De flesta fel i tal till text uppstår i ljudet, inte i programmet. Mest vinner du på fyra saker: mikrofonen nära den som pratar, lite bakgrundsljud, en person som pratar åt gången och rätt språkinställning. Prata sedan i hela meningar i jämn takt, säg namn och siffror tydligt och läs igenom texten en gång innan du använder den. En AI-omskrivning kan sedan städa upp skiljetecken och utfyllnadsord, men den kan inte laga ett ord som skrevs ut fel.
| Problem i texten | Troligaste orsak | Det du ändrar |
|---|---|---|
| Ord saknas eller blir fel | Mikrofonen för långt bort, eller buller | Flytta telefonen närmare, gå till ett tystare ställe |
| Hela stycken blir fel | Fel språk inställt, eller två språk blandade | Ställ in det talade språket; ett språk per inspelning |
| Namn och varumärken blir fel | Ovanliga ord som systemet inte väntar sig | Säg dem tydligt, stava dem en gång, rätta efteråt |
| Två röster flyter ihop | Folk pratar i mun på varandra | Turas om; pausa innan du svarar |
| Ingenting alls | Tyst eller mycket svag inspelning | Kolla nivån; testa med ett kort klipp först |
Mikrofonen och rummet
Googles råd för sin molntjänst Cloud Speech-to-Text är tydliga: placera mikrofonen så nära den som pratar som möjligt, särskilt när det finns bakgrundsljud. I praktiken:
- Håll telefonen nära munnen när du dikterar, ungefär som vid ett telefonsamtal, och täck inte mikrofonhålet med fingrarna eller skalet.
- Välj ett tyst rum. Stäng av musik, tv och fläktar. Ett litet rum med mjuka möbler ekar mindre än ett kök eller ett trapphus.
- Undvik vind. Utomhus vänder du ryggen mot vinden eller använder ett headset.
- Skrik inte. Google avråder också från ljud som klipps (överstyrs). Att prata högre än vanligt nära mikrofonen förvränger signalen.
- Spela in ett möte från mitten av bordet, inte från ena kortsidan, så att alla röster når telefonen ungefär lika starkt.
Hur du pratar
- Hela meningar i jämn takt. Du behöver inte prata långsamt, men jämnt tal med korta pauser mellan tankarna blir bättre än korta utbrott.
- Ett språk per inspelning. Att byta språk mitt i en mening förvirrar många system. Blanda inte in engelska uttryck mer än nödvändigt.
- Säg namn och siffror tydligt. Säg ett ovanligt namn långsamt en gång eller stava det: ”Sjöberg, S J Ö B E R G”. Siffror som låter lika på svenska, som ”sjutton” och ”sjuttio” eller ”fjorton” och ”fyrtio”, kan du säga som ”ett sju” eller ”sju noll” när det är viktigt.
- Turas om. När två personer pratar samtidigt blir oftast båda fel.
- Vänta en sekund efter att du tryckt på spela in och innan du stoppar, så att första och sista orden inte klipps av.
Inställningar som spelar roll
- Välj det talade språket där verktyget frågar efter det. Gboards röstinmatning, WhatsApps transkriptioner och telefonens inspelningsapp har var sin språkinställning, och fel inställning förstör resultatet. Tänk på att flera av dem inte stöder svenska fullt ut: WhatsApp på Android saknar svenska, se WhatsApp-transkribering på svenska.
- Lägg till namn och termer om verktyget har en ordlista. Googles dokumentation rekommenderar ord- och frastips för att lägga till namn och termer i ordförrådet.
- Behåll originalfilen. Varje ny inspelning eller komprimering tappar detaljer. Transkribera filen som inspelaren skapade, inte en kopia som spelats upp genom en högtalare. För sin egen tjänst rekommenderar Google förlustfria format (FLAC eller LINEAR16) och en samplingsfrekvens på 16 000 Hz.
- Lägg inte på brusreducering i efterhand. Google avråder från automatisk nivåreglering och brusreducering för sin tjänst och skriver att tjänsten är byggd för att ignorera bakgrundsröster och buller utan extra brusreducering.
Ljud som är svårt att höra
Är inspelningen redan gjord och svår att förstå:
- Transkribera hela filen en gång och se vilka delar som blir fel.
