İsveççe Toplantı Transkripsiyon Doğruluğu: 4 Yapay Zeka Aracını Test Ettik (2026)

Birçok yapay zeka toplantı asistanı ve yapay zeka not alma aracı, İsveççe toplantıları doğru bir şekilde metne dönüştürdüğünü iddia etmektedir. Ancak, İsveççe konuşan kullanıcıların geri bildirimlerinden anlaşıldığı üzere, belirli hizmet sağlayıcıların sunduğu bu metin transkripsiyonları ve notların doğruluğu ve güvenilirliği tutarsızdır.

Ayrıntılı bir puanlama deneyi kullanarak şunu test ettik: tl;dv'nin İsveç toplantılarını yönetme kapasitesini ve doğruluğunu test ettik ve bunu diğer üç araçla karşılaştırdık.

• Klang
• Fathom
• HappyScribe

Normalde, Google’ın Gemini 'yi testlerimize dahil ederdik, çünkü birçok işletme ve satış ekibi bunu çalışma alanı kurulumlarının bir parçası olarak kullanıyor. Ancak Gemini belirli sayıda dille Gemini ve İsveççe bu dillerden biri değildi.

Aşağıda, her bir aracın dört farklı kategoride aldığı puanlara ilişkin genel sonuçları gösteren bir tablo bulacaksınız. tl;dv , 188 puanlatl;dv da , Klang da testin ham transkripsiyon unsurlarında iyi bir performans sergiledi. İki araç arasındaki temel fark, güvenilirlik ve özellikler gibi faktörlerde yatmaktadır.

Testlerimizde kullandığımız ses dosyalarının beraberindeki belgeler sayesinde, Kelime Hata Oranı (WER) gibi göstergeleri belirleyebildik. Ancak, çeşitli araçların dili işleme biçimlerinde bazı ciddi eksiklikler vardı.

Örneğin, Fathom İsveççe bir transkripsiyonu nispeten kolay bir şekilde Fathom , ancak İsveççe bir özetin bulunmaması nedeniyle hayal kırıklığına uğradı.

Puanlar, büyük dil modelleriyle (LLM’ler) yapılan iki adet anonimleştirilmiş denemeyle hesaplandı ve ardından İsveççe ana dili konuşan bir kişi tarafından da kör değerlendirme yoluyla puanlandı. Bu sayede, testlerin mümkün olduğunca adil olması sağlanmakla kalmadı, aynı zamanda İsveççe’yi akıcı bir şekilde konuşan ve büyük dil modellerinin gözden kaçırmış olabileceği noktaları tespit edebilecek bir kişi tarafından da doğrulanması sağlandı.

Aşağıda en üst düzeydeki sonuçlar yer almaktadır:

İsveççe Toplantı Tutanakları ve Doğruluğu

Bu metinler, büyük dil modelleri (AnthropicClaude’u ve OpenAI’nin ChatGPT’si) tarafından puanlandı ve ardından araç isimleri gizlenmiş halde, ana dili konuşan kişiler tarafından yapılan kör değerlendirmeye dayalı olarak doğrulandı.

Yaptığımız testlerin temel amacı, çeşitli araçların konuşma dilindeki İsveççe’yi ne kadar iyi algıladığını belirlemektir. Testlerimizde, tabloda yer alan çeşitli faktörlere göre puanlama yaptık; ancak kilit unsurlar, diğer her şeyi etkileyen temel unsurlar oldukları için daha fazla ağırlıkta değerlendirildi.

Özellikle İsveççe’de dikkate alınması gereken bir dizi yazım riski bulunmaktadır. Üç ek sesli harf, son ekli belirli artikeller ve yoğun bileşik kelime kullanımı söz konusudur. Bu hususlar hem tl;dv Klang tarafından iyi bir şekilde ele alınmış olsa da, diğer iki araç bazı alanlarda zorluk yaşamıştır.

İsveç merkezli ve İsveç’te kurulmuş bir şirket olan Klang, inanılmaz derecede iyi bir performans sergiledi; ancak resmi Riksdag protokolünü kullanarak elde ettiğimiz Kelime Hata Oranı derecelendirmesine göre, iki çıktı arasında küçük bir fark vardı.

