Transkribera ljud i Vibe
På denna sida
Uppdatering 2 november 2026 — Le Chat är nu Vibe. Sedan den 28 maj 2026 har Le Chat bytt namn till Vibe (fortfarande på chat.mistral.ai): en enda agent för arbete och kod som behåller dina konversationer, inställningar och prenumerationer. Den äldre versionen av Le Chat finns kvar i läget Chat; i läget Work har agenter blivit färdigheter (anropas med
@), minnen har blivit kunskapsbasen och djupgående research är nu färdigheten Deep Research. Abonnemangen heter nu Mistral Free, Pro, Team och Enterprise. I denna lektion använder vi namnet Vibe; vissa menyer som beskrivs här kan ha bytt namn eller plats.
Gör om inspelningar till text
Har du en röstinspelning från ett möte, en föreläsning, en podd eller en intervju? Mistral Vibe kan omvandla den till skriven text på några sekunder med hjälp av Voxtral. Du behöver inte lyssna igenom 45 minuters ljud bara för att hitta ett enda stycke – transkriberingen ger dig allt svart på vitt, vilket gör innehållet sökbart, kopierbart och användbart. Denna lektion täcker själva proceduren, men framför allt vad du kan göra när du väl har transkriberingen, för det är där den verkliga produktivitetsvinsten ligger.
Så här transkriberar du en ljudfil
Processen är enkel och identisk med att ladda upp en bild:
- Öppna Vibe på chat.mistral.ai
- Ladda upp din ljudfil via fästknappen (gem) eller genom att dra och släppa
- Lägg till din instruktion: “Transkribera detta ljud” eller en mer specifik begäran
- Skicka – transkriberingen visas inom några sekunder
När det gäller format accepterar Vibe de vanligaste: MP3, det mest spridda formatet; WAV, högsta kvalitet men större filer; M4A, Apples format som är mycket vanligt på iPhones – om du spelar in dina möten med appen Voice Memos är det detta du får; öppna format som OGG och FLAC; samt WebM, som ofta skapas vid inspelningar direkt i webbläsaren. Maximal längd beror på modellen, men inspelningar som varar i flera tiotals minuter fungerar utan problem. För mycket långa filer, över en timme, kan det vara klokt att dela upp dem i segment.
Mer än bara transkribering
Styrkan med Voxtral i Vibe är att transkriberingen bara är en startpunkt. Eftersom samma assistent hanterar både ljud- och textresonemang kan du kedja ihop transkribering och analys i en enda begäran.
Det vanligaste fallet är automatisk sammanfattning: “Transkribera detta ljud och sammanfatta det i 5 punkter.” Modellen transkriberar först och syntetiserar sedan huvudidéerna – idealiskt för långa möten där du bara vill behålla det väsentliga. En mer operativ variant är extrahering av åtgärder: “Transkribera denna mötesinspelning och lista de överenskomna åtgärderna med ansvarig för varje åtgärd.” Modellen identifierar gjorda åtaganden, fattade beslut och nämnda ansvariga parter, vilket ger dig direkt den uppföljningslista som annars hade tagit tjugo minuter att återskapa.
Översättning fungerar lika naturligt: “Transkribera detta ljud på franska och översätt det till engelska” ger dig båda versionerna i en enda begäran, eftersom Vibe hanterar både transkribering och översättning. Slutligen kommer omformulering till stor nytta i vardagen: “Transkribera detta röstmeddelande och skriv om det mer formellt för ett e-postmeddelande” gör om ett informellt röstmeddelande – uttänkt högt, med sina tvekan – till professionell skriftlig kommunikation redo att skickas.
Transkriberingskvalitet
Flera faktorer påverkar resultatets kvalitet, och att känna till dem sparar dig för besvikelser. Först och främst inspelningens kvalitet: en duglig mikrofon och en tyst miljö ger bäst resultat – en inspelning gjord i andra änden av ett ekande rum blir oundvikligen mindre exakt. Därefter spelar det talade språket roll: de 13 supported språken, inklusive franska, engelska, spanska och tyska, erbjuder utmärkt noggrannhet. Talhastigheten spelar också in: normal hastighet hanteras väl, men mycket snabbt tal eller överlappningar – två personer som pratar samtidigt – kan minska noggrannheten. När det gäller teknisk terminologi transkriberas vanliga termer väl, men mycket specialiserade akronymer från ett specifikt område kan kräva manuell korrigering.
En notering om diarisering: om din inspelning innehåller flera personer kan modellen identifiera talare och tillskriva varje passage rätt person. Du får då en transkribering strukturerad som en dialog – “Talare 1: Hej, låt oss starta mötet. Talare 2: Okej, här är projektuppdateringen.” Denna funktion är särskilt värdefull för mötesprotokoll och intervjuer, där vetskapen om vem som sa vad är lika viktig som vad som sades.
Användningsområden i vardagen
Situationerna där transkribering kommer till nytta är oändliga. Vid möten: spela in med din telefon, ladda upp till Vibe och få en strukturerad sammanfattning. För en kurs eller konferens: gör om en föreläsning till skrivna anteckningar som du kan granska och annotera. För en podd: gör transkriberingen sökbar och tillgänglig för personer som föredrar att läsa. Ett långt röstmeddelande på WhatsApp blir till text du kan ögna igenom. Och för en intervju får du en exakt transkribering redo att citeras i dina artiklar eller rapporter.
Bästa praxis
Fyra vanor att införa. Ange språket om ljudet inte är på franska – “Transkribera detta ljud på engelska” – för att undvika tvetydighet. Begär ett format som passar ditt användningsområde: “Transkribera med stycken” för text att läsa, “Transkribera som en dialog” för ett samtal. Kombinera begäranden i en enda instruktion – “Transkribera, sammanfatta och lista de 3 viktigaste punkterna” – istället för att gå fram och tillbaka. Och verifiera alltid egennamn: detta är svaghetspunkten hos alla automatiska transkriberingar, och namn på personer, företag eller obskyra platser kan stavas fel utan någon varning.
Viktiga punkter
- Ladda upp en ljudfil till Vibe precis som du skulle göra med en bild
- MP3, WAV, M4A och andra format stöds
- Transkribering kan följas av en sammanfattning, översättning eller extrahering av åtgärder
- Diarisering identifierar automatiskt olika talare
- Verifiera alltid egennamn och tekniska termer i transkriberingen