Hopp til hovedinnholdet
Åpen kildekode for norsk tale

NB-Whisper: Nasjonalbibliotekets norske talegjenkjenning

NB-Whisper er en serie åpne modeller for automatisk talegjenkjenning fra Nasjonalbibliotekets KI-lab. Modellene bygger på OpenAIs Whisper, er trent videre på rundt 66 000 timer norsk tale og er gratis under Apache 2.0-lisensen. Her ser du hvilken størrelse du bør velge, hva den krever av maskinvare, og hva som mangler før den kan brukes på møter i en virksomhet.

Prøv en ferdig tjeneste gratisSnakk med ossFree er gratis, uten tidsbegrensning.

01

Hva er NB-Whisper?

NB-Whisper er Nasjonalbibliotekets norske versjon av talemodellen Whisper. Modellene gjør norsk tale om til skrevet tekst på bokmål eller nynorsk, og kan også skrive ut engelsk. De ble lagt ut på Hugging Face i februar 2024, og den største modellen er trent videre fra OpenAIs whisper-large-v3.

Ifølge modellkortet er hver modell trent i 250 000 steg på 8 millioner lydklipp à 30 sekunder, til sammen rundt 66 000 timer tale. Treningsdataene kommer fra Språkbanken og Nasjonalbibliotekets samlinger: NST-databasen, transkriberte taler fra Stortinget, undertekster fra NRK-sendinger og lydbøker.

Modellene er laget for å skrive grammatisk riktige setninger, ikke nødvendigvis ord for ord. For lingvistisk analyse finnes en egen verbatim-variant som er mer bokstavelig og skriver med små bokstaver.

02

Hvilken modellstørrelse bør du velge?

Velg Small hvis du skal kjøre på en vanlig datamaskin uten skjermkort, og Large hvis kvaliteten betyr mest og du har GPU. Nasjonalbiblioteket skriver at Tiny, Base og Small er optimalisert for CPU, mens de anbefaler GPU for Medium og Large.

Test alltid på deres egne opptak før dere bestemmer dere. Et møterom med ekko, telefonlyd og sterke dialekter gir et annet resultat enn en ren innspilling. Lag et lite testsett på ti til tjue minutter, og les resultatet mot lyden.

03

Slik kjører du NB-Whisper lokalt

Den enkleste veien er Hugging Face Transformers i Python. Modellkortet viser fremgangsmåten, og den tar noen minutter å sette opp når Python allerede er installert:

  • Installer biblioteket: pip install transformers (versjon 4.35.2 eller nyere).
  • Last modellen: asr = pipeline("automatic-speech-recognition", "NbAiLab/nb-whisper-large").
  • Transkriber med språk satt til norsk: language 'no' for bokmål, 'nn' for nynorsk.
  • Lengre filer enn 30 sekunder: sett chunk_length_s til 28. Nasjonalbiblioteket skriver at 28 sekunder gir litt bedre resultat enn 30.
  • Tidskoder: return_timestamps=True, eller "word" for tidskode per ord. num_beams=5 kan gi høyere nøyaktighet.
  • Uten Python: modellen finnes i ggml-format for whisper.cpp, også som komprimert q5_0-versjon. whisper.cpp krever WAV i 16 kHz, så konverter først med ffmpeg.

04

Hvem sa hva? Taleradskillelse er ikke innebygd

NB-Whisper skriver ut hva som blir sagt, men ikke hvem som sa det. Til møter og intervjuer trenger du derfor taleradskillelse (diarisering) i tillegg. Nasjonalbiblioteket viser til WhisperX med pyannote, som krever en Hugging Face-konto og at du godtar vilkårene for pyannote-modellene.

Navn på talerne må du legge inn selv. Skal samme person kjennes igjen i neste møte, må dere bygge eller kjøpe en løsning for det også.

05

Begrensninger du bør kjenne før drift

Modellkortet sier rett ut at modellene, særlig de minste, av og til kan hallusinere og hoppe over deler av teksten. Les derfor gjennom utskrifter som skal brukes som dokumentasjon, og kontroller navn, tall og vedtak mot lyden.

Nasjonalbiblioteket fraskriver seg ansvar for hvordan andre bruker modellene. Den som bygger en tjeneste på dem, har ansvaret for risikovurdering og for å følge regelverket for kunstig intelligens. Lisensen er Apache 2.0, men modellkortet minner om at åndsverkslovens krav til navngivelse gjelder for nedlastinger i Norge.

06

Personvern når dere kjører modellen selv

En lokal installasjon betyr at lyden ikke trenger å forlate deres egen infrastruktur. Det er hovedgrunnen til at mange offentlige virksomheter og forskningsmiljøer ser på NB-Whisper.

Ansvaret flytter likevel ikke. Opptak av møter er behandling av personopplysninger, så dere trenger behandlingsgrunnlag, informasjon til deltakerne, tilgangsstyring, sletterutiner og ofte en vurdering av personvernkonsekvenser. Med egen drift må dere også selv sørge for sikkerhetsoppdateringer, logging og reserveløsning når GPU-serveren er nede.

07

Bygge selv eller bruke en ferdig tjeneste?

