Tal till text är tekniken som gör talat språk till skriven text. Du använder den när du dikterar ett mejl i mobilen, när ett möte skrivs ut i efterhand och när ett inspelat kundsamtal blir en text som du kan söka i. Tekniken kallas också taligenkänning, på engelska speech-to-text eller ASR (automatic speech recognition).
Den här artikeln förklarar hur tal till text fungerar, vad som avgör hur exakt texten blir och var tekniken sparar tid i ett företag. Sist går vi igenom hur du får företagets inspelade telefonsamtal som text i dashboarden, och hur samma teknik åt andra hållet, text till tal, gör ditt välkomstmeddelande.
Vad är tal till text?
Tal till text används på två sätt som ofta blandas ihop. Vid diktering pratar du och texten växer fram medan du talar, i ett mejl, ett dokument eller ett journalsystem. Vid transkribering finns ljudet redan, som en inspelning av ett möte, en intervju eller ett telefonsamtal, och programmet gör om det till text i efterhand. En transkribering kan dessutom få tidsstämplar och visa vilken person som säger vad.
Själva motorn är densamma i båda fallen. Skillnaden ligger i när texten behövs: medan du pratar, eller efteråt när samtalet redan är slut.
Så fungerar tal till text: från ljud till skriven text
Ett program för tal till text arbetar i några steg som följer på varandra.
- Ljudet tas emot och förbereds. Mikrofonen eller inspelningen ger en ljudvåg som programmet delar upp i korta bitar. Ofta dämpas bakgrundsljud och ljudnivån jämnas ut innan analysen börjar.
- Den akustiska modellen hör vilka ljud som sägs. Den kopplar ljudet till språkets minsta beståndsdelar, ungefär de ljud som bildar ord.
- Språkmodellen väljer de troliga orden. Den vet vilka ord som brukar följa på varandra, så att programmet kan välja “boka ett möte” i stället för något som låter likadant men inte betyder något.
- Texten sätts ihop och snyggas till. Programmet väljer den mest sannolika meningen och lägger till skiljetecken och stor bokstav. Vid transkribering kan det också dela upp texten per talare.
Moderna system bygger på maskininlärning och har tränats på mycket stora mängder tal, vilket är skälet till att de klarar vanligt samtalsspråk betydligt bättre än de tidiga programmen gjorde.
Vad påverkar hur exakt tal till text blir
Hur bra texten blir beror mer på ljudet än på programmet. Tydligt tal i ett tyst rum ger få fel, medan bakgrundsljud från en verkstad eller en bil gör att fler ord blir fel. När två personer pratar samtidigt har programmet svårt att hålla isär dem, och kraftiga dialekter, snabbt tal och ovanliga fackord ger också fler fel.
Inget system för tal till text är felfritt. Använd därför texten som ett underlag som du snabbt hittar i, och gå tillbaka till inspelningen när exakt ordalydelse spelar roll, till exempel när en kund har lovat något om ett pris eller en leveransdag.
Tal till text i mobilen och datorn
För egna anteckningar räcker ofta den diktering som redan finns i dina enheter. På iPhone och Android trycker du på mikrofonen i tangentbordet och pratar. I Windows öppnar du röstinmatningen med Windows-tangenten och H, och på en Mac slår du på Diktering under Tangentbord i Systeminställningar. I Google Dokument finns röstinmatning under menyn Verktyg när du använder webbläsaren Chrome.
Den inbyggda dikteringen passar bra för ett kort mejl eller en anteckning efter ett kundbesök. För längre material, som möten och samtal med flera personer, används i stället program som transkriberar en inspelning och delar upp texten per talare.
Tal till text i företaget: där det sparar tid
I ett företag gör tal till text mest nytta där mycket sägs och lite skrivs ned. Några vanliga exempel:
- Möten och intervjuer blir en text som du kan söka i, så att du slipper lyssna igenom en timmes inspelning för att hitta ett beslut.
- Anteckningar från fältet, när hantverkaren dikterar vad som gjordes hos kunden medan han sitter i servicebilen, i stället för att skriva rapporten på kvällen.
- Dokumentation i vården, där en läkare eller sjuksköterska dikterar och texten hamnar i journalen.
