Så transkriberar du video till text på en Mac, och vad macOS kan göra själv

Av · Publicerad

Du kan transkribera video till text på en Mac på tre sätt. Direkttextning, som är inbyggd i macOS, textar en videos tal i realtid medan den spelas. Final Cut Pro, Apples betalda videoredigerare, gör talet i ett klipp till tidsatta textremsor, bara på amerikansk engelska. YapToText, den gratisapp jag har byggt, transkriberar själva videofilen på din Mac och ger dig ren text.

Vilket som passar beror på vad du vill ha tillbaka: textning att följa med i, en textfil med tidsangivelser eller ord att klistra in i ett dokument. Mina händer gör det svårt att skriva, så jag byggde YapToText för att göra tal till text utan tangentbord, och en videos ljudspår är bara mer tal. Den kräver macOS 14 eller senare på Apple-chip, och filer har ingen tidsgräns i minuter.

Hämta YapToText i Mac App StoreGratis att hämta. Inget konto och inga låsta funktioner, för macOS 14 eller senare på en Mac med Apple-chip. Källkod på GitHub.

Den här guiden på andra språk: English, العربية, Čeština, Dansk, Deutsch, Ελληνικά, Español, Suomi, Français, עברית, हिन्दी, Magyar, Bahasa Indonesia, Italiano, 日本語, 한국어, Norsk, Nederlands, Polski, Português, Română, Русский, Slovenčina, ไทย, Türkçe, Українська, Tiếng Việt, 简体中文, 繁體中文

På den här sidan: 12 avsnitt
  1. Steg
  2. Följ en video med Direkttextning
    1. Steg 1: Slå på den
    2. Steg 2: Spela videon
  3. Gör tidsatta textremsor i Final Cut Pro
    1. Steg 1: Skapa textremsorna
    2. Steg 2: Exportera dem som text
  4. Gör videofilen till text med YapToText
    1. Steg 1: Släpp videon på kortet
    2. Steg 2: Ta texten
  5. Jämför de tre sätten
  6. Om videon inte vill bli text
  7. Vad YapToText inte kan göra med en video
  8. Kort sammanfattat
  9. Guider
  10. Fler guider, på engelska
  11. Källor
  12. Frågor

Steg

  1. Öppna YapToText och gå till sidan <span lang="en">Utility</span>.
  2. I lägesmenyn på kortet <span lang="en">Transcribe a file</span> väljer du <span lang="en">Raw Transcription</span> för orden som de sades, eller ett läge som <span lang="en">Note</span>.
  3. Släpp videofilen på kortet, eller klicka på <span lang="en">Choose File</span> och välj den.
  4. Vänta tills texten visas i kortet.
  5. Klicka på <span lang="en">Copy</span>, eller på <span lang="en">Insert</span> för att skriva in texten i appen du använde innan.

Följ en video med Direkttextning

Direkttextning är Apples inbyggda transkribering i realtid. Apple säger att ljudet bearbetas på enheten, och att den som standard textar ljud från alla appar, så en video som spelas var som helst på din Mac får textning. Direkttextning hjälper dig att följa en video medan den spelas, och Apples guide beskriver inget sätt att behålla orden.

Steg 1: Slå på den

  • Du: Välj Apple-menyn, Systeminställningar, klicka på Hjälpmedel och sedan på Direkttextning, och slå på den.
  • macOS: Visar fönstret Direkttextning. Första gången hämtas språkdata, så du måste vara uppkopplad en gång.
  • Kontrollera: Fönstret visas. Apple säger att det göms när inget ljud upptäcks. Välj Behåll på skärmen från ikonen för Direkttextning i menyraden för att hålla det synligt.

Steg 2: Spela videon

  • Du: Spela videon. Om fönstret i stället textar din mikrofon klickar du på mikrofonikonen i dess hörn, eller väljer Datorljud från ikonen för Direkttextning i menyraden.
  • macOS: Transkriberar talet i fönstret Direkttextning medan det spelas.
  • Kontrollera: Textning visas när folk pratar. Apple säger att dess noggrannhet kan variera och inte ska förlitas på i högrisk- eller nödsituationer.

