Så transkriberar du video till text på Mac, offline

För att transkribera video till text på en Mac utan att ladda upp den använder du ett verktyg som kör en talmodell på själva datorn: en fristående transkriberingsapp som MacWhisper, den inbyggda transkriberingen i Final Cut Pro, Premiere Pro eller DaVinci Resolve Studio, eller ett redigeringsprogram som cinemaOS, som transkriberar med J.A.R.E.D. och behåller transkriptionen i projektet. Oavsett vad du väljer beror träffsäkerheten lika mycket på tre saker du själv styr som på appen: rent ljud, rätt språkinställning och en kort rättningsrunda för namn och talare innan texten går vidare.

Den här guiden går rättvist igenom alternativen och visar sedan ett lokalt arbetsflöde från videofil till en rättad transkription och färdiga undertexter.

Varför transkribera lokalt över huvud taget

Molntjänster för transkribering är snabba och ofta smidiga, särskilt när flera personer behöver kommentera samma transkription. Kompromissen är att ditt material, eller åtminstone ljudet, lämnar din Mac och hamnar på någon annans servrar under deras villkor.

För mycket arbete spelar det ingen roll. För en del gör det det:

• Intervjuer med personer som gått med på att filmas, inte på att behandlas av en tredje part. Medverkande och källor i dokumentärer hamnar ofta här.
• Kundmaterial under sekretessavtal. Inspelningar från företag, juridik och vård har ofta regler för vart filerna får ta vägen.
• Opublicerat material. Filmer och produkter under embargo är lättare att skydda när ljudet aldrig skickas iväg.
• Dålig eller ingen uppkoppling. På plats, på ett tåg eller på en inspelning utan wifi fungerar lokal transkribering helt enkelt.

Om integriteten avgör valet går AI-videoredigering på enheten: det här stannar på din Mac igenom vad lokal bearbetning garanterar och inte garanterar.

Dina alternativ på Mac

Det finns inget enskilt bästa verktyg. Det beror på om du bara behöver orden, eller ord som ska bli ett klipp.

• En fristående transkriberingsapp. MacWhisper kör öppna talmodeller lokalt, bland annat OpenAI:s Whisper, och exporterar vanliga text- och undertextformat. Det är den mest direkta vägen om du vill ha ett dokument och inget annat. Kolla utvecklarens webbplats för aktuella priser och funktioner.
• Kommandoradsverktyg med öppen källkod. whisper.cpp och liknande projekt kör samma modellfamilj från Terminal. Gratis, flexibla och bäst för den som är bekväm med kommandoraden.
• Final Cut Pro. Nyare versioner kan transkribera tal till undertexter på Mac med Apple silicon. Användbart om du redan klipper i Final Cut och främst behöver undertexter. Kolla Apples dokumentation för krav på macOS och hårdvara.
• Premiere Pro. Speech to Text och textbaserad redigering använder nedladdningsbara språkpaket, och transkriberingen körs på datorn när ett paket är installerat. Ett naturligt val om ditt arbete redan finns i Creative Cloud; kolla Adobes dokumentation för vilka språk som stöds i dag.
• DaVinci Resolve Studio. Transkribering och textbaserad redigering har ingått i den betalda Studio-versionen snarare än i gratisversionen. Passar bra om du ändå färdigställer i Resolve; kolla Blackmagic Designs funktionsjämförelse för den aktuella uppdelningen.
• Molntjänster. Descript, Otter och liknande tjänster bearbetar ljudet på sina servrar. Ofta mycket smidiga, men läs deras villkor för data innan du laddar upp kundmaterial. Alternativ till Descript med lokal transkribering jämför kompromisserna mer i detalj.
• cinemaOS. Ett redigeringsprogram snarare än en transkriberingsapp. Transkriberingen körs på Macen med medföljande modeller: Parakeet för dess publicerade uppsättning på 25 språk och en medföljande Whisper-väg för övriga språk. Transkriptionen stannar i projektet och driver textbaserad redigering, sökning och undertexter. Det finns bara för Mac med Apple silicon.

Funktionerna ändras mellan versioner, så bekräfta språkstöd och exportalternativ på varje leverantörs webbplats innan du binder dig till ett projekt.

