Transkribera svenska med AI: Word, Whisper och mobilen

Det går att transkribera svenska med AI, men inte i alla verktyg. Word och Teams listar svenska, Samsungs röstinspelare gör det, Pixels Recorder kan göra det i efterhand och iPhones Röstmemon har inte svenska på Apples språklista. Vill du att ljudet aldrig lämnar datorn kan du köra Whisper, som appar som Buzz och MacWhisper bygger på.

Jag skulle välja efter vart ljudet tar vägen och om den du spelar in fått veta det, inte efter vilket verktyg som skriver finast. Jag har inte mätt träffsäkerheten i något av dem, så testet i steg 6 är ditt eget. Det tar ungefär en timme. Allt gäller i skrivande stund, oktober 2026, och det här är inte juridisk rådgivning; din jurist och IMY avgör.

Det här behöver du

Tre korta testklipp: din egen röst, ett samtal med någon som vet att det är ett test, och ett klipp med bakgrundsljud. Säg ett namn, ett telefonnummer, ett belopp och ett datum i varje.
Det verktyg du vill pröva: Microsoft 365, Teams, en Samsung- eller Pixel-telefon, eller en dator för Whisper.
En regel för hur länge ljud och text får ligga kvar, gärna nedskriven i er AI-policy.
En mening att säga till alla andra som hörs (steg 4).

Steg för steg

Avgör vilket fall det gäller. Eget röstmemo, onlinemöte, telefonsamtal eller möte på plats. Så fort en annan röst hörs gäller steg 2 och 4.
Läs reglerna kort. Så här läser jag 4 kap. 9 a § brottsbalken: olovlig avlyssning gäller den som olovligen och i hemlighet, med ett tekniskt hjälpmedel, lyssnar på eller spelar in samtal mellan andra som han eller hon själv inte deltar i. Det är min läsning, bara av straffrätten. GDPR är en annan sak. IMY skriver att ljudinspelningar kan vara personuppgifter även när inga namn nämns. Behandlar du dem i din verksamhet ska personen få veta syfte, rättslig grund, lagringstid, mottagare, överföring utanför EU och EES samt sina rättigheter.
Välj verktyg efter vart ljudet går.
- Word, Transkribera (Microsoft 365). Du laddar upp .wav, .mp4, .m4a eller .mp3, eller spelar in i Word. Svenska (Sverige) finns i språklistan, och med en Microsoft 365-prenumeration gäller högst 300 minuter uppladdat ljud per månad. Filerna hamnar i mappen Transkriberade filer i OneDrive. Microsoft skriver också att tjänsten inte lagrar ljudet efteråt, så kontrollera var filerna faktiskt ligger.
- Teams. Svenska (Sverige) finns bland talspråken, alla deltagare får en notis och transkriptet sparas i arrangörens OneDrive. Mer i AI-mötesanteckningar.
- Samsungs röstinspelare. Transkriptionshjälp har svenska enligt Samsung Sverige, kräver nätverk och Samsung-konto och tar filer under 3 timmar.
- Pixel Recorder. Svenska finns bland språken du väljer när du transkriberar en inspelning på nytt, men inte vid live-transkribering. Google skriver att det kan ske på deras servrar.
- iPhone, Röstmemon. Apples lista: engelska, spanska, portugisiska, italienska, franska, tyska, japanska, koreanska och kinesiska. Svenska saknas.
- Gemini-appen. Den tar uppladdade ljudfiler, men Googles sida beskriver varken transkribering eller språk, så testa. Gränsen är 10 minuter totalt, eller 3 timmar med Google AI Pro eller Ultra.
- Whisper på din dator. Whisper är OpenAI:s öppna talmodell med MIT-licens, och svenska finns i dess språklista. Buzz kör den offline på Windows, Mac (med Apple-chip) och Linux. MacWhisper skriver att den transkriberar lokalt, men den kan också skicka till molnleverantörer om du väljer det. KB-Whisper från KBLab vid Kungliga biblioteket är tränad på över 50 000 timmar svenskt tal och uppges göra färre fel än OpenAI:s large-v3, enligt deras egna tester. Den kräver teknisk uppsättning.
Telefonsamtal är krångligast. Apple skriver att samtalsinspelning i skrivande stund inte finns i EU. Googles Telefon-app berättar för båda parter att samtalet spelas in, men funktionen finns inte i alla länder och Googles sida nämner inte Sverige. Ett samtal över Teams är enklare.
Be om lov och säg vad du gör. Säg det före inspelningen:

Jag vill spela in samtalet och låta ett verktyg skriva ut det, bara för att komma ihåg vad vi kom överens om. Ljudet raderas efter [antal] dagar och texten ser bara jag. Är det okej? Säg gärna nej, så skriver jag för hand.