- Lyssna på de delarna i lägre hastighet med hörlurar och skriv dem själv.
- Markera det du inte hör som [ohörbart] i stället för att gissa. Ett gissat ord i ett citat eller ett protokoll är värre än en lucka.
- Förvänta dig inga mirakel av mycket avlägset tal. Hör du själv knappt en röst klarar inte heller ett program den säkert.
Så testar du själv
Hur exakt tal till text är mäts oftast som ordfelfrekvens (word error rate, WER): WER = (S + D + I) / N, där S är antalet utbytta ord, D borttagna ord, I tillagda ord och N antalet ord i en korrekt referenstext. Lägre är bättre.
En hemmaversion tar fem minuter:
- Välj ett stycke på ungefär 100 ord med några namn och siffror.
- Läs upp det i ditt verktyg, i din vanliga miljö.
- Räkna orden som är fel, saknas eller har lagts till, och dela med antalet ord i stycket.
- Ändra en sak (avstånd, rum, språkinställning) och gör om testet.
Resultatet visar vad som hjälper med din röst, din telefon och ditt rum. Det jämför inte verktyg i allmänhet: en publicerad siffra för träffsäkerhet gäller bara för ljudet den mättes på.
Det här rättar en AI-omskrivning, och det här inte
Retexta, en app för tal till text och AI-skrivande för Android som arbetar i molnet, skriver först ut ljudet och kan sedan skriva om texten. Menyerna är på engelska och det finns inget svenskt gränssnitt; appen skriver ut och skriver svenska. Omskrivningen tar pålitligt hand om det som gör råa utskrifter svårlästa:
- skiljetecken, stor bokstav och stycken;
- utfyllnadsord och omstarter (”alltså, eh, jag menar”);
- upprepningar och trasiga meningar.
Vill du bara få utskriften uppstädad beskriver appen målet Clean up a text (under More templates) så här: behåll din text, rätta grammatik, skiljetecken och flyt. Skrivmålen, som Write a message eller Take notes, går längre och strukturerar om det du sa.
Det en omskrivning inte kan göra är att veta att ”Sjöberg” hördes som ”Schöberg”, eller att ”sjutton” skulle ha varit ”sjuttio”. Den kan till och med göra ett felhört ord till en flytande mening som ser rätt ut. Kontrollera därför namn, siffror, datum och belopp mot inspelningen. Retexta märker resultaten med ”AI-generated. Check important details.”
Två detaljer i appen som hjälper: Retexta känner av det talade språket automatiskt (det finns ingen språkväljare), så ett klipp som börjar med en hel mening ger appen mer att gå på än ett enstaka ord. Och är en inspelning tyst eller extremt svag säger appen det i stället för att ge tillbaka text (”Transcription finished, but no text was produced”).
Retexta är gratis att prova: nya användare får några Pro-resultat gratis att se i appen, och efter dem kräver även Transcript only Retexta Pro eller krediter. Omskrivningsmål och Import audio ingår i Retexta Pro, och för att kopiera, dela eller exportera resultat behövs Retexta Pro eller krediter.
Läs vidare
Spelar du in ett röstmemo? Se transkribera ett röstmemo. Dikterar du i stället för att skriva? Läs diktera ett mejl på Android. Två röster i samma inspelning: så transkriberar du en intervju. Filformat: MP3 till text. Mer om appen: Retexta, tal till text för Android.
Källor
Kontrollerat av FLAME Apps den 25 och 26 september 2026.
- Google Cloud, Best practices, Cloud Speech-to-Text (engelska, senast uppdaterad 18 september 2026): mikrofonens placering, klippning, samplingsfrekvens, förlustfria kodekar, ingen nivåreglering eller brusreducering, ord- och frastips. Råden gäller Googles egen tjänst.
- Wikipedia, Word error rate (engelska): definitionen WER = (S + D + I) / N.
- WhatsApps hjälpcenter, How to turn voice message transcripts on or off (visas på engelska): språk på Android.
- Retextas appkod (Android, version 2026.1.23): automatisk språkigenkänning (
RecordScreen.kt,TranscriptionLanguageCatalog.kt), beskrivningen av målet Clean up a text och felmeddelanden (appens texter).
