AI-genererede undertekster i medieafspillere: Sådan ser det faktisk ud (2026)

VideoLAN viste AI-genererede offline-undertekster til VLC på CES 2025 — lokal talegenkendelse uden cloud, med oversættelse til et stort antal sprog. PotPlayer bruger allerede Whisper til at transskribere dialog i realtid uden en eksisterende undertekstfil. En lind strøm af plugins og sideprojekter gør det samme.

Det oplagte spørgsmål er derfor: Er problemet løst nu, og bør du forvente funktionen overalt?

Det korte svar: Det fungerer virkelig godt for lokale filer, men er en langt sværere opgave for live-streams. Her er den ærlige status.

Den ærlige forklaring: Tuneline er en medieafspiller til indhold, du selv leverer. Den lader dig vælge undertekst- og lydspor, der findes i din kilde. Den genererer ikke undertekster, og dette indlæg er en oversigt over området – ikke en funktionsannoncering.

Hvad teknologien faktisk gør

Motoren bag næsten alt dette er Whisper, en åben talegenkendelsesmodel fra OpenAI, som regel via en hurtigere genimplementering som faster-whisper (omtrent 4 gange hurtigere end originalen og med lavere hukommelsesforbrug).

Processen:

1. Udtræk lydsporet.
2. Kør tale-til-tekst for at få tidsindstillet tekst.
3. Oversæt eventuelt teksten.
4. Vis den som undertekster.

To egenskaber er vigtige. Det kører helt offline på din egen maskine, så intet bliver uploadet. Og det fungerer med al lyd, så der kræves ingen eksisterende undertekstfil, ingen matchende udgivelse og ingen undertekstdatabase.

For alle, der har ledt efter en korrekt timet .srt til en obskur film, er det netop den anden egenskab, der gør forskellen.

Det fungerer virkelig godt til

Lokale filer med tydelig dialog. En film eller episode med forholdsvis ren lyd giver meget brugbare resultater. Ikke perfekt som på tv, men nemt gode nok til at følge med.

Indhold uden tilgængelige undertekster. Hjemmevideo, en obskur udgivelse, et optaget foredrag eller en udenlandsk film, som ingen har lavet undertekster til. Her er sammenligningen ikke "AI-undertekster kontra gode undertekster" – men "AI-undertekster kontra ingenting".

Grov oversættelse. En oversættelse af transskriptionen giver dig hovedindholdet. Det kan ikke erstatte en menneskelig oversættelse, når nuancer er vigtige, men det fortæller dig, hvad der foregår.

Privatliv. Lokal behandling betyder, at lyden aldrig forlader din enhed. Sammenlignet med cloud-baseret transskription er det en væsentlig forskel, især ved personlige optagelser.

Her kommer den til kort

Lad os være konkrete, for det er aldrig det, demoerne viser:

• Overlappende dialog. Når to personer taler samtidig, bliver resultatet markant dårligere.
• Tunge accenter og dialekter, hvor nøjagtigheden falder drastisk.
• Musik og lydeffekter. Høj baggrundslyd overdøver talen.
• Egenavne. Navne, steder og fagudtryk bliver ofte forvansket, selv om det tit er netop de ord, der bærer betydningen.
• Taleridentifikation. De fleste implementeringer fortæller dig ikke, hvem der sagde hvad.
• Krav til computerkraft. Transskription i realtid kræver meget. Det fungerer fint på en moderne computer, men er svært på en telefon og som regel uden for rækkevidde på en tv-stick.

Det sidste punkt er især vigtigt i forhold til, hvor du faktisk ville have mest brug for funktionen. Den enhed, der oftest ikke har en undertekstfil tilgængelig, er en tv-boks – og det er samtidig den enhed, der dårligst kan køre modellen.

Hvorfor live-streams er den svære case

Med en lokal fil kan en afspiller tillade sig at arbejde i forvejen – behandle nogle minutter, gemme resultaterne i en buffer og vise dem synkront. Der er ingen deadline.

En live-stream har ingen fremtid at læse. Transskriptionen skal ske inden for et par sekunder efter, at lyden ankommer, og det skal ske kontinuerligt, mens den samme enhed også afkoder video. Det betyder:

• Forsinkelse. Underteksterne kommer efter talen. Et eller to sekunder går an; mere gør ikke.
• Ingen mulighed for at se fremad. Whisper er betydeligt mere nøjagtig med kontekst fra det omgivende indhold, og det kan live-afspilning ikke levere.
• Vedvarende belastning. Det er ikke en enkelt gennemgang, men kontinuerligt arbejde, så længe du ser med.

