Transkribera intervju — För forskning, journalistik och kvalitativ analys
Ladda upp intervjuljudet, få text med talaridentifiering på 5-15 minuter. Whisper Large V3 Turbo + pyannote 4.0 community-1. GDPR-kompatibel EU-hostning (Frankfurt). Export-redo för NVivo, Atlas.ti och MAXQDA. Fungerar för semi-strukturerade intervjuer, fokusgrupper, ostrukturerade djupintervjuer och fältinspelningar. Om du hanterar känsliga personuppgifter (patientdata, källskyddad journalistik) — läs vår sektion om självhostat Whisper först.
Format:
Transkribera intervju — även kallat intervju transkribering eller forskningsintervju-transkribering — är den formella processen att omvandla intervjuljud till text redo för kvalitativ analys (kodning, tematisk analys, diskursanalys). För forskning krävs vanligtvis talarmarkering + tidsstämplar + verbatim eller ren läsning enligt studiedesignen.
Så transkriberar du en intervju
Ladda upp intervjuljudet
MP3, WAV, M4A, MP4 (video), OPUS — allt fungerar. Upp till 8 timmar per fil. Fältinspelning från mobil OK.
AI identifierar talare
Whisper Large V3 Turbo transkriberar. pyannote 4.0 skiljer på upp till 50 talare. Namnge SPEAKER_00 → 'Anna B' i editorn.
Exportera till din analysprogramvara
DOCX för NVivo, RTF för Atlas.ti, TXT för MAXQDA. Tidsstämplar och talarnamn bevaras.
GDPR och känsliga personuppgifter — läs detta först
Svenska universitet (Uppsala, Karlstad m.fl.) rekommenderar ofta att undvika kommersiella molntjänster för känsliga forskningsintervjuer. Här är vår ärliga bedömning av när VexaScribe passar — och när du bör välja annat.
✅ VexaScribe passar för:
- Semi-strukturerade intervjuer med informerat samtycke
- Expertintervjuer utan känsliga personuppgifter
- Fokusgrupper i marknadsundersökning
- Journalistiska intervjuer där källan gett tydligt samtycke
- Mediearkiv och historiska inspelningar (publikt material)
⚠️ Kör lokalt (Whisper eller KB-Whisper) för:
- Patientdata (medicinska intervjuer)
- Källskyddad journalistik (whistleblower, offer för brott)
- Minderåriga informanter
- Ärenden med extremt känsliga personuppgifter
- När etikprövningsnämnden explicit kräver lokal databehandling
🏛️ Alternativ vid svenska universitet:
- Scribe by Sunet — anslutna universitet, GDPR-godkänd
- UPPMAX Bianca (NAISS SENS) — för känslig data, Whisper self-hosted
- Microsoft Word Transcribe — om Uppsala/Lund/Karlstad/andra har M365-avtal (300 min/mån)
Vår teknik: data lagras i EU (Frankfurt), krypteras med TLS 1.3 + AES-256, DPA (Data Processing Agreement) på begäran. Vi tränar inte modeller på dina data. Radering när som helst från användarpanelen. För forskningskonto: kontakta oss för akademiska anpassningar.
Vad du får med VexaScribe för intervjuer
Forskningsvänliga funktioner utöver standard-transkribering
GDPR EU-hostning
Frankfurt, Tyskland. TLS 1.3 + AES-256. DPA på begäran. Radering på begäran. Vi tränar inte modeller på dina data.
Talaridentifiering med pyannote 4.0
Upp till 50 talare. ~90-93% korrekt attribution med 2-6 aktiva. Byt namn i editorn — sparas i hela transkriptet.
NVivo, Atlas.ti, MAXQDA export
DOCX med talarmarkering (NVivo), RTF (Atlas.ti), TXT med tidsstämplar (MAXQDA), Excel för kodningsmatriser.
Ärlig noggrannhet
6-8% WER studioinspelning, 12-18% fältinspelning. Marknadsföring om '99%' refererar till engelskt studioljud — inte verklighet.
