Tale til tekst offline: de bedste apps til Mac, iPhone og Windows (2026)

Det korte svar: den bedste tale til tekst offline på hver platform

Hvis du bare vil have svaret: På Mac og iPhone kan du bruge Whisper Notes – fem lokale AI-motorer på Mac og tre på iPhone (fire på iOS 26), og engangspris. På iPhone koster den $7.99 én gang (det samme køb i App Store låser også Mac App Store-versionen op). På Mac er 5.000 ord om ugen gratis, derefter koster den $14 én gang. På Windows kan du bruge Buzz eller faster-whisper (gratis, open source). På Android er der stadig ikke mange muligheder – se afsnittet om platforme nedenfor. Alle værktøjer i tabellen kører 100 % offline:

Resten af guiden forklarer, hvorfor lokal transskription vinder på ventetid, pris og privatliv – med rigtige måletal – og viser trin for trin, hvordan du transskriberer lyd til tekst offline.

Problemet med ventetid

Sådan virker transskription i skyen: Du taler, lyden uploades til en server, API'et behandler den, og resultatet sendes tilbage.

Med lokal transskription forsvinder al den ventetid. Lyden forlader aldrig din enhed, behandlingen sker på chippen, og resultatet kommer med det samme. Ingen upload, ingen venten, ingen roterende „behandler“-indikator.

Nyere iPhones og Mac med Apple-chip har en Neural Engine, der er bygget til maskinlæring på enheden. Lokal transskription bruger hardware, du allerede ejer, i stedet for at vente på en upload og et svar fra en server.

I 2019 gav transskription i skyen mening. Din telefon kunne ikke køre et neuralt netværk med en milliard parametre. Den begrænsning er væk. På en Mac kører Parakeet med ca. 74× realtid, så en times lyd er transskriberet på under et minut – uden at noget bliver uploadet.

Transskription i skyen giver stadig mening, når flere arbejder sammen live, eller når arbejdsgangen er samlet ét sted. Til en privat optagelse, som kun du skal bruge, er uploaden ofte unødvendig.

Du har allerede betalt for chippen

Neural Engine i en Mac med M-chip eller en nyere iPhone står ubrugt det meste af dagen, og den kan køre disse modeller.

Du betalte for chippen, da du købte maskinen. Et abonnement, der transskriberer din lyd på andres servere, betyder, at du betaler en gang til for regnekraft, du allerede har.

Den handel gav mening, så længe lokal behandling reelt var umulig. I dag er den sværere at forsvare.

Over tre år koster et abonnement til $10 om måneden $360. Whisper Notes koster $7.99 én gang på iPhone og $14 én gang på Mac. Det, abonnementet reelt giver dig, er live-undertekster og fælles redigering. Har du ikke brug for nogen af delene, betaler du for regnekraft, du selv ejer.

Vi tager ikke abonnement, fordi vi ikke driver servere. Din lyd kommer aldrig i nærheden af vores infrastruktur. Der er ikke noget at opkræve hver måned for.

Datalæk er et spørgsmål om arkitektur

Når du bruger en transskriptionstjeneste i skyen, ligger din lyd på andres servere. Enhver server, der gemmer lyd, kan lække den – gennem et angreb, en fejlkonfiguration eller en medarbejder med adgang. Og tjenester lækker.

Stemmedata har en særlig risiko. I modsætning til en adgangskode kan du ikke nulstille din stemme. Dit stemmemønster er et permanent biometrisk kendetegn. Er det først lækket, er det kompromitteret for altid. Angribere kan bruge stemmeaftryk til at omgå godkendelse, til identitetssvindel eller til at lave deepfakes.

Den eneste måde at fjerne risikoen på er at fjerne uploaden. Lyd, der aldrig er blevet sendt, kan ikke dukke op i et datalæk på en server, og det er hele argumentet.

Tænk på, hvem der optager følsom lyd:

• Advokater, der optager klientmøder
• Terapeuter, der dokumenterer sessioner med klienter
• Journalister, der beskytter deres kilder
• Ledere, der optager strategiske drøftelser
• Læger, der noterer patienters sygehistorie

Disse faggrupper skal kunne svare på, hvor lyden er gemt. Lokal transskription er ikke en præference. Det er et krav.

Nøjagtighed og kompromiser

Det gør lokal Whisper bedst: Ordret transskription. Har du brug for en præcis gengivelse af, hvad der blev sagt – hvert ord, hver pause og hvert „øh“ – er lokale Whisper-modeller rigtig gode. Ordfejlraten (WER) ligger på ca. 5–8 % på ren engelsk lyd (Open ASR Leaderboard); støj og accenter trækker den op. Transskriptionen gengiver trofast, hvad der blev sagt.

Det tilføjer en sprogmodel: Resuméer og udtræk. En lokal model som Gemma, som Whisper Notes kører i Mac-appen fra vores hjemmeside, kan lave en transskription om til et resumé og en liste med handlingspunkter. Større modeller i skyen ræsonnerer stadig bedre over lange, rodede transskriptioner, så til „hvilke beslutninger blev der truffet?“ i et møde på to timer er de det stærkeste værktøj.

