Whisper-alternativ: när egen Whisper räcker och när den inte gör det
Whisper är gratis, kör på din egen dator och har med KB-Whisper blivit riktigt bra på svenska. Ändå letar många efter ett alternativ efter första veckan. Här är vad Whisper, KB-Whisper och MacWhisper faktiskt är, vad de saknar och när en färdig tjänst som Klang sparar mer tid än den kostar.
01
Vad Whisper är, och vad det inte är
Whisper är en taligenkänningsmodell som OpenAI släppte som öppen källkod i september 2022, under MIT-licens. Det är en modell, inte ett program. Du kör den från kommandoraden eller i egen Python-kod, med ffmpeg installerat, och får tillbaka text med tidsstämplar.
Modellen finns i flera storlekar, från tiny till large. Ju större modell, desto bättre resultat och desto mer kraft krävs: enligt OpenAI behöver large ungefär 10 GB grafikminne och den snabbare turbo-varianten ungefär 6 GB. De minsta modellerna går att köra på en vanlig laptop, men de gör betydligt fler fel på svenska.
Två saker är bra att veta innan du bygger ett arbetsflöde på Whisper. Modellen skiljer inte talare åt: du får en lång text utan information om vem som sa vad. Och OpenAI varnar själva i modellbeskrivningen för att den ibland skriver text som aldrig sades, särskilt i tysta eller brusiga partier.
02
KB-Whisper: Whisper tränad på svenska
KB-Whisper är Kungliga bibliotekets vidareutveckling av Whisper, framtagen av KBLab och publicerad i början av 2025. Modellerna är tränade på mer än 50 000 timmar svenskt tal och finns fritt på Hugging Face under Apache 2.0-licens, i samma storlekar som originalet.
Enligt KBLabs egna mätningar ger den största modellen i snitt 47 procent lägre ordfelfrekvens än OpenAI:s whisper-large-v3 på svenska testdata. Skillnaden är störst för de små modellerna, vilket gör KB-Whisper till det självklara valet om du ändå ska köra Whisper lokalt på svenska ljud.
Siffrorna på modellsidan visar hur stor skillnaden är. På testsamlingen FLEURS har KB-Whisper small 7,3 procent ordfel mot 20,6 procent för OpenAI:s small, och KB-Whisper large 5,4 procent mot 7,8 procent för whisper-large-v3. Det betyder att en mellanstor KB-Whisper-modell på en vanlig dator kan slå OpenAI:s största modell på svenska.
Sedan maj 2025 finns två varianter utöver standardmodellen: strict, som skriver ut talet mer ordagrant, och subtitle, som komprimerar texten som en undertext. Välj strict för intervjuer du ska citera och subtitle för undertexter.
Men KB-Whisper är fortfarande en modell. Installationen, hårdvaran, talaruppdelningen och allt som händer efter texten är ditt ansvar.
03
Så kör du KB-Whisper på din dator
KBLab publicerar modellerna i flera format, så du kan välja verktyg efter vilken dator du har. Det här är de vanligaste vägarna, enligt KBLabs modellsida:
- Utan grafikkort, till exempel på en Mac eller en vanlig laptop: whisper.cpp. Bygg programmet, ladda ner en färdig kvantiserad KB-Whisper-fil i GGML-format från modellsidan och kör den på din ljudfil från kommandoraden.
- Med ett Nvidia-grafikkort: faster-whisper i Python. Ladda modellen KBLab/kb-whisper-large och transkribera filen. KBLabs exempel kör den med float16 på grafikkortet och med condition_on_previous_text avstängt.
- Med tidsstämplar per ord: WhisperX, där KBLab parar KB-Whisper med sin svenska wav2vec2-modell för att justera tidsstämplarna.
- I egen kod: Hugging Face Transformers med språket satt till svenska och ljudet uppdelat i bitar om 30 sekunder.
- Välj storlek efter dator och tålamod: small eller medium för en vanlig laptop, large när du har ett grafikkort och vill ha färre fel.
04
MacWhisper: Whisper med ett gränssnitt
MacWhisper är en Mac-app som lägger ett vanligt gränssnitt ovanpå Whisper och andra modeller. Du drar in en fil, väljer modell och får texten, utan kommandorad. Transkriberingen kan ske helt lokalt på datorn, appen kan märka upp talare och spela in möten utan att en bot ansluter, och du exporterar till bland annat SRT, VTT och Word.
