Så transkriberar du Zoom-möten med AI: Guide till konfigurering och API

Automatisk taligenkänning omvandlar ljud från Zoom-möten till text för ditt team, utan manuella anteckningar. Med ett Speech to Text-system i realtid kan din organisation erbjuda direkta transkriberingar för att stötta medarbetare som har svårare att följa talade samtal eller som har en hörselnedsättning.

Tekniken för STT i realtid har utvecklats mycket under de senaste tre åren, och Zooms inbyggda verktyg har kontinuerligt förbättrats för att minska ordfelsfrekvensen (WER). Men för team som söker alternativ med låg latens ger specialiserade Speech to Text-verktyg, som de från ElevenLabs, ännu lägre WER.

Den här guiden visar hur du transkriberar Zoom-möten med inbyggda verktyg och tredjepartslösningar. Den går igenom de inbyggda alternativen, stegen för olika metoder, processen för inspelningar som lagras i molnet och hur du skapar anpassade pipelines för mer komplexa användningsområden.

Sammanfattning

• AI-driven transkribering stöder fler än 90 språk och accenter för samarbete i realtid i multinationella team.
• Medarbetare kan använda inbyggda verktyg eller tredjepartsalternativ för att transkribera Zoom-möten medan de pågår eller efter att ljudet har sparats.
• Zooms liveundertexter är kostnadsfria på alla nivåer, men de flesta andra inbyggda transkriberingsfunktioner kräver betalda Workplace-konton.
• Utvecklare använder ElevenAPI WebSockets för att bygga anpassade appar med låg latens för transkribering i realtid.

Så transkriberar du Zoom-möten

Att transkribera ett Zoom-möte omvandlar talade ord till sökbar text med tidsstämplar och talaretiketter. Bra transkriberingsverktyg hanterar även överlappande tal och störande ljud i transkriptet, till exempel ett brandlarm eller en ringande telefon.

Organisationer använder informationen i dessa transkript för att skapa mötesrapporter, uppdatera kunskapsdatabaser eller ta fram utbildningsprogram för nyanställda. Medarbetare söker också i transkript efter viktig information, som en deadline för ett prioriterat projekt eller det slutliga beslutet från ett möte de missade.

De tre viktigaste metoderna för transkribering är:

• Transkribering i realtid: Inbyggda verktyg skapar liveundertexter under samtal, men du behöver ett betalt konto för exempelvis molnlagring och nedladdningsbara transkript från molninspelningar.
• Transkribering efter mötet: Inbyggda verktyg eller tredjepartsverktyg kan skapa transkript från ljudfiler som lagrats i molnet eller laddats ned.
• Anpassade API-pipelines: Anpassade lösningar ger utvecklare full kontroll så att de kan streama ljud från direktsamtal direkt till program som använder datan.

Din budget, befintliga verktyg och tekniska krav påverkar ditt val när du utvärderar de bästa apparna för mötestranskribering. Ha dessa prioriteringar i åtanke när du går igenom de olika alternativen.

Så aktiverar du transkribering i Zoom

Zoom erbjuder både transkribering i realtid och automatiska undertexter som inbyggda lösningar. Undertexter i realtid visas under samtal, medan betalda konton kan få fullständiga mötestranskript direkt till ”My Notes”. Dessa anteckningar kan användas för att skapa rapporter och automatiska sammanfattningar efter samtalet.

Liveundertexter

Du behöver administratörsbehörighet för att aktivera transkribering i Zoom Workplace-möten. 

Gör så här:

1. Logga in på Zooms webbportal.
2. Gå till Account Management och klicka på Account Settings.
3. Gå till fliken Meeting och skrolla till In Meeting (Advanced). 
4. Aktivera Automated captions genom att välja ”enabled”.
5. Klicka på fliken Recording och aktivera Cloud Recording.
6. Markera rutan för Create Audio Transcript för att automatiskt skapa textfiler med transkriptet efter mötet.

Transkriberingar i realtid med Zooms AI

Zoom AI Companion kan snabbt översätta 46 språk och transkribera i realtid. Följ de här enkla stegen för att konfigurera det:

1. Använd dina administratörsuppgifter för att öppna Zooms webbportal.
2. Aktivera eller inaktivera för:
3. 1. Alla användare på kontot genom att gå till Admin Center och klicka på Settings för att göra relevanta ändringar. 
   2. Specifika användare genom att gå till Admin Center och klicka på Users, sedan Group.
   3. Ditt personliga konto under Settings.
3. Klicka på Zoom AI och konfigurera de transkriberingsfunktioner du vill använda.