Kompromiset er reelt. Hvis din arbejdsgang er „transskriber → opsummér med Claude/GPT“, får du det bedste fra begge: en præcis lokal transskription og et intelligent resumé fra skyen. Din rå lyd forbliver privat. Kun den tekst, du selv vælger at dele, forlader din enhed.

Lokal AI løser ikke alle dele af arbejdsgangen. Talemodeller er gode til transskription; sprogmodeller er bedre til at opsummere og ræsonnere over resultatet. Behold lyden lokalt, og vælg derefter en lokal sprogmodel eller en i skyen ud fra, hvor følsom teksten er.

Reelle hastighedstal

Valget af model betyder mere for resultatet, end ordet „lokal“ antyder. Whisper Notes kører alle tre på Mac og iPhone, og du vælger motoren i Indstillinger. Parakeet er den hurtige standardmodel til engelsk og europæiske sprog, SenseVoice er den hurtige mulighed til kinesisk, japansk, koreansk og kantonesisk, og Whisper Large-v3 Turbo (Mac) / Whisper Small (iPhone) dækker flest sprog, over 100.

Metode: Whisper Notes på en Apple M4 Pro med 32 GB RAM, målt som tiden fra transskriptionen startes, til den endelige tekst er klar. Parakeet blev testet med en optagelse på 35 minutter; SenseVoice og Whisper med den samme kinesiske podcast på 27 minutter. Det er produkttests, ikke sammenligninger med tjenester i skyen. Podcasttesten på 27 minutter blev kørt på en tidligere version af appen; SenseVoices modelkort viser i dag 115–131× realtid, altså omtrent det samme.

Appens nuværende side i App Store oplyser også ca. 18 sekunder for 5 minutters lyd med Parakeet på en iPhone 15 mod ca. et minut med Whisper. Ældre enheder er langsommere. I alle tilfælde virker det også i flytilstand, fordi der ikke er noget uploadtrin.

Sådan transskriberer du lyd til tekst offline (trin for trin)

På Mac:

1. Download Whisper Notes til Mac (gratis for 5.000 ord om ugen, ingen konto).
2. Vælg en model i Indstillinger: Parakeet til hurtig transskription af engelsk, SenseVoice til hurtig transskription af kinesisk, japansk, koreansk eller kantonesisk (på Mac laver Qwen3-ASR 1.7B færre fejl på de sprog), Whisper Large V3 Turbo til over 100 sprog. Parakeet er indbygget; alle andre modeller downloades én gang og virker derefter offline.
3. Optag direkte, eller træk en lyd- eller videofil ind (MP3, WAV, M4A, MP4).
4. Slå mødedetektion til, hvis du holder onlinemøder. Zoom, Teams og Google Meet bliver genkendt automatisk; systemlyden og din mikrofon optages sammen, og transskriptionen bliver på din Mac.
5. Teksten dukker op, mens lyden behandles. Eksportér som TXT, SRT eller VTT, eller kopier den og sæt den ind, hvor du vil. En importeret video åbnes i et arbejdsområde til undertekster, hvor du kan se og rette underteksterne, før du eksporterer dem.

På iPhone: Installer Whisper Notes fra App Store, optag eller importér fra Diktafon og Filer, og transskriptionen kører på chippen i A-serien. Slå flytilstand til først, hvis du vil se med egne øjne, at intet bliver uploadet. Vil du automatisere det, kan du bruge handlingen til at transskribere lyd i appen Genveje: Den tager en lydfil og returnerer teksten.

Sådan har vi bygget den

Whisper Notes er vores bud på at føre de principper ud i livet. Her er nogle af de konkrete valg:

Widgets på den låste skærm

De bedste tanker kommer på upraktiske tidspunkter. Derfor har vi lavet widgets på den låste skærm: Et tryk åbner appen og starter en offline optagelse uden at tjekke forbindelsen. Lokal behandling betyder, at appen altid er klar med det samme.

Modeller tilpasset hardwaren

En Mac har rigeligt med strøm og god køling. En iPhone sidder i lommen. Begge kører de samme tre modelfamilier plus Apple Speech på iOS 26 og macOS 26 – den indbyggede Parakeet-model (standard; Parakeet Ultra fra Moondream, videretrænet fra NVIDIA Parakeet V3), Whisper Large-v3 Turbo (809 mio. parametre, Mac) / Whisper Small (iPhone) og SenseVoice – hver især tilpasset sin hardware. Samme privatliv, passende ressourceforbrug.

Dine data, dine filer

Transskriptioner er filer på din enhed. På Mac gemmes hver transskription som en Markdown-fil (.md) ved siden af lyden, med YAML front matter (dato, kilde, varighed), i en mappe, du selv vælger. Vælger du en Obsidian-vault, bliver hver optagelse til en note. Ingen lukket database, ingen binding til en leverandør. Forsvinder Whisper Notes i morgen, har du stadig adgang til dine optagelser. Du kan eksportere det hele på én gang, fordi det er dine filer.