İsveççe Dil İşleme

Bu özel testte, tl;dv Klang en yüksek puanları aldı. Her ikisi de å, ä ve ö harflerini, dile özgü noktalama işaretlerini, bölgesel varyantları ve Riksdag tartışmalarında sıkça görülen İsveççe-İngilizce geçişini doğru bir şekilde işledi; bu geçişlerde İngilizce politika terimleri sürekli olarak İsveççe cümlelere karıştırılıyor.

Fathom bu durumun üstesinden Fathom ve aksan işaretleri ile İngilizce kökenli kelimeler konusunda puan kaybetti. HappyScribe ise genel olarak en kötü performansı sergiledi.

Kelime Hata Oranı (WER)

Temizlenmiş Riksdag protokolüne göre, tl;dv en düşük hata oranını tl;dv ve derecelendirmede en yüksek puanı aldı. Klang biraz daha düşük bir puan alırken, Fathom HappyScribe ise bunun altında kaldı.

Protokolün biçimlendirilmesi nedeniyle, kelimesi kelimesine ham transkript mevcut değildir ve insan eliyle hazırlanmış bir transkriptte bile belirli miktarda hata bulunmaktadır. Sonuçta belirlediğimiz derecelendirme, mutlak bir rakamdan ziyade göreceli bir sıralamayı yansıtmaktadır.

Varlık Algılama

Bu alan, araçların özel isimler, kısaltmalar ve teknik terimler gibi unsurları nasıl işlediğini ele almaktadır. Aynı zamanda bu, araçların en çok zorlandığı alanlardan biridir. tl;dv , Klang ile birlikte özel isim doğruluğu ve teknik terim tanıma konusunda kusursuz bir puan almayı tl;dv .

Bunun en net örneklerinden biri hem LLM puanlama sistemi hem de ana dil konuşmacımız tarafından tespit edildi; tl;dv Klang, Maia Sandu adını doğru bir şekilde verdi. Fathom ise tek harflik bir hata yaparak Maia’yı Maja olarak Fathom . HappyScribe ise adı tamamen Maya Sandow olarak değiştirdi; ayrıca “deras president” ifadesini “Europas president” olarakdeğiştirdi ve ona , var olmayan ve tartışmada hiç bahsedilmeyen bir görev ve makam atadı .

Aynı pasajın daha önceki kısımlarında da “rysk inblandning”(Rus müdahalesi) ifadesini “Ryss inblandning” olarak çeviren ve “grannar”(komşular) kelimesinin çoğul sonekini atlayarak “granna” şeklinde yazan iki cümle vardı. Diğer üç araç ise tüm bunları doğru bir şekilde çevirdi.

Tespit Edilen Spesifik Hatalar

Puanı düşük çıkan iki araç, çok belirgin ve birbirinden farklı şekillerde başarısız oldu. Bu durum LLMS tarafından tespit edildi ve ardından ana dili İngilizce olan uzmanımız tarafından doğrulandı.

Örneğin, HappyScribe, İsveççe kelimeler olmamasına rağmen kendinden emin bir izlenim uyandıran çıktılar içeren tam dizeler üretti. İsveççe bilmeyen birine bu tamamen normal görünebilir, ancak dili bilen biri için bu çok büyük bir tehlike işaretidir.

Çıktılar arasında “frilbilligen”, “upphöj”, “allmända” (asıl “allmänna” yerine) ve “besed” (asıl “besked” yerine) gibi kelimeler yer alıyordu. “Jörnbladtsfälsning” adlı bir çeviri örneği ise yazım hatası olarak açıklanamazdı. Ayrıca “befolkning” kelimesini ikiye bölerek “moldaviens befolk” haline getirmiş, “solkusten”i “zonkusten”e dönüştürmüş ve bir konuşmacının adını tamamen uydurmuştu.