- Undertexter till utbildningsfilmer och webbinarier, så att den som inte kan lyssna ändå kan följa med.
- Kundsamtal, där texten visar vad kunden faktiskt bad om, vilket är det vi går igenom i nästa avsnitt.
Tal till text för telefonsamtal: transkribering i Kundtjänst
Ringer kunderna ditt företag hamnar mycket viktig information i samtal som ingen skriver ned. Med paketet Kundtjänst kan du spela in de inkommande samtalen på ditt företagsnummer, och när ett samtal har spelats in görs en transkribering av det. Både samtalsinspelningen och texten finns sedan i dashboarden, tillsammans med en kort sammanfattning av vad samtalet handlade om.
Det gör vardagen enklare på flera sätt. Kontorschefen som vill veta vad en kund sa om en reklamation söker på ordet i stället för att lyssna igenom samtalet. Den nya kollegan läser hur ett bra kundsamtal går till, och när två personer minns ett samtal olika finns det en text att gå tillbaka till.
Vi transkriberar samtal på alla officiella EU-språk, svenska inräknat, och på engelska, både brittisk och amerikansk. Har du ett nummer i Finland eller Tyskland blir de samtalen alltså text på samma sätt som samtalen på ditt svenska nummer.
Så fungerar det i praktiken:
- Transkribering och sammanfattning ingår i Kundtjänst, som kostar 540 kr per månad eller 5 400 kr per år för upp till åtta personer. Du slår på dem i dashboarden.
- Inspelningarna sparas som standard i högst 30 dagar, och längre lagring är ett tillval mot avgift. Det du vill behålla laddar du ned innan dess.
- Bara kontots administratör kan lyssna på inspelningarna, inte alla som har inloggning till dashboarden.
- Samtal ingår vid normal användning. Ringer ditt team mer betalar du 1,10 kr per minut till mobil och fast telefon, och i de 1,10 kr ingår om du vill samtalsinspelning, transkribering och loggning av samtalet.
Transkriberingen gäller inspelade samtal. Meddelanden i röstbrevlådan kommer som ljudfil i din e-post och finns kvar i dashboarden i 90 dagar.
Tal till text och GDPR
En inspelning av ett samtal innehåller personuppgifter om den som ringer, och det gör utskriften av samtalet också. Därför gäller dataskyddsförordningen (GDPR) för båda, och det är du som företag som bestämmer varför du spelar in och vad texten används till. Det vanliga sättet att informera den som ringer är en mening i välkomstmeddelandet, till exempel “Samtalet kan komma att spelas in för att vi ska kunna hjälpa dig bättre.” Vad lagen säger om att spela in samtal går vi igenom i artikeln får man spela in samtal?.
Inspelningarna lagras inom EU och raderas automatiskt när lagringstiden har gått ut, och ett personuppgiftsbiträdesavtal skriver vi på begäran. Vill du läsa mer om dina skyldigheter kan du vända dig till IMY (Integritetsskyddsmyndigheten), som har tillsyn över GDPR i Sverige och beskriver på imy.se vad som gäller för dig som personuppgiftsansvarig. Det här är allmän information och ingen juridisk rådgivning.
Text till tal: samma teknik åt andra hållet
Text till tal är motsatsen: ett program läser upp en skriven text med en syntetisk röst. På vår plattform använder du det för välkomstmeddelandet, som ingår för varje nummer. Du skriver texten och väljer bland fler än 99 röster, svenska och internationella, i vår assistent för text till tal.
En voicebot använder båda riktningarna i samma samtal. Den gör om det uppringaren säger till text för att förstå ärendet och svarar sedan med en syntetisk röst, vilket är skälet till att den kan föra ett vanligt samtal i stället för att be om knapptryckningar. Hur en voicebot skiljer sig från en chatbot läser du i artikeln chatbot eller voicebot.
Sammanfattning: tal till text i korthet
Tal till text gör talat språk till skriven text, antingen medan du dikterar eller i efterhand från en inspelning. Resultatet blir bäst med tydligt ljud, och texten fungerar som ett underlag som du snabbt hittar i. För företagets telefonsamtal ger Kundtjänst dig inspelning, transkribering och sammanfattning i dashboarden, på alla officiella EU-språk och på engelska. Vad paketen kostar ser du på prissidan.
