Whisper Notes viser, hvem der sagde hvad i enhver optagelse, for op til 8 talere og helt på din iPhone eller Mac. Åbn en note, og vælg Registrér talere i ⋯-menuen på iPhone, eller klik på Registrér talere på Mac. Omdøber du en taler én gang, opdateres alle afsnit. Kopieret tekst og eksporterede TXT- og VTT-filer beholder navnene. Intet bliver uploadet.
Hvad den gør
Den virker på enhver note: en optagelse, en importeret lyd- eller videofil eller en mødeoptagelse. Når registreringen er færdig, har hvert afsnit en taleretiket og et tidsstempel.
Taleretiketter på Mac og iPhone. Tryk på en sætning for at hoppe til det sted i lyden.
Etiketterne hedder først Taler 1 og Taler 2. Omdøber du en af dem, opdateres hele transskriptionen. Trykker du på en sætning, springer afspilningen til præcis det øjeblik. Så er det let at tjekke et citat mod den oprindelige stemme.
Ved mødeoptagelser kører talergenkendelsen automatisk, når opkaldet slutter (det kan slås fra i Indstillinger). Etiketterne følger med, når du eksporterer: Kopiér transskription med talere tager dem med til udklipsholderen, og eksporterede VTT-undertekstfiler indeholder dem også.
Talergenkendelsen lytter til stemmer, ikke til ord. Derfor virker den på alle de sprog, appen transskriberer. Vi har målt den på engelsk, kinesisk, nederlandsk og finsk.
Hvor præcis er talergenkendelsen?
Vi testede talergenkendelsen på 122 offentlige optagelser på engelsk og kinesisk: møder, udsendelser og investoropkald om kvartalsregnskaber. Den fandt det rigtige antal talere i fire ud af fem optagelser. To personer blander den sjældent sammen: omkring 1 % af talen blev givet til den forkerte person. Sammenlignet med den model, Whisper Notes brugte før, laver den over en tredjedel færre fejl.
| Tidligere model | Nu | |
|---|---|---|
| Rigtigt antal talere | 52 % af optagelserne | 80 % af optagelserne |
| Tale givet til den forkerte person | 4,5 % | 1,0 % |
| Fejlrate for talergenkendelse (lavere er bedre) | 16,0 % | 9,9 % |
| 1 times lyd på en Mac (M5) | ca. 22 s | ca. 8,5 s |
Grøn markerer den bedste værdi, når forskellen er større end den statistiske usikkerhed. Fejlrate for talergenkendelse: den andel af taletiden, der har fået en forkert etiket (overset, opdigtet eller givet til den forkerte person). 122 offentlige optagelser, ikke vores brugeres optagelser.
På en Mac med M5-chip tager talergenkendelse af en times optagelse ca. 8,5 sekunder. Den fulde sammenligning af de to modeller efter sprog, type optagelse og antal talere, med hastighed og hukommelse på iPhone og Mac, finder du i Nemotron 3 vs. pyannote: fejlrate for talergenkendelse 16,0 % → 9,9 %. En tidligere udgave af denne side viste test af den tidligere model, pyannote community-1, på to af vores egne optagelser. Den sammenligning ligger nu også der.
Sådan virker den
Talergenkendelse består af to trin. Først lytter NVIDIAs talermodel Nemotron 3 til lyden og finder ud af, hvem der talte hvornår, for op til 8 talere. Derefter lægger Whisper Notes taleturene ind over transskriptionen sætning for sætning. Så bliver en sætning hos den person, der sagde den, i stedet for at blive delt i to.
Lyd → hvem talte hvornår → sætninger knyttet til talere → etiketter
Hvert trin kører på enheden.
Modellen downloades én gang, ca. 90 MB, første gang du registrerer talere. En stemme er en personoplysning, og den forlader aldrig din iPhone eller Mac: Analysen kører på enheden, og intet om stemmerne bliver sendt nogen steder hen.
Hvordan retter du en forkert etiket?
• Omdøb en taler: tryk eller klik på talerens etiket i talervisningen. Det nye navn erstatter det gamle overalt i noten.