Det finns en gratisversion och en Pro-licens som köps en gång; den 14 november 2026 kostade Pro 64 euro enligt macwhisper.com. Appen låter dig också koppla in egna API-nycklar till AI-tjänster som OpenAI, Anthropic och Google. För en enskild Mac-användare som vill ha ljudet kvar på sin egen dator är MacWhisper ett starkt val.
Begränsningarna syns när fler ska vara med. Appen finns för Mac men inte för Windows, och transkriptionerna ligger på den enskilda datorn i stället för på ett gemensamt ställe för teamet. Har ni en blandning av Mac och Windows behöver ni ett annat verktyg för hälften av kollegorna.
05
Varför team byter från Whisper
Skälen till att lämna en fungerande Whisper-installation är sällan textkvaliteten. Det är allt runt omkring:
- Installation och underhåll: Python, ffmpeg, drivrutiner och modellversioner. Den som satte upp det blir support för alla andra.
- Hårdvaran: en timmes intervju med en stor modell tar lång tid utan en kraftfull grafikprocessor, och kollegornas laptops har sällan en.
- Vem sa vad: utan talaridentifiering får du rekonstruera samtalet själv, rad för rad.
- Efter texten: Whisper ger dig rå text. Sammanfattning, beslut, ToDos och frågor över tjugo intervjuer får du bygga själv.
- Möten: Whisper ansluter inte till Teams, Google Meet eller Zoom. Någon måste spela in, spara filen och köra den.
- Delning: transkriptionerna hamnar i en mapp på en dator, inte där teamet kan söka i dem.
06
Där Klang skiljer sig
Klang är en färdig tjänst, inte en modell. Du laddar upp ljud eller video i webbläsaren, låter Klang-boten ansluta till mötet i Teams, Google Meet eller Zoom, eller spelar in i rummet med mobilappen. Med datorappen för Mac och Windows, där Windows-versionen är i beta, spelar du in mötet lokalt utan att någon bot ansluter. Texten är oftast klar efter 5–15 minuter, och du redigerar den medan du lyssnar.
Klang delar upp texten per talare. I gratisplanen visas talarna i början av transkriptionen; med Pro genom hela texten, och Klang känner igen återkommande personer i nya inspelningar. Ordlistor i Pro lär Klang era namn och fackord. Varje transkription får en sammanfattning, du kan ställa frågor över många filer samtidigt, och med Pro exporterar du till Word med talarnamn och tidsstämplar.
Det som gjorde lokal Whisper lockande, att ljudet inte hamnar hos en amerikansk molntjänst, har ett svar även här: Klang är byggt i Sverige, behandlar data i Europa, är certifierat enligt ISO 27001:2022 och använder aldrig dina inspelningar för att träna AI. För organisationer där ljudet inte får lämna det egna nätverket finns Klang också on-premise.
Whisper, KB-Whisper, MacWhisper och Klang sida vid sida
Alla fyra gör tal till text på svenska. Skillnaden är hur mycket du själv måste bygga runt texten:
| Whisper och KB-Whisper | MacWhisper | Klang | |
|---|---|---|---|
| Vad det är | Öppna modeller du kör själv | Mac-app ovanpå Whisper och andra modeller | Färdig tjänst i webbläsare, dator och mobil |
| Kom igång | Python, ffmpeg och helst en kraftfull grafikprocessor | Installera appen på en Mac | Skapa ett konto och ladda upp en fil |
| Talare | Ingår inte | Talarmärkning finns | Talaridentifiering med namn, även mellan samtal (Pro) |
| Möten | Nej, du spelar in själv | Spelar in möten på datorn, utan bot | Bot för Teams, Google Meet och Zoom, datorapp utan bot för Mac och Windows (beta), mobilapp för möten i rummet |
| Efter texten | Rå text med tidsstämplar | Export, plus AI-funktioner via egna modeller eller tjänster | Sammanfattning, frågor över många filer, schemalagda analyser (Pro) |
| Teamet | Filer på din dator | Filer på din Mac | Gemensam arbetsyta med delade mappar |
| Var ljudet behandlas | På din egen dator | Lokalt, eller hos en molntjänst du väljer | I Europa, ISO 27001:2022, ingen AI-träning; on-premise möjligt |
| Kostnad | Gratis, betalas med tid och hårdvara | Gratisversion, Pro som engångsköp (64 euro) | Gratis att börja, Pro 160 kr per person och månad exkl. moms |
Bygger på OpenAI:s Whisper-repo på GitHub (kontrollerat 19 oktober 2026), KBLabs modellsida på Hugging Face och macwhisper.com (kontrollerade 14 november 2026). Kontrollera aktuella uppgifter hos respektive källa.