Innan du trycker på transkribera: fixa ljudet

Alla talmodeller gör fler fel på dåligt ljud. Några minuter här sparar mycket mer tid i rättningen.

• Använd det bästa mikrofonspåret. Om du spelade in med både mygga och kameramikrofon, transkribera myggan. Kameraljudet fångar rummet.
• Stäng av musik och effekter. Bakgrundsmusik under dialog är en vanlig orsak till missade eller påhittade ord. Transkribera dialogen före mixen, inte efter.
• Dela upp långa inspelningar förnuftigt. En inspelning på tre timmar är lättare att kontrollera i avsnitt, och ett misslyckat jobb kostar mindre.
• Vet vilket språk det är. Automatisk identifiering fungerar oftast på inspelningar med ett språk. Om talarna växlar mellan språk, ställ in språket själv och räkna med att rätta de växlande partierna för hand.

Så transkriberar du video till text med en lokal app

Om du bara behöver orden ser stegen ungefär likadana ut i de flesta lokala transkriberingsappar:

1. Öppna videofilen. Många appar tar emot video direkt och läser ljudspåret. Kommandoradsverktyg förväntar sig ofta en ljudfil, så du kan behöva extrahera ljudet först, till exempel med ffmpeg.
2. Ställ in språket. Välj det själv när du vet vilket det är. Automatisk identifiering fungerar på material med ett språk men kan gissa fel på korta eller blandade klipp.
3. Välj modellstorlek. I Whisper-baserade verktyg är större modeller i regel mer träffsäkra och långsammare. Testa ett kort klipp med två storlekar innan du kör en lång inspelning.
4. Kör jobbet och rätta texten. Använd checklistan längre ner för namn, siffror och tysta partier.
5. Exportera det du behöver. Ren text för läsning och citat, SRT eller WebVTT när du vill ha tidskoder eller undertexter. Exportalternativen skiljer sig mellan appar, så kolla din.

Om transkriptionen ska bli ett klipp eller undertexter sparar du en runda av export och återimport genom att arbeta i ett redigeringsprogram, vilket nästa avsnitt visar.

Så transkriberar du video till text i cinemaOS

cinemaOS är ett Mac-native redigeringsprogram för Apple silicon. Transkriberingen är en del av redigeringsflödet snarare än en separat app, vilket spelar roll om transkriptionen ska bli ett klipp eller en uppsättning undertexter. Handledningen om att transkribera och redigera via text visar stegen för transkribering och redigering på ungefär en minut.

Steg 1: Transkribera med J.A.R.E.D.

Importera videon till ett projekt och markera klippen eller scenen. Tryck ⇧⌘T, Transcribe with J.A.R.E.D. Jobbet körs lokalt, utan generativa krediter och utan uppladdning. Du kan också börja i Finisher under Localize ▸ Captions och välja Auto Detect för det talade språket.

På en Mac med 8 GB körs tunga AI-jobb ett i taget, så starta en lång transkribering före en paus snarare än samtidigt som annat modellarbete.

Steg 2: Rätta namn och talare

cinemaOS tilldelar upp till fyra talare per transkription. Hur väl de separeras beror på inspelningen: tydligt olika röster på separata mikrofoner separeras oftast bra, medan överlappande tal och korta inpass är där tilldelningen oftast blir fel.

Arbeta i den här ordningen:

1. Namnge talarna. Ersätt generiska etiketter med riktiga namn. Både sökning och läsning går snabbare.
2. Rätta egennamn. Namn, varumärken, platser och fackord är de vanliga missarna. Rätta vart och ett en gång och sök i transkriptionen efter fler förekomster av samma fel.
3. Kontrollera talarbyten som spelar roll. Rätta de byten som påverkar innebörden eller undertexterna. Ett felplacerat "precis" mitt i ett svar kan oftast vänta.
4. Spara resten till senare. Om transkriptionen ska bli ett klipp, korrekturläs bara de repliker som överlever klippningen.

Med fler än fyra talare, till exempel i en panel, namnger du de fyra huvudrösterna och rättar de övriga för hand.

