Norge har over 400 dialekter. Noen av dem er så forskjellige at de nesten kan regnes som egne språk. For talegjenkjenning er det en stor utfordring. De fleste dikteringsverktøy er trent på standardisert tale og gir dårlige resultater når du snakker med tydelig dialekt.
Hvis du har prøvd å diktere på bergensk, trøndersk, nordnorsk eller en annen dialekt, har du sannsynligvis opplevd det selv: ord som forsvinner, setninger som blir forvrengt, og en frustrerende mengde feil som gjør det raskere å skrive for hånd.
Norske dialekter varierer på flere nivåer samtidig: uttale, ordforråd, grammatikk og tonefall. En bergenser sier "ansen" der en østlending sier "annerledes". En nordlending bruker "kansen" der en vestlending sier "kanskje". Trøndere har apokope og korter ned ordene. Disse variasjonene gjør at en talegjenkjenningsmodell som bare har sett standardisert bokmål eller nynorsk, ikke gjenkjenner mønstrene.
Problemet er ikke begrenset til enkeltord. Dialektale setningsstrukturer, intonasjon og rytme påvirker også hvordan modellen segmenterer og tolker talen. Resultatet er at dikteringen mislykkes systematisk, ikke bare sporadisk.
Apple Dictation har norsk som støttet språk, men modellen er ikke spesifikt optimalisert for norske dialekter. Treningsdataene inneholder hovedsakelig standardisert tale, og Apple har ikke publisert informasjon om hvor mye dialektdata som er inkludert. I praksis betyr det at dikteringen fungerer greit hvis du snakker tydelig bokmålsnært, men bryter ned raskt med dialekt.
Google Cloud Speech-to-Text og andre skybaserte tjenester har samme svakhet. De er bygget for å dekke mange språk bredt, ikke for å håndtere den interne variasjonen i ett enkelt språk. Norsk er et lite språk i den sammenhengen, og dialektene får enda mindre oppmerksomhet.
Et annet problem er at mange av disse verktøyene sender talen til skyen for prosessering. Hvis du jobber med sensitive tekster, for eksempel innen helse eller juss, er det et personvernspørsmål i tillegg til et presisjonsproblemet.
NB-Whisper er utviklet av NB AI-lab ved Nasjonalbiblioteket i Norge. Modellen er trent på 66 000 timer norsk tale, hentet fra kilder som NRK, Stortinget, podcaster og andre norske lydarkiver. Disse kildene inneholder tale fra hele landet, med et bredt spekter av dialekter, aldersgrupper og talesituasjoner.
Det betyr at NB-Whisper har sett eksempler på bergensk, trøndersk, nordnorsk, sørlandsk, vestlandsk og mange andre dialekter under trening. Modellen har lært å gjenkjenne de typiske lydmønstrene i norske dialekter og koble dem til riktige ord og setninger.
I vår benchmark ga modellen 2,2 % feilrate på bokmål. For dialektbrukere er forskjellen ofte enda mer merkbar, fordi mange av feilene som generelle modeller gjør med dialekt, rett og slett ikke oppstår.
En av de mest praktiske egenskapene ved Kviskr er at du kan velge målform uavhengig av hvordan du snakker. Hvis du snakker trøndersk, men vil ha teksten på bokmål, velger du bokmål som målform. Hvis du snakker bergensk og vil ha nynorsk, velger du nynorsk.
NB-Whisper håndterer denne oversettelsen fordi modellen er trent på å koble ulike uttaleformer til riktig skriftspråk. Du trenger ikke endre måten du snakker på for at dikteringen skal fungere.
Det er en vesentlig forskjell fra verktøy som forventer at du snakker nær skriftspråket for å få gode resultater. Med Kviskr kan du snakke naturlig og la modellen gjøre jobben med å normalisere teksten.
Kviskr er bygget som push-to-talk for Mac. Du holder inne hurtigtasten, snakker, slipper, og teksten plasseres der markøren står. Det fungerer i alle apper: e-post, Slack, Word, notater, nettleseren og utviklingsverktøy.
Alt kjører lokalt på Mac-en din. Ingen lyddata sendes til skyen, og du trenger ikke internett for å diktere. For folk som jobber med pasientjournaler, klientdokumenter eller annen sensitiv informasjon, er dette ikke bare en bonus, det er et krav.
Diktering med dialekt handler ikke bare om at modellen forstår deg. Det handler om at hele arbeidsflyten er rask nok til at du faktisk bruker den. Hvis du må redigere halvparten av ordene etterpå, er det raskere å skrive. Med NB-Whisper og Kviskr er presisjonen høy nok til at diktering faktisk sparer tid, også for dialektbrukere.
Dialektutfordringen er relevant for alle som snakker norsk med tydelig dialekt og vil bruke diktering i arbeidet. Det gjelder spesielt folk i helsesektoren som dikterer journalnotater, jurister som dokumenterer samtaler, og alle som produserer mye tekst i løpet av dagen.
Det gjelder også studenter, forskere, journalister og andre som vil jobbe raskere uten å måtte tilpasse språket sitt til et verktøy. Diktering skal tilpasse seg deg, ikke omvendt.
Kviskr installeres på under et minutt. Velg hurtigtast, velg målform, og begynn å diktere på din dialekt.
Last ned DMG eller installer via Homebrew:
brew tap andyarntsen-alt/tap && brew install --cask kviskr
Klar til å diktere på din dialekt?
Last ned Kviskr gratis (beta)