Tal-till-text
Xeomas intelligenta modul för taligenkänning
Modulen ”lyssnar” på ljudströmmen från en kamera eller separat mikrofon, känner igen tal, reagerar på nyckelord och sparar transkriptioner av samtal i en CSV-rapport. Beroende på dina inställningar kan texten även visas som överlagring på livevideo eller i arkivet. Den kan också transkribera .mp3-filer, såsom samtalsinspelningar och utbildningsvideor.

Viktigt: betaversion
Modulen är tillgänglig från Xeoma 24.8.12 och befinner sig i betastadiet, vilket innebär att den i vissa fall kan utelämna ord eller skapa loopar. Ingen specialutrustning krävs: ljudströmmen från valfri kamera eller mikrofon samt en vanlig dator med GPU är tillräckligt.
Applikationsscenarier
Röst-till-text ökar säkerheten i privatlivet, stadsmiljön och inom näringslivet, samtidigt som det effektiviserar affärsprocesser.
Omsorg om äldre
Möjlighet att omedelbart reagera på nödrop eller skydda personer mot bedragare.
Varje företag
Automatiserad kvalitetskontroll av kundtjänst (exempelvis detektering av svordomar).
Kontaktcenter
Transkription av samtalsinspelningar för att säkerställa efterlevnad av företagspolicy och samtalsmanus.
Stadsövervakning
Kontraterrorism och igenkänning av ord som indikerar fara.
Föräldrakontroll
Stöd för att skydda barn mot mobbning eller kontakt med bedragare.
Polis
Utöver kroppsburna kameror – transkription av samtal med misstänkta och detektering av hot.
Forskning och analys
Automatisk insamling av statistik för talstudier och analys av ordfrekvens.
Marknadsföring
Få insikt i om kunder diskuterar en kampanj, deras reaktion på annonsering med mera.
Filtrering och automation
Detektering av oönskade fraser eller nyckelord för riktad konversationskontroll – utan att behöva lyssna igenom allt material.
Fördelar med modulen Röst-till-text
Ingen specialutrustning krävs
Fungerar på vanliga datorer med nästan vilken kamera och vilket grafikkort som helst.
Maximal flexibilitet
Flexibla reaktionsalternativ (inklusive egna programmerbara) och integration med tredjepartssystem.
Realtidsbearbetning
Realtidsbearbetning av strömmar utan fördröjning. Körs på din egen hårdvara.
Kostnadseffektiv lösning
Modulen kan köpas som tillägg till Standard- eller Pro-licensen.
Så fungerar det

Bygg en kedja
Eftersom modulen bearbetar en ljudström krävs en ljudkälla i kedjan.
- Ljudkälla: inbyggd mikrofon i kameran eller separat USB- eller IP-mikrofon
- Exempelkedja: ”Universal Camera” – ”Röst-till-text” – ”Förhandsgranskning och arkiv”
- Modulen licensieras utöver en Xeoma Pro- eller Standard-licens

Ladda ner AI-resurser
Klicka på ikonen för Röst-till-text i kedjan för att öppna modulinställningarna. Nedladdning av nödvändiga resurser startar automatiskt första gången du öppnar inställningarna. När meddelandet ”Nedladdning pågår” försvinner är systemet redo.
- De extra resurserna innehåller datamängder för artificiell intelligens och laddas ner vid behov från Felenasofts servrar
- Resurser laddas endast ner vid behov – vilket minimerar programmets storlek