Apple anger två begränsningar. Direkttextning kräver en Mac med Apple-chip, och den är inte tillgänglig på alla språk eller i alla länder eller regioner. Dess sida om tillgängliga funktioner listar engelska (Australien, Kanada, Indien, Singapore, Storbritannien och USA), franska (Kanada och Frankrike), tyska (Tyskland), japanska, koreanska, mandarinkinesiska (Kina och Taiwan), kantonesiska (Kina och Hongkong) och spanska (Mexiko, Spanien och USA).

Gör tidsatta textremsor i Final Cut Pro

Funktionen Generate Captions i Final Cut Pro gör talet i dina klipp till textremsor med tidsangivelser. Det är Apples väg till en textfil, och det kostar pengar och fungerar bara på amerikansk engelska.

Steg 1: Skapa textremsorna

  • Du: Markera klippen med tal på tidslinjen i Final Cut Pro, välj sedan Edit, Generate Captions, Closed Captions, eller tryck på Shift Command C.
  • Kontrollera: Textremsklipp visas i ett eget spår överst på tidslinjen. Första gången hämtar Final Cut Pro sin språkmodell, så du måste vara uppkopplad en gång.

Steg 2: Exportera dem som text

  • Du: Konvertera textremsorna, som kommer ut i formatet iTT, till SRT och exportera dem sedan som en separat fil. Apples guide tar upp båda.
  • Kontrollera: SRT-filen öppnas i en vanlig textredigerare. Apple beskriver varje textremsa i den som ett nummer, en start- och sluttid och texten.
  • Pris. 299,99 USD som engångsköp, eller ingår i Apple Creator Studio, som är gratis i 30 dagar och sedan kostar 12,99 USD i månaden eller 129 USD per år för nya prenumeranter. Kontrollerat 3 oktober 2026.
  • Mac. Final Cut Pro kräver macOS 15.6 eller senare, och Generate Captions kräver en Mac med Apple-chip.
  • Språk. Generate Captions fungerar bara på amerikansk engelska.

Så Final Cut Pro textar gärna din video, så länge alla i den talar amerikansk engelska. Apple lägger till att bakgrundsljud, musik eller människor som pratar i munnen på varandra kan förstöra noggrannheten och tidsangivelserna, och föreslår Voice Isolation och Noise Removal först.

Gör videofilen till text med YapToText

YapToText läser videofilen och transkriberar talet i den med Whisper Large v3 Turbo (Q5), talmodellen i appen, på din Mac. Den är gratis i Mac App Store, utan konto. Släpp videon på kortet, så kommer orden tillbaka som ren text som du kan klistra in var som helst.

Steg 1: Släpp videon på kortet

  • Du: Öppna YapToText och gå till sidan Utility. I lägesmenyn på kortet Transcribe a file väljer du Raw Transcription för orden som de sades, eller ett läge som Note för att forma dem. Släpp sedan videon på kortet, eller klicka på Choose File och välj den.
  • YapToText: Känner igen filen på dess innehåll i stället för dess filändelse, transkriberar talet i den på din Mac och kör läget du valde.
  • Kontrollera: Texten visas i kortet. Om ett fel visas i stället har stegen längre ned åtgärderna.

Steg 2: Ta texten

  • Du: Klicka på Copy, eller på Insert för att skriva in texten i appen du använde innan.
  • YapToText: Lämnar över ren text. Send below skickar den till nästa kort, som skriver om text genom ett läge som Note eller Clean Up.
  • Kontrollera: Orden finns i ditt dokument.

