EngelskeWhisper large v3-turbo er en gratis open source-model fra OpenAI, der kan transskribere tale til tekst med tidskoder i samme gennemløb. Når du oversætter dansk lyd og video til engelske undertekster i SRT eller VTT, kan modellen levere den rå transskription, mens selve oversættelsen og tidskoderedigeringen foregår i et værktøj som Engelske Undersættelser. Her ser vi på, hvad modellen faktisk gør for dansk tale, og hvor du skal sætte ind manuelt.
Hvad er large v3-turbo
OpenAI lancerede Whisper i september 2022 som en open source talegenkendelsesmodel under MIT-licensen. Modellen er trænet på 680.000 timers svagt overvåget flersproget lyd fra det offentlige internet, hvoraf cirka 117.000 timer ikke er engelsk. Ifølge VexaScribe, der driver en hosted udgave af Whisper Large-v3, kan en enkelt model transskribere 99 sprog og oversætte dem til engelsk. Den udfører sprogidentifikation, stemmeaktivitetsdetektion, tegnsætning og generering af tidskoder som en del af samme forward pass.
Whisper large v3-turbo blev frigivet i oktober 2024 og har kun fire decoder-lag mod 32 i storesøsteren large-v3. Det gør den 4–8 gange hurtigere, dog med et lille nøjagtighedstab. For dansk tale betyder det, at du kan få en brugbar første version hurtigt, men bør regne med at gennemgå resultatet.
Tidskoder og højttalere
Whisper producerer som udgangspunkt én sammenhængende tekstblok uden adskillelse af højttalere. Vil du have Speaker 1 og Speaker 2 i underteksterne, kræver det en separat diariseringsmodel, for eksempel pyannote.audio 3.1, som VexaScribe kombinerer med Whisper for at sætte højttaleretiketter på hvert ords tidsstempel. Selve tidskoderne genereres derimod af Whisper i samme gennemløb, og de kan redigeres i et værktøj som engelskeundersaettelser.com, før du eksporterer SRT eller VTT.
Fra lokal Whisper til SRT og VTT
Flere gratis værktøjer lægger Whisper ind under en brugergrænseflade, så du ikke skal røre Python eller en GPU. OpenSubs er et eksempel: det kører Whisper lokalt på din egen pc, oversætter til 20 sprog, og eksporterer både SRT- og VTT-filer samt en MP4 med brændte undertekster. Video og lyd forlader ikke computeren, og der er ingen vandmærke eller længdebegrænsning, når modellen kører lokalt. Når du har en dansk SRT eller VTT, kan du åbne filen i engelskeundersaettelser.com og rette oversættelse og tidskoder, inden du publicerer.
Undertekster er ikke kun en hjælp: ifølge EasySub viser undersøgelser, at videoer med undertekster i gennemsnit opnår over 15 procent længere visningstid.
Adresser og postnumre i undertekster
Danske videoer rummer ofte adresser, bynavne og postnumre, som skal omstilles til et engelsktalende publikum. Hvis du hører et postnummer i videoen og er usikker på, hvilken by det dækker i USA, kan du bruge det engelsksprogede ZIP Code Lookup til at slå et postnummer op uden at forlade redigeringen. Vær opmærksom på, at danske postnumre ikke kan oversættes direkte til ZIP-koder; du skal i stedet finde den tilsvarende by eller adresse i det land, underteksterne henvender sig til.
Dansk ordfejlprocent og åbne spørgsmål
Et selvstændigt dansk ordfejlprocenttal for large v3-turbo er endnu ikke offentliggjort i offentligt tilgængelige målinger. Man bør derfor ikke overføre engelske eller spanske nøjagtighedstal direkte til dansk. Ønsker man et præcist dansk tal, er det faglige miljøer som Center for Sprogteknologi ved Københavns Universitet, der står bag Sprogteknologisk Konference 2025, som kan opgøre det på danske testdata.
Kom godt i gang med dansk tale
Vælg en udgave af Whisper, der passer til dit behov: large-v3-turbo, hvis hastighed er vigtig, og large-v3, hvis du vil have den højeste nøjagtighed og kan vente. Sæt sproget til dansk, når værktøjet tillader det, og lad modellen levere rå tekst med tidskoder. Rediger derefter tidskoderne i engelskeundersaettelser.com, oversæt teksten til engelsk, og eksporter SRT eller VTT. Hvis underteksterne indeholder navne, adresser eller postnumre, bør du tage et ekstra kontrolkig, før filen sendes videre.