Steg 3: Använd transkriptionen i klippet

Öppna fliken Text Editing i bin i Sequencer. Att markera ord markerar motsvarande media, och att ta bort ett avsnitt klipper bort den kopplade bilden och ljudet. Vilka redigeringar som är möjliga beror på källmaterialet och dess transkription, så kontrollera tidslinjen efter varje ändring. Använd Search Project… för att hitta exakta ord i alla transkriberade klipp, vilket är det snabbaste sättet att hitta en replik du minns att du hörde.

Behandla transkriptionen som en karta. Spela upp varje skarv och lyssna efter avhuggna ord innan du går vidare. Transkribera en intervju och klipp video via text går på djupet med den redaktionella sidan av det här.

Steg 4: Exportera text eller undertexter

Den rättade transkriptionen blir källan till dina undertexter. Granska timing och radlängd i Localize ▸ Captions och exportera sedan det format mottagaren förväntar sig: SRT, WebVTT, ASS, SCC, EBU-STL, Apple iTT eller FCPXML-undertexter. Du kan också bränna in undertexterna i bilden för versioner till sociala medier, eller översätta dem på Macen, som handledningen om undertexter offline visar.

Om du behöver ett enkelt dokument snarare än undertexter, exportera SRT eller WebVTT. Båda är rena textfiler som öppnas i TextEdit eller vilken ordbehandlare som helst, med tidskoder som du kan behålla som referens eller ta bort. Om ett formaterat dokument är allt du någonsin behöver är en fristående transkriberingsapp den mer direkta vägen.

En rättningschecklista som fungerar med alla verktyg

Oavsett vad som skapade transkriptionen fångar samma genomgång de flesta problemen:

• Sök efter varje namn i dagsplaneringen eller medverkandelistan och kontrollera stavningen.
• Läs siffror högt. Datum, priser och antal transkriberas ofta i en inkonsekvent form.
• Kontrollera första och sista raden i varje klipp. Modeller missar ibland ord som börjar eller slutar tvärt.
• Lyssna på de tysta partierna. Det är i lågmält tal som ord försvinner, och vissa modeller fyller tystnad med text som ingen sa.
• Se upp med självsäkert nonsens. En mening som läses smidigt men inte stämmer med det du minns att du hörde är värd att lyssna på.
• Ha en enda rättad huvudversion. Rätta transkriptionen innan den blir undertexter eller en översättning, så att samma fel inte sprids till varje version.

Det här gör inte cinemaOS

Att vara tydlig med begränsningarna sparar dig en bortkastad eftermiddag:

• Det finns bara för Mac med Apple silicon. Windows är planerat till november 2027.
• Talarseparationen är begränsad till fyra röster per transkription, och kvaliteten beror på inspelningen.
• Det exporterar inte ett formaterat transkriptionsdokument som en Word-fil. Transkriptionen exporteras i tidskodade text- och undertextformat.
• Det är inte ett molnbaserat verktyg för gemensam transkribering. Det finns inget delat onlinedokument som ett team kan redigera samtidigt.
• Det gör inte lip sync. Om du sedan dubbar filmen ändras inte munrörelserna för att matcha det nya språket.

FAQ

Kan jag transkribera video till text på Mac gratis?

Ja. Verktyg med öppen källkod som whisper.cpp körs lokalt utan kostnad, och vissa transkriberingsappar har gratisnivåer. cinemaOS har transkribering med i sin plan, som kostar 9,99 USD i månaden exklusive moms efter 60 dagar gratis, utan kort och utan automatisk debitering.

Hur träffsäker är offlinetranskribering?

Dagens lokala modeller hanterar rent ljud med en talare bra. Träffsäkerheten sjunker med musik under dialog, kraftiga dialekter eller brytningar, folk som pratar i mun på varandra och fackspråk i alla verktyg, så planera en rättningsrunda för namn och termer.

Laddar cinemaOS upp min video för att transkribera den?

Nej. Transkribering med J.A.R.E.D. körs på Macen med medföljande modeller. Videon, ljudet och transkriptionen stannar i ditt lokala projekt.

Börja med ett klipp

Välj en kort intervju med några namn i, transkribera den lokalt i ett eller två av verktygen ovan och ta tid på hur lång rättningsrundan blir. Det säger mer än någon funktionslista. Om du vill ha transkriptionen, klippet och undertexterna i ett projekt på en Mac med Apple silicon är cinemaOS gratis i 60 dagar, utan kort och utan automatisk debitering.