Det här är viktigt för video:

  • Vanliga format. Den läser allt som macOS kan avkoda. Behållare som den känner igen är MP4, MOV, M4V, 3GP, M4A, WAV, AIFF, CAF, FLAC, MP3 och AMR, och Ogg där macOS stöder det.
  • Ingen tidsgräns i minuter. En fil har ingen tidsgräns och ingenting mäts. Säkerhetsstoppet efter 30 minuter gäller bara en enskild live-diktering. En video över 4 minuter delas vid tysta ögonblick i bitar på ungefär 2 minuter.
  • 29 språk. Väljaren Language på sidan AI Models listar 29 språk plus Auto-detect, och börjar på din Macs systemspråk. Språkguiden listar dem.

Samma jobb finns i panelen i menyraden som Transcribe file och på sidan History som Transcribe File. För ett röstmemo i stället för en video börjar guiden till att transkribera Röstmemon på en Mac med Apples egen transkribering.

Sidan History i YapToText: ett sökfält, filter för datum och läge, och dikteringar märkta med sitt läge, sin app och sin tid.
Bild 1. Transcribe File sitter längst ned på sidan History, i samma fält som Export.

Jämför de tre sätten

Kontrollerat 3 oktober 2026 på Apples supportsidor och apple.com.

DirekttextningFinal Cut ProYapToText
KostnadGratis, inbyggd i macOS299,99 USD en gång, eller Apple Creator Studio för 12,99 USD i månaden efter 30 dagars gratis provperiodGratis, ingen betalnivå
Mac som krävsApple-chipmacOS 15.6 eller senare, och Apple-chip för Generate CaptionsmacOS 14 eller senare, Apple-chip
Arbetar frånLjud som spelas på Macen, eller mikrofonen, medan det skerKlipp på en tidslinje i Final Cut ProEn video- eller ljudfil
Vad du fårTextning i ett fönster medan det spelasTidsatta textremsor, som kan exporteras som en SRT-filRen text att kopiera eller infoga
TidsstämplarBeskrivs inteJa, varje textremsa är tidsattNej
Språk8 språk, i de listade regionernaBara amerikansk engelska29 språk plus Auto-detect
Var den körsPå enheten, enligt AppleAnges inte, och språkmodellen hämtas en gångPå din Mac

Direkttextning är till för att följa med, Final Cut Pro är till för att publicera textremsor och YapToText är till för själva orden. Välj efter vad du vill ha tillbaka: textning att titta på, en textfil med tidsangivelser eller ren text. Om du hellre kör Whisper själv från Terminal tar guiden till lokal Whisper på en Mac upp det.

Affisch för App Store med rubriken Nothing leaves your Mac, över sidan AI Models i YapToText där båda modellerna är markerade Included.
Bild 2. Versionen från App Store levereras med sin talmodell, så en video behöver aldrig laddas upp för att bli text.

Om videon inte vill bli text

Börja med filen och sedan inställningarna. När du är osäker, ge YapToText bara ljudet.

  1. Spela upp den först. Om du inte hör något tal, eller bara musik, har en talmodell inget att transkribera.
  2. Exportera bara ljudet. Välj Arkiv, Exportera som, Endast ljud i QuickTime Player. Apple säger att det sparar en MPEG 4-ljudfil med ett AAC-ljudspår, som du kan släppa på kortet i stället.
  3. Kontrollera kopieringsskydd. Om menyn Exportera i QuickTime Player inte visar några alternativ säger Apple att inspelningen kan vara upphovsrättsskyddad och inte får distribueras.
  4. Ställ in språket. För en video på ett annat språk väljer du det språket eller Auto-detect language i väljaren Language på sidan AI Models.
  5. Prova en större talmodell. Hämta en från Dictation Model Library på sidan AI Models och kör filen igen. En modellhämtning är det enda nätverksbruk som appen startar.

Guiden till AI Models förklarar varje modell och dess storlek.