• Flyt et afsnit til en anden: på iPhone trykker du på talerens navn ved afsnittet og vælger en anden taler; på Mac bruger du Flyt blok til taler på afsnittet.
• Slå to talere sammen: omdøb den ene til den andens navn.
• Ét afsnit, to personer (iPhone): tryk to gange på afsnittet, markér de sætninger, der hører til en anden, og vælg Flyt sætning til taler.
• Skiftet mening (iPhone): hver flytning eller sammenlægning kan fortrydes; tryk på Fortryd lige bagefter.
• For mange eller for få talere: kør registreringen igen med det præcise antal (se nedenfor).
Når du omdøber en taler, opdateres alle afsnit i noten.
Angiv antallet af talere
Registreringen tæller selv talerne. Ved du, hvor mange personer der er med i optagelsen, så angiv det: Vælg Kør talerregistrering igen, og vælg antallet. I vores test på 108 optagelser med to eller flere talere rettede et angivet antal optællingen i 15 optagelser og gjorde den ikke værre i nogen.
Talerregistrering køres igen med et præcist antal. Fra samme menu eksporterer du SRT og VTT med taleretiketter.
Tips til de bedste resultater
• Stemmer, der ligner hinanden: angiv antallet af talere. To ens stemmer, der skiftes med korte replikker, er det sværeste for enhver talermodel.
• Kun én person taler: spring talergenkendelsen over. Den deler af og til én stemme op i to talere, oftest i optagelser, der er sat sammen af separate klip.
• Flere end 8 talere: se etiketterne som et første udkast, og omdøb eller flyt afsnit, hvor det er nødvendigt.
• Korte svar: et „ja“ på under et sekund midt i en andens sætning bliver i den sætnings afsnit.
Begrænsninger
• Etiketterne kommer, når optagelsen er slut, ikke under et opkald. Har du brug for liveundertekster med talernavne, mens mødet stadig kører, er en skytjeneste som Otter eller Notta det rigtige værktøj.
• Højst 8 talere. Med flere personer deler nogle stemmer etiket, og resultaterne er mindre pålidelige.
• Når folk taler samtidig, får hver sætning kun én etiket.
• Stemmer, der ligner hinanden, er stadig svære, også med et angivet antal talere.
Ofte stillede spørgsmål
Kan Whisper Notes genkende talere på iPhone?
Ja. Whisper Notes markerer talere på iPhone og Mac, helt på enheden. På iPhone åbner du en note og vælger Registrér talere i ⋯-menuen; på Mac klikker du på Registrér talere.
Hvor mange talere kan Whisper Notes skelne mellem?
Op til 8. Appen tæller selv talerne, og du kan angive det præcise antal, når du kører registreringen igen.
Hvor præcis er talergenkendelsen i Whisper Notes?
På 122 offentlige optagelser på engelsk og kinesisk fandt den det rigtige antal talere i 80 % af optagelserne, og omkring 1 % af talen blev givet til den forkerte person. Den er mindst pålidelig med flere end 8 talere, med meget ens stemmer og i optagelser med kun én taler.
Uploader talergenkendelsen mine optagelser?
Nej. Talermodellen downloades én gang og kører derefter på din iPhone eller Mac. Dine optagelser og transskriptioner forlader aldrig din enhed.
Tilgængelighed
Talergenkendelse er med i engangskøbet ($7.99 på iPhone, $14 på Mac) sammen med transskriptionsmotorerne: Parakeet (Parakeet Ultra fra Moondream, videretrænet fra NVIDIA Parakeet V3), Whisper (Large V3 Turbo på Mac, Small på iPhone), SenseVoice og Apple Speech på iOS 26 og macOS 26. På Mac er der også Qwen3-ASR 1.7B (Beta). Der er ingen ekstra betalingsplan og ingen konto.
• iPhone: fra App Store.
• Mac App Store: med i den nuværende version.
• Mac-appen fra vores hjemmeside: fra downloadsiden til Mac, gratis for 5.000 ord om ugen.
Hvordan selve mødeoptagelsen fungerer, kan du læse i vores indlæg om offline mødetransskription.