Så transkriberar du Zoom-inspelningar efter mötet

Du kan spara transkriberingen efter att mötet har avslutats genom att omvandla ljudet som Zoom sparar i molnet.

Två vanliga alternativ är att bearbeta befintliga inspelningar via Zooms inbyggda export från molnlagringen eller ladda upp de sparade ljudfilerna till en AI-plattform som ElevenLabs. 

Inbyggd export av Zoom-molninspelningar

Zoom Workplace transkriberar möten utan att skicka ljudet utanför Zoom-plattformen eller använda tredjepartsbotar. Plattformen använder också talardiarisering för att automatiskt identifiera och märka talare, vilket skapar strukturerade transkript även för samtal med större grupper.

Zooms molninspelning genererar automatiskt nedladdningsbara transkriptfiler när samtalet avslutas. Filerna kan vara tillgängliga direkt eller upp till 24 timmar efter mötet. Användare med betalda konton får också tillgång till textfiler med tidsstämplar direkt i portalen.

Ladda ned transkriptfiler för Zoom-möten så här:

1. Logga in på Zooms webbportal.
2. Hitta Recordings i navigeringsmenyn till vänster.
3. Välj det möte som du vill skapa transkript för.
4. Klicka på Download bredvid filen Audio Transcript.
5. Spara VTT-dokumentet på önskad plats.

Observera att om du klickade på Save Transcript under ett livemöte i stället för att spela in det till molnet, sparar Zoom i stället en textfil på din dator. Du hittar den via sökvägen Dokument/Zoom.

Automatisk batchtranskribering med ElevenAPI 

Zoom stöder 46 språk i möten, men endast 19 språk för transkript efter mötet. Det täcker inte språkbehoven för alla internationella eller multinationella team. 

Av dessa och andra skäl väljer utvecklare och produktteam ElevenAPI för snabb och korrekt transkribering på fler än 90 språk. Vår modell Scribe v2 bearbetar ljud och skapar tidsstämplar på ordnivå samt behåller talarattribution.

Följ de här stegen för att bearbeta ljud från molnet via ElevenAPI:

1. Hitta MP4- eller M4A-filen i din molnlagring eller lokala mapp.
2. Lägg till ljudinspelningen i ElevenCreative eller skicka den direkt till ElevenAPI:s Scribe-slutpunkt.
3. Ladda ned den talarmärkta texten med tidsstämplar i det format du föredrar, till exempel TXT, DOCX, PDF eller JSON.

Bygg live-transkribering för Zoom med ElevenAPI

Utvecklare med mer komplexa användningsområden eller behov av skräddarsydda automatiserade lösningar föredrar tredjepartslösningar som ElevenAPI. Vår plattform erbjuder två olika streamingarkitekturer för att integrera live-transkribering i anpassade appar.

Båda låter dig skapa transkriberingar i realtid med låg latens via WebSockets, så vilket alternativ som passar dig beror på ditt användningsfall och dina säkerhetsbehov.

Streaming på klientsidan

Som namnet antyder implementerar du den här lösningen på klientsidan för att transkribera ljud. Streaming på klientsidan fångar upp ljud direkt från mikrofonen eller via en virtuell ljudenhet i webbläsaren. Inbyggda säkerhetsåtgärder skyddar dina data mot att API-nyckeln exponeras i frontend-kod. Din backend-server kan till exempel skapa tillfälliga engångstoken för anslutningar på klientsidan, och de upphör automatiskt att gälla efter 15 minuter.

Följ de här stegen för att konfigurera streaming på klientsidan:

1. Begär en engångstoken från din backend-server.
2. Skicka engångstokenen till det officiella SDK:t för React eller JavaScript.
3. Konfigurera en WebSocket-anslutning och skicka mikrofonljud direkt till API:et.

