Otter AI, Whisper og norske AI-stemmer: tale til tekst og tekst til tale for bedrifter

Otter AI kan ikke skrive ut norsk tale. Tjenesten støtter bare engelsk, spansk, fransk, tysk, japansk og kinesisk. Skal du gjøre norsk tale om til tekst, er NB-Whisper fra Nasjonalbiblioteket, OpenAIs transkripsjonsmodeller og Teams bedre valg. Trenger du tekst til tale på norsk, gir Microsofts nevrale stemmer og ElevenLabs naturlige resultater. Tar du opp møter, må deltakerne få informasjon etter GDPR.

Kan Otter AI skrive ut norsk tale?

Nei. Otter oppgir på sin egen side om støttede språk (oppdatert mai 2026) at verktøyet bare støtter engelsk, spansk, fransk, tysk, japansk og forenklet kinesisk. Et norsk møte blir enten ikke skrevet ut, eller du får engelske ord som ikke henger sammen.

Mange nordmenn blir likevel anbefalt Otter, og det har en forklaring. På engelsk er verktøyet sterkt. Otter melder seg selv inn i Zoom-, Teams- og Meet-møter fra kalenderen din, skiller mellom talere og lar deg søke og stille spørsmål på tvers av alle møtene. Otter skriver også at det takler skandinavisk aksent. For en bedrift som har mange engelskspråklige kundemøter eller jobber mye med utenlandske leverandører, kan Otter derfor fungere godt. Du må bare velge språk før møtet starter, fordi verktøyet skriver ut ett språk om gangen. Det eneste unntaket Otter dokumenterer er fransk og engelsk i samme samtale.

Det vi ser oftest, er bedrifter som betaler for Otter etter et engelskspråklig webinar og så oppdager at halve møtekalenderen deres er på norsk. Prøv derfor først med et norsk opptak fra deres egen hverdag før dere kjøper. Det gjelder uansett hvilket verktøy dere vurderer.

Hvilke verktøy fungerer for tale til tekst på norsk?

For norsk tale til tekst er det modeller trent på norske data som gir best resultat. I praksis betyr det NB-Whisper eller tjenester som er bygget på den, OpenAIs transkripsjonsmodeller, og funksjonene som allerede ligger i Microsoft 365. Hva som passer best, avhenger av om du skriver ut møter, intervjuer eller diktat.

Tale til tekst på norsk: hva passer til hva

• Verktøy | Norsk | Typisk bruk | Merk deg
• Otter AI | Nei | Engelske møter, notater fra kalenderen | Seks språk, du velger språk før møtet
• NB-Whisper (Nasjonalbiblioteket) | Ja, også dialekter | Intervjuer, arkiv, kjøring lokalt | Gratis og åpen. Krever teknisk oppsett eller en tjeneste bygget på den
• OpenAI gpt-transcribe / Whisper API | Ja | Integrasjoner, store mengder lydfiler | Du betaler per minutt. whisper-1 fjernes i februar 2027
• Microsoft Teams / Word Dikter | Ja | Interne møter, diktat | Lisensen har dere ofte allerede
• Diktering på mobilen (iOS/Android) | Ja | Korte notater og meldinger | Ikke laget for møter med flere talere

Whisper AI og NB-Whisper: hva er forskjellen?

Whisper er OpenAIs åpne modell for talegjenkjenning. NB-Whisper er Nasjonalbibliotekets videretrente utgave. Ifølge Nasjonalbibliotekets egen pressemelding forstår NB-Whisper norsk tale og dialekter bedre enn tilsvarende programmer, og alle kan bruke den. Modellene ligger åpent på Hugging Face. Siden du kan kjøre dem på egne maskiner, trenger ikke lyden å forlate bedriften. Det er det sterkeste personvernargumentet som finnes på dette området.

En detalj de færreste får med seg: Språkrådet skriver at NB-Whisper lager normalisert bokmål eller nynorsk. Bergensk eller trøndersk blir altså skrevet om til standard skriftspråk. Til referater er det en fordel. Skal du derimot sitere noen ordrett, for eksempel i et journalistisk intervju eller i en sak der eksakt ordlyd betyr noe, må du lytte gjennom selv. På samme side lenker Språkrådet også til Nasjonalbibliotekets rapport om norsk talegjenkjenning fra 2024, som sammenligner hvor godt ulike systemer skriver ut norsk.

Vil du se hvordan talegjenkjenning henger sammen med resten av KI-feltet, forklarer vi grunnprinsippene i artikkelen om hva generativ AI er.

Hva koster tale til tekst?

Bruker du API-et direkte, koster maskinell utskrift noen få kroner per time lyd. Abonnementstjenester koster mer, men gir deg også brukergrensesnitt, oversikt over hvem som snakker, og referater. Vi anbefaler at du regner på hvor mange timer dere faktisk skriver ut i måneden før dere velger mellom abonnement og API.

