En 15-sekunders video har samma krav på rösten som en 30-sekunders TV-spot. Men budgeten är en tiondel. Det är grundproblemet med voice over för sociala medier: formatet är kort, kraven är höga och marginalerna för att fånga lyssnaren är minimala.
De viktigaste punkterna kort
- Kort video kräver snabbare attack i rösten, inte snabbare uppläsning. Du har 1–3 sekunder på dig att etablera ton.
- Varje plattform har sitt eget ljudlandskap. LinkedIn-publiken accepterar längre meningar. TikTok straffar dig om du inte kommer till poängen direkt.
- Professionell voice over i sociala medier kostar mindre per klipp men kräver mer precision per sekund än längre format.
- AI-genererad röst fungerar sämre i sociala medier än i längre format. Lyssnaren hör skillnaden snabbare när allt är komprimerat till 15 sekunder.
- Paketlösningar (5–10 klipp per session) sänker styckkostnaden till en bråkdel av enstaka beställningar.
- UGC-röst och professionell voice over löser olika problem. Blanda inte ihop dem.
Varför kort video ändrar kraven på rösten
I en företagsfilm på tre minuter har du tid att bygga upp tempo och ton. Lyssnaren ger dig 10–15 sekunder innan de bestämmer sig för om de stannar. I en Instagram Reel eller TikTok har du knappt tre.
Det förändrar röstarbetet på tre sätt:
Attack. Det första ordet måste sitta. Inte genom att skrika eller vara aggressiv, utan genom att ha full energi och tydlighet från första stavelsen. I längre format kan du börja lite lugnare och bygga. I kort video finns inget utrymme för uppvärmning.
Densitet. En 15-sekunders video rymmer cirka 35–45 ord. Varje ord som inte driver budskapet framåt är bortkastat. Det innebär att manuset måste vara stramt och att rösten inte kan lägga in pauser för dramatik om de inte tjänar ett syfte.
Avslut. I längre format kan du landa mjukt. I kort video behöver slutet vara lika bestämt som början. Lyssnaren ska veta att budskapet är klart — inte undra om videon hackade.
Jag har gjort voice over sedan 1985, och den största förändringen jag sett de senaste fem åren är just detta: samma tekniska krav som broadcast, men i format som är en tiondel så långa. Det kräver mer av rösten per sekund, inte mindre.
Plattform för plattform: vad som skiljer sig
TikTok
TikTok-publiken scrollar snabbt och lyssnar på låg volym eller med hörlurar i kollektivtrafiken. Ljudkvaliteten på plattformen är komprimerad. Det innebär:
- Tydlig diktion framför allt. Nyanser i rösten försvinner i komprimeringen. Konsonanter måste vara rena.
- Kort och direkt. 15–30 sekunder är normen. Öppningen ska vara en påstående eller fråga, inte en introduktion.
- Tonalt register. Mellanregistret fungerar bäst. Djupa frekvenser försvinner i mobilhögtalare. Ljusa frekvenser blir skärande.
- Tempo. Snabbare än broadcast men inte maskinellt. Cirka 170–190 ord per minut, jämfört med 140–160 i företagsfilm.
En vanlig fälla är att försöka låta "ung" eller "TikTok-aktig". Det fungerar inte om det inte är din naturliga röst. Autenticitet hörs — särskilt i kort format där lyssnaren inte har tid att anpassa sig.
Tekniskt sett exporterar TikTok video i 1080×1920 (9:16) och ljud i AAC runt 128 kbps. Det innebär att dynamiken i rösten plattas till. En inspelning med stor dynamik — tyst-högt-tyst — fungerar sämre än en jämn, kontrollerad nivå. Jag siktar på -14 LUFS integrerat för TikTok-leveranser, med en true peak på max -1 dB. Det ger headroom för plattformens egen komprimering utan att rösten drunknar i musiken.
Instagram Reels
Instagram Reels delar mycket med TikTok men har en bredare demografisk spridning. Formatet tillåter upp till 90 sekunder, men 15–30 sekunder presterar bäst.
- Något mer utrymme för ton. Du kan vara en halv grad mer berättande än på TikTok utan att tappa folk.