NB-Whisper er et godt valg når dere har utviklere, et klart avgrenset behov og mye lyd som skal behandles i egen drift, for eksempel et arkiv med intervjuer. Modellen er gratis, og kvaliteten på norsk er god.

Skal ansatte bruke talegjenkjenning på møter hver dag, er modellen bare én del av jobben. Dere trenger opptak fra Teams og telefon, taleradskillelse, et redigeringsverktøy med avspilling, sammendrag, søk, tilgangsstyring og en databehandleravtale. Det er den delen Klang leverer, hostet i EU. I Business-planen kommer databehandleravtale, og i Enterprise-planen mulighet for privat sky eller on-premise for dem som må ha alt i egen drift.

NB-Whisper på egen server eller Klang

Sammenligningen gjelder en vanlig arbeidshverdag med møter og intervjuer, ikke ren batchtranskribering av et arkiv.

NB-Whisper på egen server eller Klang
NB-Whisper selvKlang
PrisGratis modell. Dere betaler maskinvare, drift og utviklingstid.Free er gratis. Pro 14 € per person/mnd ekskl. mva. ved årlig betaling.
SpråkNorsk (bokmål og nynorsk) og engelsk19 språk, blant dem norsk
Hvem sa hvaIkke innebygd. WhisperX og pyannote i tillegg.Talere gjennom hele transkripsjonen og taleridentifisering i Pro. I Free vises talerne bare for starten.
Teams, Google Meet og ZoomMå byggesMøteassistent som blir med som deltaker
Sammendrag og ToDosMå bygges, for eksempel med en egen språkmodellInnebygd
Fagord og navnIkke innebygdOrdlister i Pro
Drift og dataHos dereHostet i EU. Privat sky eller on-premise i Enterprise.

NB-Whisper-opplysningene er fra modellkortet på Hugging Face, lest 3. november 2026. Klang-opplysningene er fra klang.ai/no/pricing og help.klang.ai samme dag.

De fem NB-Whisper-modellene

Parametertall og maskinvareanbefaling fra Nasjonalbibliotekets modellkort. Hver størrelse finnes også i en verbatim-variant.

Tiny · 39 mill. parametre
Kjører på CPU. Raskest og minst nøyaktig. Egner seg til å teste oppsettet.
Base · 74 mill. parametre
Kjører på CPU. Et steg opp fra Tiny, fortsatt lett nok for en bærbar PC.
Small · 244 mill. parametre
Kjører på CPU. Det beste kompromisset uten skjermkort.
Medium · 769 mill. parametre
GPU anbefales. Bedre på vanskelig lyd enn de små modellene.
Large · 1 550 mill. parametre
GPU anbefales. Høyest kvalitet, trent videre fra whisper-large-v3.

Ferdig til bruk

Norsk tale til tekst, uten å drifte en GPU-server

Klang tar opp møtet, skiller talerne og skriver sammendrag med beslutninger og ToDos. Dere får redigering med avspilling, søk på tvers av samtaler og eksport til Word.

  • Møteassistent for Teams, Google Meet og Zoom
  • Mobilapp for fysiske møter
  • Privat sky og on-premise for strenge krav (Enterprise)
  • ISO 27001:2022-sertifisert, hostet i EU og aldri brukt til KI-trening

Spørsmål om NB-Whisper

Er NB-Whisper gratis å bruke?

Ja. NB-Whisper er lisensiert under Apache 2.0, som også tillater kommersiell bruk. Nasjonalbiblioteket minner om at åndsverkslovens krav til navngivelse gjelder for nedlastinger i Norge, så oppgi kilden når dere bruker modellen.

Hva er forskjellen på NB-Whisper og OpenAIs Whisper?

NB-Whisper er OpenAIs Whisper trent videre på rundt 66 000 timer norsk tale fra blant annet Stortinget, NRK og NST. Den kan skrive både bokmål og nynorsk, og er laget for å gi grammatisk riktige setninger på norsk.

Kan NB-Whisper skille mellom talere?

Nei, ikke alene. Modellen skriver ut talen, men sier ikke hvem som snakker. Nasjonalbiblioteket viser til WhisperX med pyannote for taleradskillelse. I Klang er taleradskillelse innebygd: Pro viser talerne gjennom hele transkripsjonen, Free bare for starten.

Hvilken maskinvare trenger jeg?

Tiny, Base og Small er optimalisert for vanlig prosessor (CPU). For Medium og Large anbefaler Nasjonalbiblioteket et skjermkort (GPU). Med whisper.cpp og den komprimerte q5_0-versjonen kan Large også kjøres med mindre minne.

Skriver NB-Whisper dialekt ordrett?

Nei, modellen er laget for å skrive normert bokmål eller nynorsk, ikke dialekten ord for ord. Trenger du mer bokstavelig utskrift, prøv verbatim-variantene, og test alltid med opptak fra deres egne talere.

Er det tryggere å kjøre talegjenkjenning lokalt?

Lokal drift holder lyden i egen infrastruktur, men personvernansvaret er det samme. Dere trenger behandlingsgrunnlag, tilgangsstyring og sletterutiner, og må selv drifte og sikre serveren. Klang behandler data i EU og tilbyr privat sky og on-premise for virksomheter med strenge krav.

Kilder

Lest 3. november 2026.