Ifølge en prisoversikt fra Cartesia (oktober 2026) koster OpenAIs nye modell for lydfiler, gpt-transcribe, 0,0045 dollar per minutt, altså 0,27 dollar i timen. Sanntidsutskrift koster 0,017 dollar per minutt, nesten fire ganger så mye. Mange bygger sanntidsutskrift inn i løsninger der en vanlig lydfil hadde holdt. Trenger du ikke teksten mens folk snakker, kan du laste opp opptaket etterpå og betale en fjerdedel.

Samme oversikt viser at OpenAI 26. august 2026 avviklet whisper-1, gpt-4o-transcribe, gpt-4o-mini-transcribe og gpt-4o-transcribe-diarize. De skal fjernes fra API-et 26. februar 2027. Har dere en integrasjon, et skript eller en bestilt løsning som kaller whisper-1, kommer den til å slutte å virke da. Be leverandøren bekrefte skriftlig at de bytter modell før fristen. Dette er typisk arbeid som hører hjemme i en plan for ai automatisering, ikke noe én ansatt løser på egen hånd.

• Gratis: NB-Whisper på egen maskin (du betaler med tid og maskinvare) og diktering på mobilen.
• Lav og forutsigbar kostnad: OpenAIs API, der du betaler per minutt uten månedsavgift.
• Lisens dere allerede har: utskrift i Teams og Word, hvis dere har Microsoft 365.
• Abonnement per bruker: Otter og lignende verktøy for møtenotater. Sjekk prisen på leverandørens egen prisside, siden den endres jevnlig og oppgis i dollar.

Hvilke norske AI-stemmer finnes for tekst til tale?

Tekst til tale på norsk holder i dag god nok kvalitet til opplesning av artikler, telefonmenyer, opplæringsvideoer og kundeservice. Microsoft Azure har nevrale norske stemmer, og ElevenLabs har norsk i sine flerspråklige modeller. Det som avgjør valget, er hvor du skal bruke stemmen og om du trenger API-tilgang.

Microsoft oppgir sine norske bokmålsstemmer i oversikten over språkstøtte for Azure Speech. Utviklere kjenner dem som nb-NO-PernilleNeural, nb-NO-FinnNeural og nb-NO-IselinNeural. Med SSML, en enkel kodeform for styring av tale, kan du justere tempo og pauser og bestemme uttalen av produktnavn som ellers blir lest feil. Sett opp en uttaleliste for merkenavn og forkortelser fra første dag. Det er nesten alltid der en norsk AI-stemme høres kunstig ut.

ElevenLabs er best kjent for kloning av stemmer: du laster opp et opptak av en person, og verktøyet lager en AI-stemme som ligner. Det er nyttig hvis daglig leder skal lese inn 40 opplæringsvideoer. Men da behandler du en stemme som er en personopplysning, og du må ha skriftlig samtykke fra personen. Vi fraråder å klone stemmen til en ansatt uten en avtale som også sier hva som skjer med stemmen hvis vedkommende slutter.

Gratis tekst til tale på norsk

Trenger du bare å få tekst lest opp, har du sannsynligvis allerede et gratis verktøy. Microsoft Edge har «Les høyt» med de samme nevrale norske stemmene som Azure. iPhone og iPad kan lese opp skjermen med norsk stemme hvis du slår det på under tilgjengelighetsinnstillingene. Det holder til korrekturlesing og egen bruk. Til en publisert video eller reklame bør du bruke en tjeneste med en kommersiell lisens som er tydelig formulert. Sjekk vilkårene i gratisversjonene, fordi de ofte ikke tillater kommersiell bruk.

Kan ChatGPT lage en tale?

Ja, på to måter. ChatGPT kan skrive manuset til en tale, for eksempel til et bryllup, en jubileumsmiddag eller et kundearrangement. Den kan også lese tekst høyt og snakke norsk i talemodus. Manuset bør du skrive om med egne historier, fordi tekster fra språkmodeller lett blir generiske. Vi går nærmere inn på hva verktøyet kan i artikkelen om ChatGPT. Er du usikker på hvilken modell som passer til hvilken oppgave, har vi også sammenlignet hvilken AI som er best.

Hva sier loven om møteopptak, utskrift og AI-stemmer?

Lydopptak av samtaler er behandling av personopplysninger. Du trenger rettslig grunnlag, du må informere de som blir tatt opp, og du må slette opptaket når formålet er oppfylt. Datatilsynets veiledning om lydopptak slår fast at selv hvordan en stemme høres ut kan være en personopplysning, og at opptak regnes som en inngripende form for behandling.

Ifølge Datatilsynet skal de som blir tatt opp blant annet få vite hvem som er ansvarlig, hva formålet og det rettslige grunnlaget er, hvem opplysningene deles med, hvor lenge de lagres og hvilke rettigheter de har. I arbeidslivet er hovedregelen at du informerer og ber om samtykke før opptak. Tilsynet påpeker også at du bør sjekke at leverandøren ikke lagrer eller bruker dataene i strid med norske regler, og at både lydfilen og teksten har faste rutiner for sletting.