Tilpasset ordforråd

Fagudtryk, usædvanlige navne og termer fra dit eget felt er netop de ord, der mest har brug for en præcis transskription – og ofte dem, du mindst har lyst til at uploade. Med en startprompt kan du give modellen kontekst lokalt. Modellen tilpasser sig, uden at dine fagudtryk bliver til træningsdata.

På iPhone skriver du navne og udtryk i feltet til startprompt. De styrer modellen uden at forlade enheden.

Når skyen er bedre

Vi påstår ikke, at lokal transskription altid er bedre. Skyen har reelle fordele:

Samarbejde i realtid. Når fem personer redigerer den samme transskription under et møde, kræver det koordinering på en server. Lokale værktøjer er i sagens natur til én bruger.

Talergenkendelse i stor skala. Taleretiketter på enheden er nu en realitet – Whisper Notes markerer „hvem sagde hvad“ helt på enheden på iPhone og Mac. Talergenkendelse i skyen har stadig en fordel ved meget store grupper og meget overlappende tale. Til interviews mellem to personer og små møder er etiketterne på enheden præcise nok til at bruge (99,1 % af sætningerne rigtigt i vores test med to talere).

Automatisering af arbejdsgange. Tjenester i skyen kobler sig på CRM-systemer, trækker handlingspunkter ud og sender resuméer til Slack. Lokale værktøjer laver tekstfiler, og hvad der sker bagefter, bestemmer du selv.

Ældre hardware. iPhones fra før A14 og Mac med Intel-processor kan ikke køre lokal behandling i praksis. Her er skyen stadig den eneste mulighed.

Hvis dit vigtigste behov er samarbejde under live-møder, er værktøjer i skyen nok bedre. Transskriberer du mest dine egne optagelser, og betyder privatliv noget for dig, passer lokal behandling bedre.

Udviklingen

Hver ny chipgeneration giver en hurtigere Neural Engine. Hver ny modelversion bliver mere effektiv. Afstanden mellem lokal og sky bliver mindre, mens fordelene ved privatliv og kort ventetid er de samme.

Transskription i skyen gav mening, da telefoner ikke kunne køre modellerne. Siden omkring 2022 har de kunnet.

Lokal transskription fungerer på Apple-hardware i dag. De sidste grunde til at betale for et abonnement er live-undertekster og fælles redigering, og står ingen af dem på din liste, er der ikke en tredje.

Tekniske detaljer

Tale til tekst offline på Windows og Android

Whisper Notes er bygget til Apple-chips, så den kører kun på Mac og iPhone. På andre platforme er mulighederne i dag:

Windows: Da Whisper Notes kun findes til Mac og iPhone, er de bedste gratis muligheder Buzz (en enkel brugerflade til Whisper) og faster-whisper (kommandolinje, flere gange hurtigere end referenceimplementeringen på samme hardware). Begge kører helt offline, når modellen er downloadet. Regn med mere opsætning end i en native app – Python-miljøer, modelfiler og GPU-drivere, hvis det skal gå hurtigt.

Android: whisper.cpp findes i Android-versioner og i nogle få apps, der bygger på den, men kvalitet og vedligeholdelse svinger. Der findes endnu ingen gennemarbejdet, udbredt app til offline transskription på Android – se status for Whisper Notes til Android.

Mange, der søger efter „Whisper Notes Windows“, vil have det samme på en pc: offline og med engangskøb. Vi laver ikke en, og det siger vi hellere direkte end at lade spørgsmålet stå åbent (hele forklaringen står på siden om Whisper Notes til Windows). Det er Apples Neural Engine, der gør lokal transskription med 100× realtid mulig i dag.

Taleoversættelse offline: hvad kan lokal AI, og hvad kan den ikke?

Et beslægtet spørgsmål dukker ofte op: Kan lokal AI oversætte tale og ikke kun transskribere den? Delvist. Den oprindelige Whisper Large V3-model blev trænet til to opgaver: transskription og oversættelse fra et hvilket som helst sprog til engelsk. Kører den lokalt, kan den tage fransk, japansk eller arabisk lyd og skrive engelsk tekst, helt offline. To forbehold: Den oversætter kun til engelsk (ikke den anden vej), og det gælder kun den fulde Large V3-model. Den hurtigere Large-v3 Turbo har ikke oversættelse med og er specialiseret i transskription.

Taleoversættelse offline er stadig på et tidligt stadie. Der findes ingen udbredt forbrugerapp, der kan matche skyens tale-til-tale-oversættelse i realtid og samtidig køre helt offline. I praksis er arbejdsgangen i dag to trin: Transskriber lokalt, og oversæt derefter teksten med et værktøj, du stoler på. Den rå lyd behøver aldrig at forlade din enhed.

Ofte stillede spørgsmål

Download til iOS Download gratis til Mac