Vänta på svaret. Säger någon nej, stäng av.
Spela in så att det går att läsa. Mikrofonen nära, ett tyst rum, en person i taget, och namn och siffror sagda långsamt.
Transkribera testklippen och välj svenska själv. Låt inte verktyget gissa språk. Kör samma klipp i två verktyg om du kan.
Kontrollera mot ljudet. Gå igenom namn, siffror, datum och nekanden som "inte" och "aldrig". I Word kan du spela upp ljudet med tidsstämplar.
Spara det du behöver och radera resten. Beslut och nästa steg, inte hela transkriptet. Radera ljudet där det ligger: OneDrive-mappen, telefonens inspelningar och papperskorgen. Ska texten vidare till en AI-chatt, se GDPR-checklistan. IMY skriver i vägledning för offentlig förvaltning att en AI-leverantör som utgångspunkt är personuppgiftsbiträde, och att tjänster för privat bruk ofta saknar biträdesavtal.

Så vet du att det fungerar

Jämför testklippets namn, telefonnummer, belopp och datum med vad du sa. Stämmer alla fyra i två körningar? Sedan en kontroll av lov och radering: kunde den du testade med säga nej utan att det blev konstigt, och är ljudet borta när tiden du lovade gått ut? Hittar du ett fel i en siffra är verktyget fortfarande användbart för anteckningar, men inte för något du citerar.

Vanliga fel

Verktyget saknar svenska och gissar. Det syns som engelsk gröt eller en tom text.
Fel språk väljs automatiskt. Sätt svenska själv.
Text i tystnad. Whisper-modeller kan hitta på text. KBLab:s modellkort nämner en inställning, condition_on_previous_text=False, som kan minska hallucinationer.
Flera som pratar samtidigt. Då blir både text och talarindelning osäkra.
Ljudet ligger kvar. Texten raderades, filen i molnet inte.
Hela transkriptet hamnar i CRM eller chatt. Skicka en sammanfattning.

Begränsningar

Skriv för hand vid personalsamtal, hälsa och andra känsliga ärenden, när kunden säger nej och när avtalet kräver sekretess. En transkribering är en maskinläsning, inte ett ordagrant protokoll. Har du ett par samtal i månaden är en penna det enklaste. Röstmemon för egen del, utan andras röster, är det lugnaste fallet, och röst till text i mobilen tar nästa steg. Ska memot bli en arbetsbeskrivning, se AI som skriver rutiner och manualer.

Källor

Vanliga frågor

Vilken app transkriberar svenska bäst?

Det har jag inte mätt. KBLab uppger bäst resultat för sin svenska Whisper-modell i sina egna tester, men den kräver teknisk uppsättning. För vardagsbruk: testa Word, Teams eller telefonens egen app med dina egna klipp.

Måste jag fråga om lov innan jag spelar in?

Straffrättsligt gäller olovlig avlyssning enligt min läsning samtal du inte själv deltar i. GDPR gäller ändå om rösten går att knyta till en person, och då ska personen få information. Att fråga i förväg är det säkra, och ett nej ska fungera.

Kan jag spela in telefonsamtal på iPhone?

Apple skriver att samtalsinspelning i skrivande stund inte är tillgänglig i EU. Ett samtal över Teams eller en annan tjänst som själv berättar att inspelning pågår går bättre.

Är Whisper gratis?

Modellen är öppen under MIT-licens, och du kan köra den själv. Appar byggda på den har egna villkor, så läs dem.

Hur länge får jag spara inspelningen?

Inte längre än du behöver för syftet du berättat om. IMY listar lagringstid som något den registrerade ska få veta, och uppgifter som inte längre behövs ska raderas.

Fastnar du?

Det här är ett av de upplägg jag sätter upp åt enmansföretag och små team, ofta på en eller två timmar tillsammans på skärmen. Om du har fastnat på ett steg, eller hellre vill att jag sätter upp det och lämnar över det dokumenterat, mejla mig med rubriken "Fastnat: Transkribera med AI". Skriv vilka verktyg du använder och var det tog stopp, så svarar jag med vad jag tror det tar. Jag sitter i Stockholm och jobbar med hela Sverige på distans. Vill du först se om uppgiften alls är värd att automatisera finns Automationskollen. Mer om vad jag gör med AI finns på sidan om AI-specialist.

Transkribera samtal och röstmemon med AI på svenska: så väljer du