Färdigt från första filen
Svensk transkribering utan installation
Klang ger dig det Whisper inte gör: talare med namn, sammanfattningar, en bot i dina möten och en gemensam plats där teamet hittar allt. Du börjar gratis: ladda upp ljud- och videofiler eller låt boten spela in nästa möte.
- Gratis att börja: ladda upp ljud- och videofiler, få sammanfattning och chatt
- Talaridentifiering och ordlistor för namn och fackord ingår i Pro
- Export till Word, SRT och VTT med talarnamn och tidsstämplar (Pro), samt TXT
- ISO 27001:2022-certifierat · data behandlas i Europa · ingen AI-träning på dina samtal
Används av riksdagen, kommuner och advokatbyråer




Vanliga frågor om Whisper
Är Whisper gratis?
Ja. OpenAI släppte Whisper som öppen källkod under MIT-licens, och KB-Whisper är fri under Apache 2.0. Du betalar inget för modellerna, men du står själv för datorn som kör dem och tiden det tar att sätta upp och underhålla installationen.
Hur bra är Whisper på svenska?
OpenAI:s egna modeller fungerar på svenska, särskilt de största. KBLabs svenska version KB-Whisper är bättre: enligt KBLabs mätningar har den största modellen i snitt 47 procent lägre ordfelfrekvens än whisper-large-v3 på svenska testdata. Testa alltid på ditt eget ljud, eftersom dialekter, ljudkvalitet och fackord avgör mer än testresultat.
Vad är KB-Whisper?
KB-Whisper är svenska taligenkänningsmodeller som Kungliga bibliotekets datalabb KBLab har tagit fram genom att träna vidare Whisper på över 50 000 timmar svenskt tal. Modellerna publicerades i början av 2025 och finns gratis på Hugging Face.
Kan Whisper skilja på olika talare?
Nej, inte på egen hand. Whisper ger text utan information om vem som talar, och OpenAI har inte utvärderat modellen för talaruppdelning. Det går att lägga till med andra verktyg, men det är ytterligare en sak att installera. MacWhisper har talarmärkning, och i Klang ingår talaridentifiering med namn i Pro.
Behöver jag en grafikprocessor för att köra Whisper?
För de stora modellerna, i praktiken ja. OpenAI anger ungefär 10 GB grafikminne för large. De minsta modellerna går att köra på en vanlig dator, men de gör fler fel, och långa inspelningar tar lång tid.
Är MacWhisper gratis?
MacWhisper har en gratisversion och en Pro-version som köps en gång. Den 14 november 2026 kostade Pro 64 euro enligt macwhisper.com, där du också ser vad som ingår i respektive version.
Finns MacWhisper för Windows?
Nej. MacWhisper är en Mac-app. På Windows kan du köra Whisper eller KB-Whisper själv, till exempel med whisper.cpp eller faster-whisper. Vill du slippa installationen har Klang en datorapp för Windows 10 och 11 (beta) som spelar in möten utan bot, och du kan alltid ladda upp filer i webbläsaren.
Vilken KB-Whisper-modell ska jag välja?
Börja med small eller medium om du kör på en vanlig dator utan grafikkort; de ger enligt KBLabs mätningar redan färre fel på svenska än OpenAI:s största modell. Har du ett grafikkort med gott om minne ger large minst fel. Välj varianten strict om du behöver en ordagrann text och subtitle om du gör undertexter.
Vad är skillnaden mellan Whisper och Klang?
Whisper är en modell du kör själv och som ger rå text. Klang är en färdig tjänst: du laddar upp en fil eller låter boten ansluta till mötet och får en transkription att redigera, talare med namn (Pro), sammanfattning och export till Word. Du kan börja gratis och jämföra på ditt eget ljud.