Öte yandan, Fathomhataları İsveççe gibi görünse de yanlıştı. “Fungerar” yerine “funderar” yazarak“çalışır” anlamını“düşünür”olarak değiştirdi ve cümlenin anlamını tersine çevirdi. Ayrıca “spanska” kelimesini büyük S harfiyle yazdı; oysa İsveççe’de böyle bir kullanım yoktur.

Sınav Setindeki En Zor Bölüm

Tüm metin içindeki en zor bölüm, hiçbir aracın doğru bir şekilde işleyemediği bir kısım içeren “Författningsfrågor” konuşmasından alınmıştı. Konuşmacı "grundlagsfästning" dedi ; bu kelime hem tl;dv Klang tarafından "grundlagssättning"olarak algılandı . Bu, doğru şekilde oluşturulmuş gerçek bir İsveççe kelimedir, ancak bileşik kelimenin bir parçası yanlış algılanmıştır. Her iki sistem için de küçük bir hataydı ve bir İsveççe konuşmacısı bunu fark edip, buna rağmen bağlamı anlayabilirdi.

Fathom HappyScribe Fathom , İsveççe bir kelime olmayan “föremån” kelimesini üretti; HappyScribe ise aynı bölümde iki tane daha uydurma kelime kullandı. Tüm araçları geride bırakan pasajda ise, ilk iki araç yine de okunabilir İsveççe metinler üretti.

Gerçek Hayattaki Toplantı Kalitesi

Transkripsiyon kalitesini bir kenara bırakırsak, bu araçlar tarafından oluşturulan verileri ve çıktıları alıp bunları eyleme geçirilebilir görevlere dönüştürebilmek, bu araçların herhangi bir iş akışı içinde nasıl çalışması gerektiğinin gerçekten önemli bir parçasıdır.

Ardından, her bir araç tarafından oluşturulan transkripsiyonları ve özetleri “gerçek dünya kriterleri”ne göre değerlendirdik. Bu alanda bazı belirgin farklılıklar vardı; en dikkat çekici olanı ise Fathomözetlere yaklaşımıydı.

Toplantı Özetleri

Toplantılar zaman alır ve ham toplantı tutanakları yararlı olsa da, genellikle bir toplantı tutanağının tamamını incelemek çok zaman alıcıdır. tl;dv diğer araçlar, herhangi bir toplantıyı (veya tl;dvdurumunda birden fazla toplantıyı) inceleyip sorular sormanızı sağlayan yapay zeka teknolojisine sahip olsa da, gözden geçirebileceğiniz sağlam bir özetin olması işleri çok daha kolay ve hızlı hale getirebilir.

Fathom bir toplantı özeti Fathom , İsveççe olarak ilettiğimiz görüşmeleri ve yüklemeleri kaydetmiş olmasına rağmen tüm özetler İngilizceydi. Bu sadece şirket içi bir kullanıcı deneyimi tercihi olabilir, ancak transkripsiyon dilini sunup bunu diğer çıktılara yansıtmamak tuhaf geliyor. Bazı araçlar özetlerini katılımcılara e-posta ile gönderirken bazı İngilizce ifadeleri de aktarıyor olsa da, bu durum üründe ciddi bir ihmal gibi görünüyor.

Sonuç olarak, Fathom bu kriterlerin birçoğunda oldukça düşük Fathom ; çünkü karşılaştırma yapılabilecek İsveç kaynaklı içerik bulunmuyordu.

Davranışsal İstikrar

Bu bölüm, araçların aynı içeriği üç ayrı denemede nasıl işlediğini ele almaktadır. Yani aynı ses dosyası üç kez test edilmiştir. Bu sayede, yapay zeka ve transkripsiyon sistemlerinin birden fazla denemede ne kadar iyi performans gösterdiğini doğru bir şekilde belirleyebildik ve tesadüfi olabilecek hataları da hesaba katabildik. tl;dv , en istikrarlı sonucu elde etmeyi tl;dv ; yüksek transkripsiyon kalitesi ve özet çıktısıyla birleştiğinde bu kategoride birinci sırayı aldı.

