Laddas mina filer upp till en server?

Nej. Summeringsmodellen laddas ner till din webbläsare och körs på din egen enhet — din text lämnar den aldrig.

Ren text (.txt), undertexter (.srt och .vtt) och allt du klistrar in. Långa transkript hanteras automatiskt genom att summeras i delar som sedan slås ihop.

Kan jag summera en PDF?

Inte direkt — summeraren tar .txt-, .srt- och .vtt-filer, eller text du klistrar in. För en PDF, kör den först genom verktyget PDF till Markdown (som också körs i din webbläsare) och klistra sedan in texten här.

Vilka summeringsstilar finns det?

TL;DR, viktiga punkter, åtgärder och mötesanteckningar. Välj det som passar bäst innan du kör.

Är det verkligen gratis?

Ja — gratis och obegränsat. Det krävs inget konto och finns inga begränsningar eftersom modellen körs på din enhet, inte på våra servrar.

Varför tar den första summeringen längre tid?

Första gången laddas modellen ner (cirka 0,9 GB), sedan sparas den i webbläsarens cache så att kommande summeringar startar snabbt. En enhet med WebGPU gör genereringen mycket snabbare.

Vilken modell används?

Qwen2.5-1.5B-Instruct (Apache-2.0), kompilerad för WebLLM/MLC och körd på WebGPU. Något WebAssembly-alternativ finns inte: en modell i den här storleken är opraktisk på processorn, så en webbläsare utan WebGPU får besked i stället för att kämpa i onödan.

Summera text och transkript — privat i din webbläsare

Förvandla långa transkript, undertexter eller artiklar till en kort TL;DR, viktiga punkter, åtgärder eller snygga mötesanteckningar. AI-modellen körs helt på din enhet — ingenting laddas upp, så det är gratis, obegränsat och privat.

Så summerar du

Lägg till din text eller fil

Släpp en .txt-, .srt- eller .vtt-fil, eller klistra in text direkt. Den lämnar aldrig din webbläsare.
Välj summeringsstil

Välj TL;DR, viktiga punkter, åtgärder eller mötesanteckningar — det som passar dina behov.
Summera och spara

Modellen körs på din enhet (laddas ner första gången, sparas sedan i cachen). Se summeringen strömma in, kopiera den sedan eller ladda ner som .md/.txt.

Varför summera här

Dina filer laddas aldrig upp

Summeringen körs 100% i din webbläsare — ingen server, inget konto, ingen uppladdning. Perfekt för konfidentiella anteckningar, samtal och transkript.

Skapad för transkript

Klistra in ett mötes- eller intervjutranskript (eller släpp undertexterna) och få viktiga punkter, beslut och åtgärder — det perfekta komplementet till transkriberaren.

Gratis och obegränsat

Eftersom allt körs på din enhet finns det ingen kostnad per token och ingen gräns. Summera hur mycket du vill.

Modellen bakom

Drivs av Qwen2.5-1.5B-Instruct, en språkmodell under Apache-2.0, körd via WebLLM. Den kräver WebGPU, och därför är verktyget i första hand gjort för dator: hela modellen laddas in i ditt grafikkort och når aldrig någon server.

Frågor och svar

Laddas mina filer upp till en server?: Nej. Summeringsmodellen laddas ner till din webbläsare och körs på din egen enhet — din text lämnar den aldrig.
Vad kan jag summera?: Ren text (.txt), undertexter (.srt och .vtt) och allt du klistrar in. Långa transkript hanteras automatiskt genom att summeras i delar som sedan slås ihop.
Kan jag summera en PDF?: Inte direkt — summeraren tar .txt-, .srt- och .vtt-filer, eller text du klistrar in. För en PDF, kör den först genom verktyget PDF till Markdown (som också körs i din webbläsare) och klistra sedan in texten här.
Vilka summeringsstilar finns det?: TL;DR, viktiga punkter, åtgärder och mötesanteckningar. Välj det som passar bäst innan du kör.
Är det verkligen gratis?: Ja — gratis och obegränsat. Det krävs inget konto och finns inga begränsningar eftersom modellen körs på din enhet, inte på våra servrar.
Varför tar den första summeringen längre tid?: Första gången laddas modellen ner (cirka 0,9 GB), sedan sparas den i webbläsarens cache så att kommande summeringar startar snabbt. En enhet med WebGPU gör genereringen mycket snabbare.
Vilken modell används?: Qwen2.5-1.5B-Instruct (Apache-2.0), kompilerad för WebLLM/MLC och körd på WebGPU. Något WebAssembly-alternativ finns inte: en modell i den här storleken är opraktisk på processorn, så en webbläsare utan WebGPU får besked i stället för att kämpa i onödan.