Sist oppdatert 16. juli 2026

NB-Whisper: den norske talemodellen forklart

Modellen som gjorde norsk tale-til-tekst brukbar. Hva den er, hvem som lagde den, hvor god den faktisk er, og hvordan du tar den i bruk.

Hva er NB-Whisper?

NB-Whisper er en talegjenkjenningsmodell for norsk, laget av Nasjonalbibliotekets AI-lab. Den bygger på OpenAI Whisper, men er trent videre på rundt 66 000 timer norsk tale. Resultatet er 2,2 % ordfeil på bokmål i NST-datasettet, mot 6,8 % for OpenAI Whisper Large-v3. Modellene er åpent tilgjengelige og kjører lokalt på egen maskin.

Whisper var allerede god på engelsk, men merkbart svakere på norsk: fagord, navn og dialekter ble ofte feil. Nasjonalbiblioteket sitter på en av verdens største samlinger av norsk tale med tekst, og brukte den til å lære modellen norsk skikkelig. Arbeidet er dokumentert i et eget forskningspaper (arXiv 2402.01917).

Hvor god er NB-Whisper på norsk?

NB-Whisper large gjør 2,2 % ordfeil på bokmål i NST-datasettet og 6,6 % i Fleurs, mot 6,8 % og 10,4 % for OpenAI Whisper Large-v3, ifølge NB-Whisper-paperet. På Kviskrs egen rettebenk, rundt 35 fasit-merkede diktater fra reell diktering, målte verbatim-varianten 3,5 % ordfeil i juni 2026.

Tallene under er Word Error Rate (WER): andelen ord modellen skriver feil. Lavere er bedre. De to første radene er publiserte tall fra NB-Whisper-paperet; den siste er Kviskrs egen måling på reell diktering.

Kviskr-tallet er målt på rundt 35 fasit-merkede diktater med vanlig mikrofon, altså tale slik den faktisk høres ut i arbeidshverdagen, ikke opplest studiotale. Hele metoden, med forbehold, står på metodesiden. Datasett-tall og dikterings-tall kan ikke sammenlignes direkte, men begge peker samme vei: på norsk er NB-Whisper i en klasse for seg.

Hvem står bak?

Nasjonalbibliotekets AI-lab utvikler språkmodeller for norsk basert på bibliotekets samlinger. NB-Whisper-modellene publiseres åpent på Hugging Face under NbAiLab, i størrelser fra tiny til large, med egne verbatim-varianter som skriver mer ordrett. Kviskr er ikke tilknyttet eller støttet av Nasjonalbiblioteket; vi bygger bare på modellene de har gjort tilgjengelige, og synes de fortjener mer oppmerksomhet.

Slik kjører du NB-Whisper selv

Er du utvikler, er den raskeste veien Python og transformers:

from transformers import pipeline

asr = pipeline(
    "automatic-speech-recognition",
    model="NbAiLab/nb-whisper-large",
)
print(asr(
    "opptak.mp3",
    chunk_length_s=28,
    generate_kwargs={"task": "transcribe", "language": "no", "num_beams": 5},
)["text"])

Nasjonalbiblioteket anbefaler selv chunk_length_s=28 og beam 5 for best treffsikkerhet; det er også slik Kviskr kjører modellen. Vil du ha lav latens på Mac, er whisper.cpp veien: konverter modellen til GGML-format og kvantiser den (for eksempel q5_0), så kjører large-modellen komfortabelt på Apple Silicon med Metal. Det er nøyaktig slik Kviskr kjører den. Velg verbatim-variantene om du skal diktere; standardmodellene er trent mot undertekstlignende tekst og kan omformulere lett.

Den enkleste måten: en ferdig app

Vil du bare bruke NB-Whisper, ikke bygge med den, finnes det en ferdig vei: Kviskr er en Mac-app bygget rundt NB-Whisper. Hold en tast, snakk norsk, slipp, og teksten lander der markøren står, i hvilken som helst app. Talemodellen følger med, alt kjører lokalt, og det er gratis i tidlig tilgang.

Spørsmål og svar

Les også: metoden bak tallene, NB-Whisper mot Apple-diktering og lokal transkribering av lydfiler.