60 minuter → 10 min klart
Vs 4-6 timmar manuell transkribering. Vs 1-3 dagar hos byrå. Granska direkt i editorn.
99 språk inklusive svenska
Rikssvenska, dialekter, code-switching sv/en. Bäst för svenska: kombinera med KB-Whisper lokalt för max exakthet.
Verbatim vs ren läsning — vilken nivå passar din studie?
Beror på analytisk metod. Ingen tar upp detta i SERP — här är den ärliga guiden.
Verbatim (ordagrann)
Varje ord: “eh”, “hmm”, upprepningar, överlappning bevaras.
För: samtalsanalys, diskursanalys, sociolingvistik, fenomenografi.
Intelligent verbatim (standard)
Bevarar mening + tvekan, tar bort mest brus. Vår default.
För: flesta kvalitativa studier, tematisk analys, IPA.
Ren läsning (edited)
Grammatiskt korrekt, filler-ord borta, läsflöde justerat.
För: innehållsanalys, publikationer, blogginlägg från intervjuer.
Export till kvalitativ forskningsprogramvara
NVivo (QSR International)
DOCX med talarmarkering bevarad. Importera direkt via Import → Files → Documents. Talarnamn blir automatiska attribut för koddesign.
Atlas.ti
RTF eller TXT med tidsstämplar. Importera via Documents → Import Files. Tidsstämplar länkar tillbaka till ljudfilen om du importerar den också.
MAXQDA
TXT med tidsstämplar och talarmarkering. Importera via Documents → Import → Texts. Fungerar med både Standard och Analytics Pro-versionerna.
Excel / Google Sheets
CSV-export för egendesignade kodningsmatriser. Varje replik som separat rad med tid + talare + text.
Konfidentialitet och etiska överväganden
- Etikansökan (etikprövning): vissa svenska universitet kräver etikprövning för intervjustudier. Kolla med din institution innan datainsamling.
- Informerat samtycke: informanten ska veta att intervjun transkriberas + hur data lagras + rätt till radering. Standardpraxis oavsett verktyg.
- Anonymisering post-transkribering: namn, arbetsplats och andra identifierare tas bort innan analys. Vi levererar rå transkription — anonymisering är forskarens ansvar.
- Datalagring efter avslutad studie: följ din studiedesign och etikansökan. Vi raderar på begäran.
- Vi tränar inte modeller på dina data. Din intervju används endast för att generera transkriptet, aldrig som träningsdata.
- Delning med tredje part: aldrig utan uttryckligt tillstånd. Vi säljer inte data.
Precision på forskningsintervjuer (verklig data)
Precision varierar med intervjutyp. Källa: Open ASR Leaderboard + egna mätningar 2026-07-13.
| Intervjutyp | WER (verkligt) | Kommentar |
|---|---|---|
| Studioinspelning, en informant | 6-8% | Bäst fall — extremt lite manuell rättning krävs |
| Semi-strukturerad intervju, kontorsmiljö | 9-12% | 15-20 min manuell granskning per timme |
| Fältinspelning (café, hemmiljö) | 12-18% | 30-45 min manuell granskning per timme |
| Telefonintervju | 10-14% | Låg bitrate förklarar det mesta av felen |
| Fokusgrupp (4-6 personer) | 12-18% | Överlappande tal är huvudproblemet. pyannote diarisering ~85% korrekt. |
| Kraftig dialekt (bygdemål) | 15-22% | Överväg KB-Whisper lokalt — bättre på dialekt-arkiv |
Alternativ — när VexaScribe inte passar
- Scribe by Sunet — svenska universitet med Sunet-anslutning. Fri, GDPR-godkänd, byggd för akademisk användning. Kolla om din institution är ansluten.
- Whisper lokalt eller KB-Whisper — max integritet, ljudet lämnar aldrig din maskin. Kräver Python + GPU. Gratis. Se vår KB-Whisper-guide för installation.
