Hviske 7 er vores nye system til dansk tale til tekst. På de fem offentlige danske testsæt i Danish ASR Leaderboard laver det i gennemsnit fejl på 6,47 % af ordene. Det er det laveste tal, vi har set på dansk, og det er en tredjedel færre fejl end Hviske v6, som vi udgav for en måned siden.
Hviske 7 findes i tre udgaver, så du kan vælge mellem præcision og fart. Alle tre kører på ét almindeligt grafikkort, og selv den mest præcise udgave transskriberer en times lyd på under et minut.
Tre udgaver af samme system
| Udgave | Gns. WER | Gns. CER | Hastighed | En times lyd |
|---|---|---|---|---|
| Hviske 7 Plus | 6,47 % | 3,20 % | 75 x realtid | 48 sekunder |
| Hviske 7 | 6,93 % | 3,44 % | 91 x realtid | 40 sekunder |
| Hviske 7 hurtig | 7,26 % | 3,58 % | 267 x realtid | 13 sekunder |
WER er andelen af ord, systemet tager fejl af, og CER er det samme målt på tegn. Hastigheden er målt på et enkelt NVIDIA RTX 3090 over alle fem testsæt, i alt knap 42 timers lyd. Hviske 7 Plus er den præcise udgave. Hviske 7 er standardvalget. Hviske 7 hurtig er til store mængder lyd, hvor prisen pr. time betyder mest, og den er stadig mere præcis end ethvert andet system på listen, bortset fra vores egne.
Resultaterne testsæt for testsæt
Leaderboardet måler alle systemer på samme måde. Samme lydfiler, samme normalisering af tal og tegnsætning og samme udregning. Vi har kørt Hviske 7 gennem den offentlige evalueringskode og indsendt resultaterne sammen med det rå output for hvert eneste lydklip, så alle kan efterprøve tallene.
| System | Samtale | Oplæsning | Common Voice | FLEURS | Folketinget | Gns. |
|---|---|---|---|---|---|---|
| Hviske 7 Plus | 14,42 | 1,63 | 4,90 | 5,99 | 5,41 | 6,47 |
| Hviske 7 | 15,36 | 1,32 | 5,36 | 6,97 | 5,62 | 6,93 |
| Hviske 7 hurtig | 16,02 | 1,43 | 5,80 | 7,35 | 5,72 | 7,26 |
| Edda v0.2 duo | 14,22 | 8,02 | 4,89 | 5,98 | 5,55 | 7,73 |
| Brage v1 | 15,88 | 8,20 | 5,28 | 5,65 | 5,62 | 8,13 |
| Hviske v6 | 18,00 | 12,31 | 6,81 | 7,73 | 5,87 | 10,14 |
| ElevenLabs Scribe v2 | 28,45 | 16,76 | 5,18 | 4,60 | 10,08 | 13,01 |
| OpenAI gpt-transcribe | 31,32 | 19,95 | 9,75 | 7,49 | 13,75 | 16,45 |
Tallene er WER i procent. Samtale og Oplæsning er de to dele af CoRal, Folketinget er FT Speech. De øvrige systemers tal er hentet fra leaderboardet den 26. oktober 2026.
Hvor forspringet kommer fra
Det største spring ligger i oplæsningen fra CoRal, hvor Hviske 7 Plus rammer 1,63 % mod 8,02 % for det næstbedste system. På de fire andre testsæt ligger Hviske 7 Plus på niveau med de bedste åbne systemer og en smule foran på Folketingets taler. Vi synes, det er vigtigt at sige det ligeud, fordi gennemsnittet ellers kan læses som et jævnt forspring over hele linjen.
Årsagen er måden, systemet er bygget på. Hviske 7 er ikke en enkelt model. Først lytter en akustisk model til lyden og laver et udkast. Derefter holder systemet udkastet op mod en stor mængde verificeret dansk tekst. Når en kendt formulering passer bedre til både lyden og udkastet, vælger systemet den. Ellers beholder det sit eget udkast. Systemet er ikke trænet på testsættene, men mange af de oplæste sætninger i CoRal stammer fra tekster, der findes i den slags tekstsamlinger. Derfor bliver de ramt næsten ord for ord.