Özet: Kalite ve Transkripsiyon Doğruluğu Karşılaştırması

Testler sonucunda ortaya çıkan bir husus, HappyScribe’ın özetleme konusunda birkaç değerlendirme kriterinde iyi puanlar almış olmasıydı. Bu durum, transkripsiyon konusunda zayıf bir performans sergilemiş olması nedeniyle özellikle şaşırtıcıydı. Buradaki transkripsiyon hataları da hiç de önemsiz değildi. Diğer üç araç okunabilir metinler sunarken, HappyScribe “frilbilligen” ve “upphöj” gibi kelimeler üretti; bu kelimelerin ikisi de İsveççe’de mevcut değildir.

Mantık olarak, örneğin, kalitesiz bir transkripsiyon kaydının iyi eylem maddelerine yol açmayacağı söylenebilir. Ancak HappyScribe bu konuda bazı puanlarını telafi etmeyi başardı. Bu durum, şirket içinde bu konuya daha fazla önem verilip verilmediğini akla getiriyor; ancak İsveççe konuşan kullanıcılar, doğru İsveççe transkriptlere ihtiyaç duyuyorlarsa bu durumu dikkatle değerlendirmelidir.

Yetenekler ve Özellikler

Bu bölümde, her bir aracın kullanıma hazır yeteneklerini ve özelliklerini inceledik. Bu inceleme, İsveççe’de sağlam bir transkripsiyonun temelleri üzerine, çıktının nasıl düzenlendiği ve özetler gibi unsurlarla nasıl kullanışlı hale getirildiği ve diğer özelliklere odaklanıyor. Kısaca özetlemek gerekirse, tl;dv bu konuda en üst sıralarda yer alıyor; üstelik bu, Klang’ın Temmuz 2026 itibarıyla piyasaya sürdüğü canlı transkripsiyon gibi unsurlar dahil edilmeden elde edilen bir sonuç.

Ses Tanıma

Bu özelliklerden üçü, “Voice Printing” de dahil olmak üzere, tl;dv aitti. Bu araç, ses imzanızı öğrenir ve toplantılarda sizi otomatik olarak tanıyabilir. Test edilen dört araç arasında yalnızca tl;dv bu özelliğe tl;dv .

Dolgu Kelimelerinin Takibi

Dört araçtan sadece tl;dv dolgu kelimelerinin izlenmesini sağlayan tek tl;dv . Birçok araç, özellik listesinin bir parçası olarak dolgu kelimelerinin kaldırılmasını sunsa da, bu durum metnin düzeltilerek yumuşatılması nedeniyle transkripsiyon doğruluğunun düşmesine neden olur. Çoğu durumda bu sorun teşkil etmez, ancak transkripsiyondaki gerçekliğin bir kısmını ortadan kaldırır. tl;dv , dolgu kelimelerinin nerede yer aldığını görme imkânı tl;dv , bunların gerekli olup olmadığına dair görüşünüzü belirlemenize olanak tanır.

İşlem Hızı

Ayrıca, ses kaydının her birinin ardından işleme hızını da test ettik; araçların transkripsiyonu tamamlamasının ne kadar sürdüğünü görmek için. Çoğu inanılmaz derecede hızlıydı; tl;dvtranskripsiyonu ve özeti ilk sırada yer aldı, onu Fathom izledi Fathom İsveççe özet içermese de), ardından da HappyScribe geldi. Klang en uzun süreyi aldı ve bir noktada, testlerimizden birinde transkripsiyonu almak yaklaşık 13 dakika sürdü.

Güven, Güvenlik ve Değer

İşletmenizin teknoloji yelpazesine dahil etmek üzere bir yapay zeka toplantı asistanı veya aracı değerlendirirken en önemli test kriterlerinden biri, güvenlik, veri işleme ve gizlilik konularıyla ilgilidir. Fathom hariç tüm araçlar Avrupa menşelidir; bu da AB düzenlemeleri ve GDPR gibi unsurlarla uğraşan herkes için her açıdan sağlam bir başlangıç imkânı sunar.

Veri Bulundurma Yeri ve Yapay Zeka Eğitimi

tl;dv, Klang ve HappyScribe’ın verileri AB/Avrupa’da barındırılırken, Fathom ABD’de Fathom . Bu durum, bu kriter açısından Avrupalı araçların açık ara farkla önde olmasını sağlıyor.