- Bilddriven plattform. Rösten kompletterar bilden, den driver inte ensam. Det betyder att voice over ofta behöver vara mer sparsam — säg det som bilden inte visar.
- Textning är standard. De flesta ser Reels utan ljud först. Rösten måste fungera som tillägg, inte som enda informationsbärare.
Instagram Reels använder samma 9:16-format som TikTok men tillåter även 1:1 och 4:5 i flödet. Ljudet komprimeras till AAC, men plattformen hanterar dynamik något bättre än TikTok. Riktvärde för loudness: -14 till -16 LUFS. Om du publicerar samma klipp på både Instagram och TikTok, gör åtminstone en separat ljudmaster för varje plattform. En TikTok-optimerad mix kan låta platt och överkomprimerad på Instagram, där lyssnare oftare har bättre hörlurar.
LinkedIn är den plattform där professionell voice over gör störst skillnad jämfört med amatörinspelning. Publiken är mer tolerant mot längre format (30–90 sekunder) och förväntar sig en viss kvalitet.
- Auktoritet spelar roll. En ren, professionell röst signalerar att företaget tar sitt innehåll på allvar. Det gäller särskilt för B2B och employer branding.
- Tempo: broadcast-nära. 140–160 ord per minut. Ingen brådska.
- Fullständiga meningar. Till skillnad från TikTok-formatet kan du använda mer komplex meningsbyggnad. Publiken är van vid rapporter och artiklar.
- Ljudkvalitet syns mer. LinkedIn spelas ofta på dator med bättre högtalare. Dåligt ljud sticker ut mer här än på TikTok.
LinkedIn stödjer 1:1, 4:5, 9:16 och 16:9. De flesta B2B-videos publiceras i 1:1 eller 16:9 och spelas upp i flödet utan fullskärm. Det gör att rösten konkurrerar med kontorsmiljöns bakgrundsljud snarare än med hörlurar i tunnelbanan. En ren, tydlig studioinspelning med bra separation mellan röst och eventuell musik är viktigare här än på någon annan plattform. Loudness-riktvärde: -16 LUFS, alltså samma som broadcast. LinkedIn-publiken är van vid den nivån.
Ett konkret exempel: jag spelade nyligen in en serie på åtta klipp för ett rekryteringsföretag — employer branding-videos riktade till ingenjörer. Varje klipp var 40–60 sekunder, lugnt tempo, auktoritativ ton. Samma klipp hade inte fungerat på TikTok. Men på LinkedIn genererade de tydligt fler ansökningar under kampanjperioden jämfört med de textbaserade inläggen.
AI-röst kontra professionell voice over i sociala medier
Många företag testar AI-genererad röst för sociala medier först. Det är logiskt: volymerna är höga, budgetarna låga, och det verkar effektivt att generera ljud direkt från text.
Problemet är att kort format avslöjar AI-röst snabbare än långt format.
I en 10-minuters e-learning kan en AI-röst fungera tillräckligt bra under långa stunder. Lyssnaren vänjer sig vid de små ojämnheterna. I en 15-sekunders video finns ingen tid att vänja sig. Varje frasering, varje betoning, varje mikropaus bedöms omedelbart.
Det jag ser hos kunder som har testat AI-röst för sociala medier och sedan bytt tillbaka:
- Engagemanget sjönk. Inte dramatiskt, men mätbart. Tittartiden i sekunder gick ned med 10–20 procent.
- Kommentarerna ändrades. Folk nämnde inte rösten specifikt, men kommentarerna gick från innehållsfokuserade till generella eller uteblev helt.
- Varumärkeskänslan förändrades. Flera marknadsansvariga beskrev det som att "det kändes billigare" utan att kunna peka på exakt varför.
AI-röst fungerar för internt material, snabba prototyper och format där rösten inte är i centrum. För varumärkeskommunikation i sociala medier — där du har 3 sekunder på dig att bygga förtroende — är professionell voice over fortfarande bättre. Läs mer i AI-röst vs mänsklig röst: vad beslutsfattare bör överväga.
Det finns också en praktisk aspekt som sällan diskuteras: revision. När ett manus behöver justeras — en siffra ändras, en produktbenämning uppdateras — kan en mänsklig röst spela in bara den raden och matcha ton och tempo exakt. AI-röstverktyg genererar hela klippet på nytt, och resultatet låter aldrig exakt likadant som förra gången. För sociala medier där du kör löpande kampanjer och uppdaterar klipp varje vecka blir det ett konkret problem.