Det betyder ikke, at du får 1,6 % fejl på enhver oplæsning. Det betyder, at Hviske 7 er særligt stærk, når der bliver sagt noget, der også findes på skrift. Det gælder for eksempel oplæste dokumenter, lovtekst og de faste formuleringer, der går igen i sagsbehandling. På fri samtale, hvor ingen har skrevet sætningerne ned før, er det den akustiske del, der bærer resultatet.
Navne og svære ord
Det er især egennavne, der skiller systemerne. Stednavne, efternavne, firmanavne og udenlandske ord, som en model sjældent har hørt, bliver ofte stavet efter lyden. Herunder er klip fra testsættene, hvor Hviske 7 Plus rammer hele sætningen ord for ord. Ved siden af står, hvad ElevenLabs Scribe v2 og OpenAI gpt-transcribe skrev for det samme stykke. Alt er hentet fra de rå output, som ligger offentligt sammen med resultaterne.
Først fri samtale. Her fanger de bedste danske modeller også det meste, men de store internationale tjenester snubler over lokale navne som Ensted og Brande. I eksemplet med Pink Floyd bliver betydningen vendt helt om.
Øh alle Skagen museer alle Frederiksberg museer og
Men øh men de og de har faktisk også mange ting og Ensted har faktisk en foredragsforening
Område på 20 hektar der er lige nord for Brande
Og der var faktisk ikke særligt fokus på musikere fordi at det var jo ikke Pink Floyd men det var hammer godt
Dernæst oplæsning. Her er der tale om navne, som hverken ElevenLabs, OpenAI eller det bedste åbne danske system staver rigtigt. Det er her, opslaget i verificeret tekst gør den største forskel. Leaderboardet ser bort fra store og små bogstaver og tegnsætning, og når Hviske 7 vælger en kendt formulering, kommer den i dag ud med små bogstaver.
Ordet gen indførtes i 1909 af den danske biolog Wilhelm Johannsen
Samme morgen pågribes Svend Johannesen i sin lejlighed og Oluf Kroer på sin arbejdsplads
Bent Van Helsingør fra Elsinore spilles af Vivienne McKee
Rederiet fik bygget 28 fragtskibe fra Husumer Schiffswerft
Frank Hawking kom fra en velhavende bondefamilie i Yorkshire
Hurtigt på almindeligt udstyr
Hastighed og præcision trækker normalt i hver sin retning. De systemer, der kommer tættest på Hviske 7 i præcision, kører i dag mellem 12 og 17 gange realtid på leaderboardet. Hviske 7 Plus kører 75 gange realtid på et grafikkort, der kan købes brugt for nogle få tusinde kroner. Hastighed afhænger af hardware og opsætning, så sammenligningen er vejledende, men forskellen er stor nok til at betyde noget i praksis.
For en kommune eller et callcenter med tusindvis af timers lyd om måneden er det forskellen på at have brug for en lille klynge af servere og at kunne nøjes med én maskine. Det gør det også realistisk at køre Hviske 7 i eget datacenter, så lyden aldrig forlader huset.
Sådan kommer du i gang
Alle tre udgaver ligger på platform.syv.ai bag et API, der også kan tale med kode skrevet til OpenAIs transskriptions-API. Du sender en lydfil og vælger hviske-7-plus, hviske-7 eller hviske-7-hurtig. Lange optagelser bliver delt op og sat sammen automatisk.
Har du brug for at køre Hviske 7 på egne servere, eller vil du vide, hvordan det klarer sig på jeres egne optagelser, så tag fat i os. Vi tester gerne på et udsnit af jeres lyd, før I beslutter jer. Du kan læse mere om produktet på Hviske-siden.