Pianissimo för svenska är Klang AI:s öppna taligenkänningsmodell, finjusterad från NVIDIA Parakeet v3 för svenskt tal och svenska dialekter. Den sätter ut skiljetecken och stor bokstav.
Med OSTT kör du modellen lokalt på din egen CPU eller GPU, utan API-nyckel, eller hos Berget AI. Prata in text med ett kortkommando eller transkribera filer i terminalen på Linux och macOS. Klang har också en modell för danska.
Klang Pianissimo
Klang har finjusterat en modell med ungefär 600 miljoner parametrar på cirka 50 000 timmar svenskt tal. OSTT använder Klangs rekommenderade Q8_0 GGUF: 706 MiB, med verifierad kontrollsumma. Modellvikterna är öppna under CC BY 4.0. Efter nedladdningen kan du transkribera offline utan Python eller NeMo.
Den lokala modellen heter parakeet/pianissimo-sv och behöver language=sv. Språkparametern kräver OSTT 0.0.35 eller senare. Se versionskrav och sparade språkinställningar innan du börjar.
# Ladda ned den lokala svenska modellen
ostt model local download parakeet/pianissimo-sv
# Spela in och kopiera, med uttryckligt språkval
ostt -m parakeet/pianissimo-sv --param language=sv -c
# Transkribera en 16 kHz mono PCM16 WAV-fil
ostt transcribe intervju.wav -m parakeet/pianissimo-sv --param language=svLäs om träningen hos Klang AI, i modellkortet på Hugging Face och bland GGUF-filerna. Klang rapporterar 4,46 % ordfel på Common Voice v26 och 6,51 % på FLEURS för originalmodellen. KB-Whisper large har lägre ordfel i samma utvärdering; jämför gärna på ditt eget ljud.
Klang rapporterar 2 500 gånger realtid för originalmodellen på en NVIDIA A100 med optimerade batcher. Det är inte ett hastighetslöfte för din dator eller OSTT:s GGUF-version. Daemon-läget håller modellen laddad mellan inspelningar så att du slipper laddningstiden.
Med parakeet/pianissimo-sv stannar ljudet på din dator. Molnalternativet berget/klang/pianissimo kräver en API-nyckel och skickar ljudet till Bergets europeiska infrastruktur. Se Berget-guiden för inloggning och inställningar.
OSTT transkriberar när du har slutat spela in, både lokalt och via Berget. Du ser alltså ingen text medan du pratar. Resultatet är vanlig text; den lokala modellen ger inte tidsstämplar eller talaruppdelning genom OSTT.
OSTT:s lokala Parakeet-motor och Berget-rutten använder inte dina sparade nyckelord eller kontextpromptar. Klang har ordförrådsstöd i andra implementationer, men det exponeras inte här. Använd ersättningsregler efter transkriberingen, eller jämför med KB Whisper om du behöver ordlistor.
Spela in med en lokal modell och kör sedan ostt retry -m whisper/kb-whisper-large för att jämföra på samma ljud, när båda modellerna är nedladdade. Molninspelningar är normalt MP3 och behöver konverteras innan de kan transkriberas lokalt. Se ljudformat.
Också för danska
Klangs danska Pianissimo är finjusterad på cirka 70 000 timmar danskt tal. Den finns som öppen modell på Hugging Face och som GGUF. Välj parakeet/pianissimo-da och använd language=da. Den är en separat lokal modell, inte ett språkbyte i Bergets svenska modell. Guiden för båda modellerna beskriver nedladdning, versionskrav och begränsningar.
Arbetsflöde
ostt i terminalen.Pipeline
OSTT fungerar som vilket kommandoradsverktyg som helst. Texten skrivs till stdout, så du kan skicka den vidare till jq, sed eller dina egna skript. Med -p kör du en bearbetning direkt efter transkriberingen, till exempel för att städa upp texten eller skicka den till Claude Code.
# Transkribera ett möte lokalt och spara texten
ostt transcribe mote.wav -m parakeet/pianissimo-sv --param language=sv -o mote.md
# Spela in och skicka texten till ett eget skript
ostt -m parakeet/pianissimo-sv --param language=sv | mitt-skript.sh
# Molnalternativet, med Bergets API-nyckel
ostt transcribe mote.mp3 -m berget/klang/pianissimo -o mote.md