Vad YapToText inte kan göra med en video

  • Talarmarkeringar. Den säger inte vem som pratar, så ett samtal kommer tillbaka som text utan några namn.
  • Tidsstämplar och undertexter. Den lägger inte till några tidsstämplar och exporterar ingen SRT eller annan undertextfil. För tidsatta textremsor är Final Cut Pro Apples väg.
  • Översättning medan den transkriberar. Den transkriberar vad som sades och översätter det inte. För att översätta efteråt markerar du texten och ber Quick Edit om ett annat språk, eller kör Translate to English, en av de inbyggda AI Actions.
  • Strömmande video. Den öppnar filer på din Mac, så en video som bara spelas i en webbläsare kan den inte läsa.
  • Vissa Mac-datorer och versioner. Den kräver macOS 14 eller senare på Apple-chip, och inget påstås för Intel-Mac. Versionen från Homebrew levereras utan modellerna och kan inte transkribera förrän du hämtar en talmodell. Installationsguiden tar upp det.

Om det är viktigt vem som sa vad tar sidan som jämför YapToText och MacWhisper för filtranskription upp den skillnaden, och guiden till Quick Edit visar hur du översätter eller förkortar en transkribering när den har landat. YapToText ger dig vad som sades, inte vem som sa det eller när.

Affisch för App Store med rubriken Edit anything by voice: kortet Quick Edit lyssnar, genomför ändringen och är klart.
Bild 3. Quick Edit fungerar på text som du markerar i vilken app som helst, så en transkribering kan översättas eller förkortas efter att den har landat.

Kort sammanfattat

  • För att följa med. Slå på Direkttextning i Systeminställningar, Hjälpmedel, på en Mac med Apple-chip.
  • För en textfil med tidsangivelser. Använd Generate Captions i Final Cut Pro, på amerikansk engelska, och exportera sedan SRT.
  • För orden som text. Släpp videon på kortet Transcribe a file i YapToText, gratis och på din Mac.

Videon går in, orden kommer ut, och ingenting lämnar din Mac. Om en video inte vill bli text och stegen inte hjälpte, tryck på Copy Diagnostics i Settings, About och öppna ett issue på GitHub med filtypen. Varje issue blir läst.

Hämta YapToText i Mac App StoreGratis att hämta. Inget konto och inga låsta funktioner, för macOS 14 eller senare på en Mac med Apple-chip. Källkod på GitHub.

Vem som skriver. Ryleigh Newman utvecklar programvara, har svårt att skriva på tangentbord och dikterar varje dag med YapToText, appen som den här webbplatsen handlar om. Sidan är översatt från engelska. Appens gränssnitt och resten av webbplatsen är på engelska. Mer om projektet, på engelska.

Guider

Fler guider, på engelska

Källor

Frågor

Kan en Mac transkribera video till text?

Ja, på tre sätt. Direkttextning visar textning i realtid medan en video spelas på en Mac med Apple-chip, Final Cut Pro skapar tidsatta textremsor på amerikansk engelska, och YapToText gör en videofil till ren text på din Mac, gratis.

Hur transkriberar jag en video på min Mac gratis?

YapToText. Öppna dess sida Utility, släpp videon på kortet Transcribe a file och kopiera texten. Den är gratis, transkriberar på din Mac och kräver macOS 14 eller senare på Apple-chip.

Kan jag transkribera en video lokalt på en Mac?

Ja. YapToText transkriberar filen med Whisper på din Mac och laddar inte upp något, och Apple säger att Direkttextning bearbetar ljud på enheten. YapToTexts enda nätverksbruk är en modellhämtning som du startar själv.

Lägger YapToText till tidsstämplar eller talarnamn?

Nej. Den ger ren text, utan tidsstämplar, undertexter eller talarmarkeringar. För tidsatta textremsor skapar Apples Final Cut Pro dem på amerikansk engelska och kan exportera dem som SRT.

Finns det en längdgräns för att transkribera en video i YapToText?

Nej. En fil har ingen tidsgräns i minuter och ingenting mäts. Säkerhetsstoppet efter 30 minuter gäller bara en enskild live-diktering. En lång video delas vid tysta ögonblick och transkriberas i bitar.