- Mänsklig transkribering (byrå) — 8-15 kr/min i Sverige. Krav: publikationsgrad, extremt känslig innehåll, ovanliga språk/dialekter.
- Microsoft Word Transcribe — om ditt universitet har M365-avtal. Gratis inom 300 min/månad. Grundläggande talaridentifiering.
Vanliga frågor om intervju-transkribering
Är VexaScribe GDPR-kompatibelt för forskningsintervjuer?
Ja för de flesta fall. Vi hostar i EU (Frankfurt), krypterar med TLS 1.3 under transport och AES-256 i vila. Vi kan tillhandahålla ett DPA (Data Processing Agreement) på begäran. Vi tränar inte modeller på dina data. Radering på begäran. För maximalt känsligt material (patientdata, källskyddad journalistik, minderåriga) rekommenderar vi ändå att köra Whisper eller KB-Whisper lokalt på egen dator.
Var lagras mina ljudfiler?
EU-region (Frankfurt, Tyskland). Aldrig i USA. Filer krypteras med AES-256 i vila. Ljud raderas efter 30 dagar som standard, eller på begäran. Transkript kan raderas när som helst från din användarpanel.
Kan jag exportera transkriptet till NVivo/Atlas.ti/MAXQDA?
Ja. Exportformat: DOCX (för NVivo med talarmarkering bevarad), RTF (för Atlas.ti), TXT med tidsstämplar (för MAXQDA-import), och Excel för kodningsmatriser. Talaridentifiering och tidsstämplar bevaras genom exporten.
Hur exakt är talaridentifieringen med flera intervjupersoner?
pyannote 4.0 community-1 identifierar upp till 50 talare per fil. Bäst noggrannhet med 2-6 aktiva deltagare (~90-93% korrekt attribution). Faller vid överlappande tal (78-85%). Efter automatisk identifiering kan du byta namn (SPEAKER_00 → 'Anna Bergström') i editorn — det byter i hela transkriptet.
Vad kostar det för en 1-timmes intervju?
Gratisplan: 30 minuter/månad — räcker för en kort intervju. Paid: från $2/mån (200 min) till $10/mån (2500 min). En 60-minuters intervju kostar cirka $0.20-0.30 beroende på plan. Jämför med mänsklig transkriberare i Sverige: 8-15 kr/min, dvs 500-900 kr för samma intervju.
Ska jag använda verbatim eller ren läsning för min studie?
Beror på analytisk metod. Verbatim (ordagrann, inklusive 'eh', 'hmm', överlappning) krävs för samtalsanalys, diskursanalys och sociolingvistik. Ren läsning (grammatiskt korrekt, filler-ord borta) fungerar för tematisk analys, innehållsanalys och 'meaning capture'-workflows. Vår standardexport är intelligent verbatim (bevarar mening, tar bort brus); du kan justera i editorn.
Vad ska jag göra med känsliga personuppgifter (identifierbara källor)?
För journalistiska källor med skydd, patientjournaler, minderåriga eller extremt känsliga uppgifter: (1) kör Whisper eller KB-Whisper lokalt på egen dator (gratis, kräver Python + GPU), eller (2) använd Scribe by Sunet om du är på svenskt universitet/högskola. Vår kommersiella molntjänst är GDPR-kompatibel men om ljudet aldrig får lämna din maskin — kör lokalt.
Not: denna sida är inte etisk eller juridisk rådgivning. Konsultera din institutions etikprövningsnämnd och dataskyddsombud (DSO) för specifika krav på din studie.
Relaterat
Transkribera ljud
Generell ljudtranskribering för alla format och användningar
KB-Whisper förklarat
Kungliga bibliotekets svenska Whisper — självhostat för känsliga uppgifter
Vad är transkribering?
Definition, typer (verbatim vs ren läsning), AI vs mänsklig
Transkribera möte
Om intervjun är ett Teams/Meet/Zoom-möte