Det er derfor, de løsninger, der faktisk leveres, målrettes lokale medier. Det er ikke en forglemmelse – live-scenariet er reelt sværere, og seriøse implementeringer siger det ærligt i stedet for at levere noget, der sakker bagud.

Hvad det betyder i praksis

Hvis du ser lokale filer på en fornuftig computer, er funktionen tilgængelig nu og værd at prøve. VLCs implementering og de forskellige Whisper-plugins gør et reelt stykke arbejde.

Hvis du ser på en telefon eller tv-boks, kan du forvente, at det forbliver besværligt et stykke tid endnu. Der er ikke tilstrækkelig computerkraft, og hvis arbejdet flyttes til en server, vender man tilbage til præcis den cloud-afhængighed, der gør den lokale version attraktiv.

Hvis du ser live, så forhold dig skeptisk til alle påstande om AI-undertekster i realtid, og test dem på dit eget indhold, før du tror på dem.

Når det handler om at vælge undertekster, der allerede findes, er problemet løst og har været det i årevis. De fleste kilder indeholder undertekst- og lydspor; afspillerens opgave er at lade dig vælge dem, håndtere formaterne og få timingen til at passe. Det er hverdagsscenariet, og det er det, valg af spor dækker. Hvis dine eksisterende undertekster ikke vises, er det et andet problem med en konkret løsning. (Undertekster vises ikke.)

En bemærkning om påstandene

Dette område indbyder til overdrivelser, så her er nogle spørgsmål, der er værd at stille, hvis en afspiller hævder at have AI-undertekster:

• Lokal behandling eller cloud? Hvis din lyd bliver uploadet, forsvinder privatlivsargumentet. Spørg, hvor behandlingen foregår.
• Hvilken model og hvilken størrelse? Whisper fås i størrelser fra tiny til large, og kvaliteten varierer enormt. En "tiny"-model på en telefon er ikke det samme som det, demoen viste.
• Kun filer eller også live? Hvis markedsføringen ikke skelner mellem de to, så gå ud fra, at det kun gælder filer.
• Hvad sker der, når den ikke kan følge med? Gradvist forringet kvalitet eller stille nonsens?

De ærlige implementeringer er specifikke om alle fire punkter. Uklare svar på bare ét af dem fortæller dig noget.

Ofte stillede spørgsmål

Kan medieafspillere automatisk generere undertekster?

Nogle kan, for lokale filer, ved hjælp af offline-talegenkendelse – VLC viste det på CES 2025, og PotPlayer leveres med funktionen. Kvaliteten er god ved tydelig dialog og dårlig ved overlappende tale, tunge accenter og egennavne.

Fungerer det offline?

Det gør Whisper-baserede implementeringer, og det er den primære fordel – lyden forlader aldrig din enhed.

Kan AI-undertekster fungere på live-streams?

Det er meget sværere. Live har ingen mulighed for at se fremad og et stramt krav til forsinkelsen, så nøjagtigheden falder, og underteksterne bliver forsinkede. De løsninger, der faktisk leveres, er primært målrettet lokale filer.

Virker det på min tv-stick eller telefon?

Det bliver næppe en behagelig oplevelse. Transskription i realtid kræver meget computerkraft, og tv-enheder har især ikke meget overskud.

Er det lige så godt som menneskeskabte undertekster?

Nej. Det er meget bedre end slet ingen undertekster, men klart dårligere end et professionelt spor – især ved navne, fagudtryk og overlappende dialog.

Genererer Tuneline undertekster?

Nej. Den lader dig vælge undertekst- og lydspor, der allerede findes i din kilde. Den udfører ikke tale-til-tekst.

Konklusion

• Whisper-baserede offline-undertekster findes og er virkelig nyttige til lokale filer med tydelig dialog.
• Det stærkeste anvendelsesområde er indhold, hvor der slet ikke findes undertekster – sammenligningen er med ingenting.
• Det har problemer med overlappende tale, accenter, musik og egennavne.
• Live-streams er den svære case: ingen mulighed for at se fremad, stramt krav til forsinkelsen og vedvarende belastning.
• Telefoner og tv-bokse mangler computerkraft, hvilket desværre er netop dér, hvor du helst ville have funktionen.
• Spørg enhver afspiller, der hævder at kunne dette: Lokal behandling eller cloud, hvilken modelstørrelse, filer eller live, og hvad sker der, når den ikke kan følge med?

Når du skal vælge de undertekst- og lydspor, din kilde allerede indeholder, download Tuneline – gratis og uden reklamer.

— Shamir