En annan faktor: TikToks egen text-to-speech har blivit så utbredd att den signalerar "oinvesterat innehåll" för många lyssnare. Det var nytt och oväntat 2022. Nu är det bakgrundsbrus. Varumärken som vill skilja sig åt i flödet behöver en röst som inte låter som alla andras automatgenererade ljud.
Paketlösningar: hur du sänker kostnaden per klipp
En enstaka 15-sekunders voice over-inspelning kostar ungefär lika mycket att administrera som en 3-minuters inspelning. Offertförfrågan, briefing, bokning, inspelning, leverans, faktura — arbetsflödet är detsamma oavsett längd.
Det gör enstaka korta klipp dyra per sekund. Men det finns en enkel lösning: bunta ihop dem.
Så här fungerar det i praktiken:
- Samla 5–10 manus. Skriv klart alla klipp innan du bokar session. Leverera dem samlade, inte ett i taget.
- Boka en session. 5 klipp á 15–30 sekunder tar 30–45 minuter att spela in. Jämfört med 5 separata bokningar sparar du tid och pengar.
- Bestäm tonalt ramverk i förväg. Om alla klipp ska ha samma energi och tempo, kommunicera det i briefen. Det sparar omtagningar.
- Leverans i batch. Alla filer levereras samtidigt, namngivna enligt ert system. WAV eller MP3 efter behov.
Styckkostnaden sjunker rejält. En kund som beställer ett klipp i taget betalar kanske 2 500–4 000 kr per klipp. Samma kund som beställer 10 klipp i en session betalar ofta 800–1 500 kr per klipp, beroende på rättigheter och användning.
Prisskillnaden beror på att den administrativa kostnaden fördelas. Sessionsavgiften är i stort sett densamma oavsett om du spelar in ett eller tio klipp. Det som tillkommer per klipp är rättigheterna: hur länge, var och i vilka kanaler klippen ska användas. Sociala medier-rättigheter är ofta begränsade till digital publicering i egna kanaler under 12 månader. Det ger en lägre rättighetskostnad per klipp än exempelvis en TV-kampanj. Kombinerar du det med en batchsession får du professionell voice over till en kostnad som konkurrerar med — och ibland underskrider — licensavgiften för premium AI-röstverktyg.
Många kunder jag arbetar med har en löpande social media-kalender. Då funkar det bra att boka en session varannan eller var tredje vecka, samla ihop allt som behöver voice over, och spela in i en omgång. Några har en fast månadsöverenskommelse: ett visst antal klipp per månad till ett fast pris. Det ger förutsägbarhet för båda parter.
Se så beräknas voice over-priset: rättigheter och användning för hur prissättningen fungerar i detalj. Eller gå direkt till priser för aktuella paket.
UGC-röst kontra professionell voice over
UGC (user-generated content) har exploderat på sociala medier. Många varumärken använder kreatörer som spelar in voice over med sin telefon, medvetet "operfekt" och personligt.
Det fungerar — i rätt kontext. Men det löser ett annat problem än professionell voice over.
UGC-röst passar för:
- Produktrecensioner och testimonials
- "Behind the scenes"-innehåll
- Kampanjer som medvetet ska kännas grassroot
- Influencer-samarbeten där personen är avsändaren
Professionell voice over passar för:
- Varumärkesbyggande innehåll
- Produktlanseringar
- Employer branding
- Allt som ska representera företaget, inte en individ
Misstaget är att blanda ihop dem. Ett företag som använder UGC-röst på sitt officiella LinkedIn-konto signalerar — oavsett avsikt — att de inte investerar i sin kommunikation. Och tvärtom: professionell voice over i en UGC-kampanj ser överklädd ut.
Det finns en gråzon: branded content där ett företag anlitar en kreatör som gör voice over i UGC-stil men med ett kontrollerat manus. Det kan fungera, men det kräver att kreatören faktiskt kan leverera konsekvent. Många UGC-kreatörer är bra på att vara spontana men har svårt att upprepa en specifik ton på beställning. Resultatet blir ofta ojämnt över en kampanj med flera klipp. En professionell röst kan däremot leverera både polerad företagston och en mer avslappnad, konverserande stil — och byta mellan dem på begäran.
