Det viktigaste
Leta efter en transkribering innan du letar efter hörlurar. WhatsApp kan transkribera röstmeddelanden direkt i telefonen, när funktionen är påslagen i chattinställningarna och språkpaketet har laddats ner – men om du har tillgång till den alls beror på din telefon, din operativsystemsversion och vilket språk det gäller. Telegrams version är en premiumfunktion och kvaliteten varierar kraftigt mellan olika språk. Båda är läshjälpmedel. Om du behöver spara, agera på eller vidarebefordra meddelandet – exportera ljudet och transkribera det ordentligt.
Röstmeddelandet kommer alltid i fel ögonblick. Du är fyra minuter in i ett möte, står i en tyst tågvagn, eller barnet har äntligen somnat i rummet bredvid och telefonen är på ljudlöst av goda skäl. Någon har skickat dig femtioåtta sekunder tal och du har ingen aning om vad det handlar om.
Det finns två svar, och det är bra att veta vilket du behöver innan du börjar trycka runt. Oftast vill du bara ha kärnan direkt, och din telefon kan redan klara det åt dig. Ibland innehåller meddelandet något du behöver senare, och det är en helt annan uppgift som kräver ett annat verktyg.
Kolla först om transkriberingen redan finns där
Innan du letar efter något annat, se om appen du är i redan kan ge dig text. Både WhatsApp och Telegram klarar det, under vissa förutsättningar, och om du råkar uppfylla dem tar hela problemet ungefär fem sekunder att lösa.
Om ingenting dyker upp, lägg inte mötet på att leta i menyer. Antingen är funktionen inte tillgänglig för dig, eller så måste den ställas in, och inget av det är något du vill göra med en tumme under bordet. Hoppa vidare: stäng av notisen och ta hand om det senare.
WhatsApps transkribering – och varför du kanske inte har den
WhatsApp har lagt till egen transkribering av röstmeddelanden, och den körs i telefonen istället för på en server någonstans. Du slår på den i WhatsApps chattinställningar, och första gången du använder funktionen laddas språkpaketet ner innan något händer, så den allra första transkriberingen tar längre tid än alla efterföljande.
Det knepiga är tillgängligheten. Om funktionen finns för dig beror på din telefon, vilken version av operativsystemet den kör och vilket språk du vill transkribera. De tre faktorerna kombineras på sätt appen inte förklarar. En kollega kan visa dig alternativet på sin skärm medan din helt enkelt saknar det, utan något meddelande i appen som förklarar varför. Om du har kollat i chattinställningarna och det inte finns där, är det ditt svar för stunden. Du har inte gjort något fel.
Eftersom den körs på enheten, stannar transkriberingen på enheten. Det är bra för integriteten och dåligt för allt annat du kanske vill göra med texten.
Telegram – och språkproblemet
Telegram transkriberar också röstmeddelanden, men det ingår i premiumprenumerationen. Betalar du inte, får du inte funktionen.
Om du betalar, förvänta dig att kvaliteten beror kraftigt på vilket språk meddelandet är på. Vissa språk blir så rena att du kan skumma dem. Andra kommer tillbaka som något du måste pussla ihop utifrån sammanhanget, vilket tar längre tid än att bara lyssna hade gjort. Det finns inget sätt att veta vilket läge du hamnar i förutom att testa på ett meddelande du också kan kontrollera genom att lyssna, en gång, och se hur nära det kom.
Att läsa är tystare än att lyssna
Lägg träffsäkerheten åt sidan ett ögonblick. Det finns ett socialt skäl att föredra text som inte har något att göra med hur bra transkriberingen är.
Att lyfta telefonen till örat under ett möte syns. Det gör även en diskret vinklad högtalare, och det gör att fiska upp en enda hörlur ur fickan. Att kasta en blick på text på skärmen syns inte. Alla i rummet utgår redan från att du ibland tittar på telefonen. Att läsa tre rader av en transkribering ryms inom det antagandet; att spela upp ljud gör det inte.
Samma gäller åt andra hållet, i en lägenhet med ett sovande barn eller ett delat kontor där ljud sprider sig. En transkribering behöver inga hörlurar, ingen volym och du behöver inte lämna rummet. Även en ofullständig sådan berättar oftast om meddelandet kan vänta en timme.
När du behöver mer än ett läshjälpmedel
En inbyggd transkribering är exakt det: ett läshjälpmedel. Du kan titta på den. Du kan i regel inte exportera den snyggt, du kan inte söka i alla dina chattar efter en fras någon sa i ett röstmeddelande i mars, och du kan inte rätta ett felaktigt ord så att rättelsen sitter kvar. Det är text på en skärm, inte ett dokument du äger.
För de flesta meddelanden räcker det gott. Någon skrev att de är sena. Du läser det, du vet, du går vidare. Men vissa röstmeddelanden innehåller saker du behöver igen: en adress, ett beslut, en instruktion, ett pris någon kom överens om muntligt. För dem är rätt drag att spara ljudet från chatten och transkribera det ordentligt, vilket ger dig en textfil gjord av ljudet som du kan redigera, söka i, klistra in i ett mejl och skicka vidare till någon som inte var med i samtalet.
Det är jobbet transkriberingsappen SozAI gör: ljud- och videofiler omvandlas till text med talaretiketter, sammanfattningar och översättning på 99+ språk, vilket spelar roll när röstmeddelandet inte är på det språk telefonen är inställd på. Den fungerar på iOS, Android och macOS, så du kan göra det från samma telefon meddelandet kom till. Det är fler steg än att trycka på en transkribering i chatten, och för ett meddelande som säger ”är på väg” vore det slöseri med din tid.
Var dessa transkriberingar brister
Inbyggd transkribering är svagast just på de delar av ett meddelande som gjorde det värt att läsa. Namn kommer tillbaka förvrängda, särskilt namn telefonen aldrig sett förut. Platsnamn byts ut mot vanliga ord som låter liknande. Siffror är opålitliga på ett sätt som är genuint riskabelt, eftersom en felaktig siffra fortfarande läser som en trovärdig mening utan att något signalerar att den är fel. Om meddelandet innehåller ett telefonnummer, en dörrkod, en flygtid eller ett belopp, behandla transkriberingen som en fingervisning och lyssna på den delen själv när du kan.
Den andra pålitliga svagheten är språk. Allt som inte är telefonens eget språk kommer tillbaka sämre, och ett meddelande som växlar mellan två språk mitt i en mening – vilket är hur många faktiskt pratar – tenderar att bli sämst av allt.
Vad dessa transkriberingar är bra på är sortering. Är det akut. Handlar det om det jag tror. Kan det vänta tills jag är härifrån. De besvarar dessa frågor bra, och de gör det tyst, vilket är hela poängen när du inte kan spela upp ljudet. Agera bara inte på en specifik detalj du bara läst, utan att ha hört den, när att få detaljen fel skulle kosta dig något.