Fathom bu üç araçtan daha düşük Fathom bir diğer alan ise yapay zeka eğitimi oldu. Yapay zeka eğitimini devre dışı bırakmak mümkün olsa da, bu seçeneği bulmak için yönetici düzeyinde ayar haklarına sahip olmak gerekiyor ve bu seçenek arayüzün derinliklerinde gizlenmiş durumda. Standart olarak yapay zeka eğitimi etkinleştirilmiş halde geliyor ve manuel olarak devre dışı bırakılması gerekiyor.

Tüm Araçlarda Güçlü Güvenlik Raporlandı

Bu testin geri kalan kısmında, tüm araçlar genelinde güçlü sonuçlar elde edildi. Her biri güvenlik uyumluluğu, veri saklama kontrolleri ve fiyatlandırma şeffaflığı gibi alanlarda başarılı oldu; ayrıca her birinin, seçim yapmadan önce denemek için ücretsiz bir kademesi mevcut. Canlı toplantılarda kullanmak yerine HappyScribe’a yüklemeyi tercih ederseniz, bunun dakika kredilerini tükettiği unutulmamalıdır. Testlerimiz sırasında, diyariзация özelliğini denerken HappyScribe hesabımıza para yüklemek zorunda kaldık; bu nedenle, düzenli olarak dosya yüklemeyi planlıyorsanız bu hususu göz önünde bulundurmalısınız.

İsveç Toplantı Doğruluk Testi: Metodoloji

İsveççe transkripsiyon doğruluğu, özetler ve özellikler üzerine yaptığımız karşılaştırma, her araca aynı koşulları sağlamak üzere tasarlanmış, kontrollü ve eşdeğer bir test temelinde gerçekleştirilmiştir.

Test Seti

İsveççe testi için İsveç parlamentosu olan Riksdag’dan temin ettiğimiz üç video kullandık. Her bir clip , kullanım kolaylığı ve tutarlılık amacıyla yaklaşık 10 dakikaya clip ve her clip için referans olarak kullanılmak üzere resmi bir hükümet protokolü de eklenmişti. Bu kaynağı seçmemizin nedeni, her bir parlamento tartışmasında birden fazla konuşmacının yer alması ve bu tartışmalarda, genellikle özel terminoloji ve kısaltmaların yanı sıra İngilizce alıntı kelimeler de içeren gerçek konuşma dilinde İsveççe’nin kullanılmasıydı.

Her bir clip , iki belirli koşul altında dört aracın tümünden clip .

Gerçek bir toplantı ortamını simüle etmek amacıyla ses yoluyla klipleri oynatarak üç canlı toplantı düzenledik. Tek kaynaklı ses olduğu için bu denemede konuşmacı ataması test edilmedi.

Daha fazla referans noktası elde etmek ve diarizasyon testini yapmak amacıyla verileri doğrudan platforma yükledik.

İnceleme

Her bir aracın transkripsiyonlarını ve özetlerini topladıktan sonra, bunları tek bir belgede bir araya getirdik; çıktıları anonim hale getirmek amacıyla her birine bir harf atadık. Her test, iki büyük dil modelinde (LLM) kör bir şekilde puanlandı; puanlama, transkripsiyon kalitesi, gerçek hayattaki toplantı kalitesi, özellikler ile güven ve güvenlik olmak üzere dört kademeden oluşan 200 puanlık bir çerçeveye göre gerçekleştirildi.

LLM puanlaması daha sonra İsveçli bir ana dil konuşmacısı olan Rebeka Bereczky tarafından yapılan bir kontrol ile teyit edildi. Ana dilini konuşan kişi tarafından yapılan inceleme, aynı anonimleştirilmiş belgeyi temel alıyordu; transkriptler A'dan D'ye kadar etiketlenmişti ve hangisinin hangisi olduğuna dair herhangi bir gösterge yoktu. Zor olan veya araçların birbiriyle çeliştiği belirli pasajlar vurgulanmıştı ve bizden çıktıları sıralamamız ve hataların ne olduğunu ve neden yanlış olduğunu açıklamak için hatalarla ilgili ayrıntılı bilgiler vermemiz istendi. Ana dilini konuşan kişinin sonucu, orijinal testimizde bulduğumuz her şeyi doğruladı.

