden, er den enkleste prøve at slå flytilstand til og transskribere en kort optagelse. Kommer der tekst ud alligevel, kørte beregningen lokalt.

Det, telefonen skal kunne

Lokal transskribering er tungt arbejde for en telefon. Det er derfor, nogle enheder klarer det næsten i realtid, mens andre skal have god tid bagefter.

• En nyere processor med dedikeret AI-acceleration. Ældre telefoner kan godt være med, men bruger ofte længere tid på beregningen, end selve mødet varede.
• Fri lagerplads til modellen. Filerne fylder en del, og dansk kræver som regel, at du henter en sprogpakke ned på forhånd — gør det, mens du har wi-fi, ikke fem minutter før mødet.
• Strøm. Optagelse plus beregning tømmer batteriet hurtigere end almindelig brug, så hav et kabel eller en powerbank i nærheden.
• Luft omkring telefonen. Bliver den varm, skruer den ned for ydeevnen. Læg den frit på bordet i stedet for under papirer eller i et tæt etui.
• Nok plads til lydfilen. Lange optagelser i høj kvalitet fylder mere, end de fleste regner med.

Lyden er den halve løsning

Ingen model kan gætte ord, den ikke kan høre. Den største forbedring får du sjældent ved at skifte værktøj, men ved at bruge fem minutter på forberedelse, før I begynder.

• Læg telefonen midt på bordet med mikrofonen fri — ikke i en lomme, en taske eller under en mappe.
• Sluk for det, der brummer: ventilation, projektor, kaffemaskine. Konstant baggrundsstøj er værre end enkelte lyde.
• Hårde vægge, glas og store borde giver rumklang, og rumklang giver sjusket tekst. Et lokale med gardiner eller tæppe lyder markant renere.
• Bed deltagerne sige deres navn, første gang de tager ordet. Det gør det langt lettere at fordele replikkerne bagefter.
• Én ad gangen. Når to taler oven i hinanden, bliver begge dele typisk gengivet forkert.
• Er I mange, hjælper en lille klipsmikrofon eller en konferencemikrofon ofte mere, end nogen software kan.

Kort forklaret

• Tale-til-tekst: software, der laver lyd om til skrift.
• On-device eller lokalt: beregningen foregår på telefonen, ikke på en server hos en udbyder.
• Diarisering: modellens forsøg på at skille talerne fra hinanden. Den kan typisk høre, at der skiftes taler, men ved ikke, hvem der er hvem, før du selv skriver navnene på.
• Sprogmodel: den fil, der indeholder selve sproggehøret. Større filer giver ofte bedre tekst, men kræver mere af telefonen.

Fra tekstmur til læsbart referat

Det, du får ud af en transskribering, er ikke et referat. Det er talesprog skrevet ned, med gentagelser, afbrydelser, tøvelyde og sætninger, der aldrig bliver færdige. Arbejdet med at gøre det læsbart er stadig dit — men det går hurtigere end at skrive referatet fra nul.

• Læs teksten igennem samme dag, mens du stadig husker, hvad der blev ment.
• Ret navne, forkortelser og fagudtryk først. Det er dem, modellen oftest rammer skævt.
• Skær talesproget væk. Det meste af en samtale er luft, som ingen har brug for på skrift.
• Del indholdet i tre bunker: beslutninger, opgaver med ejer og frist, og åbne spørgsmål.
• Sæt et kort resumé øverst — gerne fem linjer, som en travl kollega kan nøjes med at læse.
• Behold tidsstempler ved de vigtigste punkter, så I kan gå tilbage til lyden, hvis der senere opstår tvivl.
• Aftal, hvor længe råoptagelsen skal ligge, og slet den, når fristen er nået.

Pro-tip: Start optagelsen med at sige dato, mødets formål og deltagernes navne højt og tydeligt. Så får transskriptionen sin egen forside, og du slipper for bagefter at gætte, hvilken fil der hører til hvilket møde.

Aftal spillereglerne, før du trykker på optag

En mødeoptagelse indeholder personoplysninger, også når den kun ligger på din egen telefon. Sig derfor højt, at du optager, hvad optagelsen skal bruges til, og hvor længe den bliver gemt — og giv plads til, at nogen kan sige nej. Handler mødet om kunder, borgere, patienter eller ansættelsesforhold, bør du tjekke med din arbejdsplads, hvad der må optages og opbevares; mange steder findes der klare retningslinjer, og nogle typer oplysninger må slet ikke ligge på en privat enhed.

At behandlingen sker lokalt, er et godt udgangspunkt for privatlivet, men det fritager dig ikke for at passe på filerne bagefter. Datatilsynet vejleder om behandling af personoplysninger, og har du mere generelle spørgsmål om sikkerhed på enheder og i netværk, er Center for Cybersikkerhed det rette sted at søge information. Er du i tvivl, om en bestemt optagelse er i orden, så spørg din leder eller organisationens databeskyttelsesansvarlige, inden du begynder.

Faldgruber, der koster tid

• Blind tillid til teksten. Tal, datoer, beløb og navne skal altid læses efter manuelt.
• Telefonen går i dvale, eller der kommer et opkald midt i mødet. Slå »Forstyr ikke« til, inden I begynder.
• Et værktøj, der lover fortrolighed, men alligevel sender lyd eller tekst videre. Læs, hvad der står om databehandling, og lav flytilstandsprøven.
• Referatet bliver længere end mødet. Et referat, ingen orker at læse, er spildt arbejde.
• Ingen ved, hvor filen ligger. Beslut fra starten, hvor transskriptionen skal gemmes og deles, så den ikke bare bliver liggende på en telefon.

Kort opsummering

Lokal transskribering betyder, at lyden bliver til tekst på selve telefonen, uden at optagelsen sendes til en server. Det kræver en rimelig ny enhed, plads til en dansk sprogmodel, strøm og lidt luft omkring telefonen — men den største forskel ligger i lyden: placering midt på bordet, mindre baggrundsstøj og folk, der taler én ad gangen. Resultatet er en rå tekst, ikke et referat, så regn med en halv times oprydning, hvor du retter navne, skærer talesproget væk og deler indholdet op i beslutninger, opgaver og åbne spørgsmål. Og sig altid højt, at du optager, aftal, hvor længe filen må ligge, og slet den derefter. Så har du et referat, der både er til at læse og til at stå inde for.