Välj igenkänningsmodell och nyckelord
Flera AI-modeller finns tillgängliga för olika språk, med varierande storlek, igenkänningskvalitet och hårdvarubelastning. I fältet ”Taligenkänningsmodell” väljer du transkriberingsspråk (talets språk behöver inte anges) och anger vid behov nyckelord för detektering i fältet nedan. Med reglagen ”Visa igenkänd text vid visning i realtid” och ”Spara igenkänd text som undertexter vid inspelning/arkivexport” kan du visa transkriberingen direkt i livevideon samt i arkivet.
- ”Nyckelord för detektering” — modulen reagerar endast på de ord eller fraser du behöver
- Overlagring av transkribering i liveförhandsgranskning och i arkivet
- ”Spara data i CSV-rapport” — transkriberingen sparas som en kalkylfil på disken
- Lägg till en åtgärd efter modulen: inspelning, avisering eller kommandoskickning
- Makrot
%VOICE%är tillgängligt i modulerna ”HTTP-begäranssändare”, ”E-postsändning” och ”Applikationsstartare”
Integration med externa program
Voice-to-Text kan användas från externa program, exempelvis för att transkribera VoIP-samtal. Skicka en .mp3-fil till modulen och få resultatet som text – även på operatörsstationer utan Xeoma eller kameror. Viktigt: endast .mp3-filer stöds.
Exempel på begäran via Xeoma API (JSON):
curl -F "audio_file=@speech.mp3" "http://192.168.0.67:10090/api?login=Administrator&password=123&speech_recognition=recognition&model=qwen3-asr-1.7b&ttl=10&language=en"
Där:
audio_file=@speech.mp3— sökväg till ljudfilen på din dator192.168.0.67— Xeoma-serverns IP-adress10090— Xeoma-serverns portAdministrator/123— administratörsinloggning (alltid Administrator) och lösenordmodel=…— igenkänningsmodell (se lista nedan)language=en— transkriberingsspråk. Om detta skiljer sig från det talade språket översätts transkriberingen automatiskt till det angivna språket
För att spara resultatet som en textfil, lägg till >savetext.txt efter kommandot, där savetext.txt är textfilens namn.
Igenkänningsmodeller för API:et:
| Namn | Beskrivning | API-kod |
|---|---|---|
| Ryska grundläggande | 140 MB | tone |
| Ryska utökad | interpunktion, 215 MB | giga |
| Engelska grundläggande | 70 MB | zipformer |
| Flerspråkig grundläggande | skiljetecken, 1 GB, 0,6 miljarder parametrar | qwen3-asr-0.6b |
| flerspråkig förbättrad | skiljetecken, 2,2 GB, 1,7 miljarder parametrar | qwen3-asr-1.7b |
| Gemma4 flerspråkig grundläggande | skiljetecken, 2,2 GB, 1,7 miljarder parametrar | gemma4-e2b |
| Gemma4 flerspråkig förbättrad | skiljetecken, 7 GB, 12 miljarder parametrar | gemma4-12b |
Lista över språkkoder
en — engelska, zh — kinesiska, de — tyska, es — spanska, ru — ryska, ko — koreanska, fr — franska, ja — japanska, pt — portugisiska, tr — turkiska, pl — polska, ca — katalanska, nl — nederländska, ar — arabiska, sv — svenska, it — italienska, id — indonesiska, hi — hindi, fi — finska, vi — vietnamesiska, he — hebreiska, uk — ukrainska, el — grekiska, ms — malajiska, cs — tjeckiska, ro — rumänska, da — danska, hu — ungerska, ta — tamil, no — norska, th — thailändska, ur — urdu, hr — kroatiska, bg — bulgariska, lt — litauiska, la — latin, mi — maori, ml — malayalam, cy — walesiska, sk — slovakiska, te — telugu, fa — persiska, lv — lettiska, bn — bengali, sr — serbiska, az — azerbajdzjanska, sl — slovenska, kn — kannada, et — estniska, mk — makedonska, br — bretonska, eu — baskiska, is — isländska, hy — armeniska, ne — nepali, mn — mongoliska, bs — bosniska, kk — kazakiska, sq — albanska, sw — swahili, gl — galiciska, mr — marathi, pa — punjabi, si — singalesiska, km — khmer, sn — shona, yo — yoruba, so — somaliska, af — afrikaans, oc — occitanska, ka — georgiska, be — vitryska, tg — tadzjikiska, sd — sindhi, gu — gujarati, am — amhariska, yi — jiddisch, lo — lao, uz — uzbekiska, fo — färöiska, ht — haitisk kreol, ps — pashto, tk — turkmeniska, nn — nynorska, mt — maltesiska, sa — sanskrit, lb — luxemburgiska, my — burmesiska, bo — tibetanska, tl — tagalog, mg — malagassiska, as — assamesiska, tt — tatariska, haw — hawaiiska, ln — lingala, ha — hausa, ba — basjkiriska, jw — javanesiska, su — sundanesiska, yue — kantonesiska.
Så här testar du
Ladda ner och starta Xeoma. Använd testversionen eller aktivera en licens för Xeoma Standard/Xeoma Pro + licens för tilläggsmodulen ”Voice-to-text”.
Lägg till en kamera manuellt eller vänta medan Xeoma söker efter kameror i nätverket automatiskt. För extern mikrofon, anslut modulen ”Microphone” och välj rätt ljudkälla.
Lägg till modulen ”Voice-to-Text” i kedjan, konfigurera reaktion på nyckelord eller kontinuerlig taltranskribering och aktivera vid behov transkriptöverlagring på kamerabilden och i inspelningarna.
Konfigurera en händelsereaktion — spara till CSV, mobilaviseringar eller annat.
demolicens
Övriga moduler som bearbetar ljudströmmar
Dessa moduler fungerar självständigt eller tillsammans med Voice-to-Text.
Välj en USB-mikrofon eller en separat IP-mikrofon som ljudkälla.
Analyserar ljudströmmar och utlöser när ljudnivån överstiger en angiven gräns.
Identifierar billarm, gråtande barn, skottlossning, skrik och krossat glas.
Voice-to-Text: Taligenkänning i Xeoma
Testa Xeoma gratis
Ange namn och e-post för att få en gratis demolicens. Inget kreditkort krävs.
Få gratis demolicenser för Xeoma till din e-post
Full funktionalitet. Skickas omedelbart.
Vi uppmanar dig att inte använda e-postadresser som innehåller personuppgifter eller skicka personuppgifter till oss på annat sätt. Om du ändå gör det bekräftar du genom att skicka detta formulär ditt samtycke till behandlingen av dina personuppgifter
Behöver du något annat?
Uppfyller modulen inte dina krav? Vi kan utveckla de funktioner du behöver och integrera dem i Xeoma som skräddarsydd utveckling. Läs mer.
Har du frågor? Behöver du hjälp? Kontakta oss! Vi hjälper dig gärna!
Redo att komma igång?
Testa Tal-till-text med en gratis demolicens – inget kreditkort och inga personuppgifter krävs.