Alet Seti

Test edilip derecelendirilen araçlar şunlardı:
tl;dv
Klang
Fathom
HappyScribe.

Her biri, tl;dv ile bağlantılı olmayan ayrı bir Google hesabında çalıştırıldı.

Motor ve Plan Ayrıntıları

Tam şeffaflık sağlamak amacıyla, her bir aracın işleyişini destekleyen transkripsiyon motorunun ayrıntılarını da araştırdık. Bazı araçlar hangi motoru kullandıklarını kamuya açıklamamaktadır; bu nedenle, bu bilgiye ulaşılamayan durumlarda bunu belirtmiş bulunmaktayız. Ayrıca, çeşitli ücretli ve ücretsiz planlar üzerinde testler gerçekleştirdik.

Kapsam ve Uyarılar

• WER, yüzde yerine bir derecelendirme olarak bildirilmiştir. Kullandığımız kaynak materyal, yazılı bir protokol ile birlikte sunulmuştu; ancak bu, kelimesi kelimesine bir transkript değildir. Sonuç olarak, gerçek WER değeri hesaplanamamıştır. Bu referans eksikliği, tüm araçlarda ortaktır.
• Hoparlör ataması yalnızca yükleme denemelerinde değerlendirildi. Canlı denemelerde her bir clip tek bir ses kaynağı clip çalındı; bu da hiçbir aracın okuyabileceği ayrı bir hoparlör kanalı bırakmadı. Dördü de aynı koşullara maruz kaldı.

İsveççe Konuşanlar İçin En İyi Toplantı Transkripsiyon Yazılımı Hangisidir?

tl;dv , 200 üzerinden 188 puan alarak genel testte tl;dv ve testimizin dört alanının tamamında iyi sonuçlar elde etti. Ayrıca en düşük hata oranını kaydetti, fazladan sesli harfleri doğru bir şekilde korudu ve seçtiğimiz ses kayıtları boyunca İngilizce alıntı kelimelerin değiştirilmesini başarıyla gerçekleştirdi. Klang gibi diğer araçların arayüzü İsveççe olsa da, tl;dv İsveççe özet notları tl;dv ve ortalama bir İsveççe konuşan kullanıcı için kullanımı kolay olacaktır.

Doğruluk ve üretim hedeflerini aynı anda karşılama konusunda hiçbir başka araç onunla boy ölçüşemedi.

Klang, bu testte yer alan tek İsveç merkezli araçtır ve doğruluk açısından sağlam puanlar almıştır. Bazı belirli özellikler konusunda biraz daha zayıf kaldığı alanlar olsa da, Temmuz 2026’da canlı transkripsiyon özelliğinin piyasaya sürülmesi, şirketin zaman içinde yeni özellikler eklediğini göstermektedir.

HappyScribe oldukça sağlam bir özet hazırlayabildi, ancak transkripsiyon kalitesi diğer araçlarınkinden oldukça düşüktü.

Fathom , transkripsiyon doğruluğu Fathom nispeten iyi Fathom ; ancak İsveççe özetler sunmaması nedeniyle daha düşük puan aldı; bu da desteklediğini iddia ettikleri bir dil için büyük bir eksiklik olarak görülüyor. Hizmetin ABD’de barındırılması ve kayıtlar üzerinde eğitim vermek için yapay zekanın biraz belirsiz bir şekilde kullanılması da düşük puan almasında etkili olan faktörlerdi.

İsveççe toplantıları doğru bir şekilde kayda alan, sağlam ve eyleme geçirilebilir özetler sunan ve çeşitli özellikler ile güvenlik garantileri sağlayan bir araç arıyorsanız, tl;dv bu alanda en iyi performansı tl;dv .

tl;dv bugün tl;dv deneyin ve bir sonraki toplantınızda kullanarak İsveççe transkripsiyon doğruluğunun nasıl işlediğini görün.