Her er fallgruven med møteassistenter som melder seg inn fra kalenderen: Opptak av samtaler mellom andre er forbudt etter straffeloven § 205. At du selv deltar i samtalen, er det som gjør opptaket lovlig etter straffeloven. Lar du en bot ta opp et møte du ikke selv er med i, og deltakerne ikke er tydelig informert, beveger du deg utenfor den trygge sonen. Slå av automatisk påmelding, og bestem selv hvilke møter som skal tas opp.

Bruker dere amerikanske skytjenester, skal de også stå i personvernerklæringen deres, og dere trenger en databehandleravtale. Lager dere syntetiske stemmer som kan forveksles med ekte personer, kommer i tillegg åpenhetskravene i EUs KI-forordning inn. Status for Norge forklarer vi i artikkelen om AI Act i Norge.

Slik kommer du i gang med tale til tekst i bedriften

Start med ett konkret behov, test på deres egne opptak og lag rutinene for personvern før dere tar verktøyet i bruk i hele bedriften. Rekkefølgen under sparer både penger og arbeid med å rydde opp etterpå.

• 1. Velg ett bruksområde, for eksempel referater fra interne møter, intervjuer eller teksting av video.
• 2. Ta opp 10 minutter med ekte norsk lyd fra hverdagen deres, med dialekter, bakgrunnsstøy og folk som avbryter hverandre.
• 3. Kjør det samme opptaket gjennom 2–3 verktøy (for eksempel Teams, en NB-Whisper-tjeneste og OpenAIs API) og tell feilene i navn og fagord.
• 4. Sjekk hvor dataene lagres, om leverandøren trener egne modeller på dem, og om dere kan få en databehandleravtale.
• 5. Skriv en kort rutine: hvilke møter som kan tas opp, hvordan deltakerne informeres og hvor mange dager opptak og tekst lagres.
• 6. Slå av automatisk påmelding av møteboter, og gi tilgang til én pilotgruppe først.
• 7. Mål tidsbruken på referater før og etter i fire uker, og bestem deretter om dere skal utvide.

Når tale til tekst ikke er riktig løsning

Tale til tekst passer dårlig når samtalen er sensitiv, når ordlyden må være juridisk eksakt, eller når det tar lengre tid å rette teksten enn å skrive et kort referat selv. Vårt råd er å la være å ta opp i slike tilfeller, i stedet for å håpe at sletterutinen fungerer.

• Medarbeidersamtaler, personalsaker og konflikter. Opptak endrer hva folk tør å si, og opplysningene blir ofte sensitive.
• Avtaleforhandlinger der eksakt ordlyd har rettslig betydning. Normalisert tekst er ikke et ordrett referat.
• Små team med korte møter. Et referat på fem punkter skrevet for hånd går raskere enn å kvalitetssikre en hel utskrift.
• Møter med eksterne som ikke har fått informasjon på forhånd.
• Når ingen eier rutinen for sletting. Da hoper det seg opp et søkbart arkiv over alt de ansatte har sagt.

Tekst til tale passer heller ikke alltid. En AI-stemme på en telefonmeny kan irritere kunder som helst vil snakke med et menneske. Vurder heller en tekstbasert chatbot eller en enkel tilbakeringingsfunksjon. Gratis høytlesing løser ikke kravene til universell utforming på nettstedet deres. Automatisk utskrift kan derimot gi et godt utkast til teksting av video, så lenge noen leser korrektur.

Hvordan gjør utskrifter innholdet synlig i AI-søk?

Når dere skriver ut lyd og video, blir kunnskapen lesbar for Google og AI-svar. Søkemotorer og AI-oversikter siterer tekst, ikke det som blir sagt i en video. En podkastepisode, et webinar eller en kundeforklaring på video som også publiseres som redigert tekst, kan bli sitert i AI-oversikter og AI-modus i Google.

Ifølge SparkToro (2024) ender over 58 % av Google-søk nå uten klikk til noen nettside — svaret gis direkte i søkeresultatet.

Ender flertallet av søk uten klikk, gjelder det å være kilden svaret hentes fra. Et webinar på en time gir ofte råmateriale til flere artikler eller svar på vanlige spørsmål. Les hvordan Googles AI-søk velger kilder, og bruk utskriften som utkast, ikke som ferdig tekst. Rå utskrift med «eh» og halve setninger hjelper verken leserne eller rangeringen. Flere konkrete måter å ta i bruk slike verktøy på finner du i oversikten over AI-verktøy og i guiden til hvordan du bruker kunstig intelligens i hverdagen. Trenger dere hjelp med integrasjon, valg av leverandør eller personvernoppsett, jobber vi med dette i teknologi og AI.