Streaming på serversidan

I det här fallet implementerar du lösningen på serversidan för att transkribera ljud. Streaming på serversidan hämtar ljud från din mötesström, en URL eller en fil. Till skillnad från streaming på klientsidan använder du en ElevenLabs API-nyckel i stället för en tillfällig nyckel, och du behöver inte dela upp ljud från URL:er manuellt i delar.

Konfigurera streaming på serversidan så här:

1. Konfigurera din mötesbot eller backend-server så att den fångar ljudströmmen från Zoom-samtalet eller dess URL.
2. Använd SDK:t för Python eller TypeScript för att upprätta en WebSocket-anslutning med din primära API-nyckel.
3. Streama ditt live-ljud eller skicka mediet från URL:en till Scribe Realtime-slutpunkten med ffmpeg-integrering.
4. Använd transkripten i dina system för exempelvis uppdateringar av CRM-system och kunskapsdatabaser samt webhooks efter samtal.

När ska du välja streaming på klient- respektive serversidan?

Välj streaming på klientsidan för skrivbordsverktyg eller möten i webbläsaren där en aktiv användare kan ge mikrofonbehörighet manuellt. Byt till streaming på serversidan för funktioner med full automatisering, till exempel obevakade mötesbotar och direkta integreringar. Streaming på serversidan eliminerar också behovet av en aktiv webbläsarsession för att fånga upp ljud och ta emot transkript.

Varför AI-driven transkribering fungerar för globala team

Distribuerade team möter särskilda utmaningar när de samarbetar över kulturer, språk och tidszoner. AI-driven taligenkänning håller alla uppdaterade genom att omvandla samtalsljud till strukturerat och sökbart innehåll. Deltagare använder det för att hänga med under samtal, medan behöriga personer kan gå tillbaka till mötesanteckningar efter mötet.

Här är några exempel på hur AI-driven transkribering gynnar globala team:

• Växling mellan språk: Korrekt transkribering även när personer använder olika eller flera språk i samma samtal
• Taligenkänning av accenter: Förstår ovanliga uttal och regionala accenter
• Asynkron kunskapsdelning: Skapar textdokument så att teammedlemmar kan komma åt anteckningar och sammanfattningar när möten hålls vid olämpliga lokala tidpunkter
• Talardiarisering för flera deltagare: Ger en korrekt redogörelse för vem som sa vad, så att ansvar kan följas upp
• Flexibel integrering i arbetsflöden: Från export av transkript till format som databaser och andra system kan förstå och importera

Se dessa funktioner som en standard när du söker en transkriberingslösning, men tänk på att inte alla generatorer för Zoom-transkript lever upp till dessa löften, även bland AI-drivna alternativ. Kontrollera produktspecifikationer och benchmarks innan du bestämmer dig, så att du kan vara säker på att lösningen uppfyller verksamhetens behov och regelkrav.

Kom igång med ElevenAPI för snabba, korrekta transkript

Om du är som de flesta utvecklare som arbetar med AI och mötestranskribering vill du ha branschledande precision och verktyg som du kan anpassa efter dina behov. ElevenAPI ger dig programmatisk åtkomst till våra avancerade modeller för taligenkänning, så att du kan skapa transkriberingspipelines med den automatiseringsgrad du föredrar. 

Vår modell Scribe v2 driver ElevenAPI och möjliggör talardiarisering för upp till 32 deltagare. Oavsett om du behöver batchbearbetning efter mötet eller låg latens för realtidsstreaming via WebSockets, krävs bara några snabba steg för att konfigurera vår snabba och säkra Speech to Text-lösning:

1. Logga in på ditt ElevenLabs-konto.
2. Klicka på Developers i sidofältet och gå till fliken API Keys för att skapa en ny nyckel.
3. Förvara din API-nyckel säkert, till exempel i en .env-fil, för att skydda dina inloggningsuppgifter från exponering i frontend.
4. Lägg till det officiella SDK:t för Python eller TypeScript i din utvecklingsmiljö med pip install elevenlabs eller npm install @elevenlabs/elevenlabs-js.
5. Anropa Scribe v2-slutpunkten för inspelade ljudfiler eller anslut till Scribe Realtime v2 WebSocket för ljud från live-samtal.

Mer detaljerade instruktioner finns i ElevenLabs API-dokumentation eller registrera dig för din API-nyckel och börja bygga.

Vanliga frågor om att transkribera Zoom-möten