I praktiken ser jag allt fler kunder som kör en tvåspårig strategi: professionell voice over för allt som publiceras i företagets egna kanaler, och UGC-röster för betalda samarbeten och influencer-kampanjer. Det ger en tydlig gräns och undviker röran som uppstår när samma kanal blandar helt olika röstidentiteter.
Välj format efter syfte. Ofta behöver ett företag båda, men inte på samma ställen.
Vad du ska göra
- Skriv manus först, spela in sen. Improviserad voice over i kort video fungerar sällan. Varje ord måste bära.
- Anpassa tempo efter plattform. TikTok: 170–190 wpm. LinkedIn: 140–160 wpm. Instagram: mitt emellan.
- Prioritera de första tre sekunderna. Första meningen avgör om lyssnaren stannar. Skriv den sist, när du vet vad resten handlar om.
- Samla klipp i paket. Boka en session för 5–10 klipp istället för att beställa ett i taget. Det sparar 50–70 procent.
- Kräv studioinspelning. Även för korta klipp. Bakgrundsljud och rumsklang som passerar i en podcast hörs tydligt i 15 sekunder med musik under.
- Texta alltid. Majoriteten scrollar utan ljud. Rösten är ett lager, inte det enda.
- Lyssna på mobil. Innan du godkänner leveransen: lyssna i mobilhögtalare och med billiga hörlurar. Det är så publiken hör det.
Nästa steg
Kort video är inte enklare att göra voice over för. Det är svårare per sekund. Men med rätt manus, rätt ton och en paketlösning som sänker styckkostnaden blir professionell voice over i sociala medier lönsam och effektiv.
Om du planerar en serie klipp för sociala medier, börja med att skriva alla manus och skicka dem samlade. Jag ger feedback på längd, tempo och ton innan vi bokar session.
Hör exempel på olika format i demos. Vill du diskutera upplägg eller paketpris: kontakta mig.
FAQ
Hur lång ska en voice over vara för Instagram Reels?
15–30 sekunder presterar bäst. Det motsvarar 35–75 ord. Vill du gå upp till 60 sekunder behöver bilden bära mer och rösten komplettera snarare än driva.
Behöver jag olika röster för olika plattformar?
Inte nödvändigtvis. Samma röst kan anpassas i tempo och energi. Det som ändras är leveransstilen, inte rösten. Men om du vill ha en tydlig UGC-känsla på TikTok och en corporate-ton på LinkedIn kan olika röster vara rätt.
Kan jag använda samma inspelning på flera plattformar?
Tekniskt ja, men det ger sällan bästa resultat. Tempot som fungerar på TikTok kan kännas stressat på LinkedIn. Bättre att spela in varianter i samma session — det tar bara minuter extra.
Vad kostar voice over för sociala medier?
Ett enstaka kort klipp kostar ungefär som en vanlig inspelning. Paketlösningar (5–10 klipp per session) sänker priset per klipp med 50–70 procent. Se priser för aktuella nivåer.
Fungerar AI-röst för TikTok?
Plattformens inbyggda text-to-speech fungerar för informellt innehåll. För varumärkeskommunikation fungerar det sämre — kort format avslöjar artificiell röst snabbare än långt format. Läs mer i AI-röst vs mänsklig röst.
Hur snabbt ska tempot vara i kort video?
TikTok och Reels: 170–190 ord per minut. LinkedIn: 140–160. Det är snabbare än broadcast (120–140) men långsammare än en typisk poddkonversation (200+). Nyckeln är tydlighet, inte hastighet.
Ska jag texta videon om det finns voice over?
Ja, alltid. Mellan 50 och 85 procent av videor på sociala medier ses utan ljud. Textning gör att budskapet fungerar visuellt också.
Vilken ljudkvalitet krävs för sociala medier?
Samma som för andra professionella format. Plattformarna komprimerar ljudet, men startar du med dåligt ljud förstärks problemen. Studioinspelning i 48 kHz / 24 bit, leverans i WAV eller 320 kbps MP3.
Läs mer: