Derfor bruger jeg EchoNote til ALLE mine podcasts — og du burde også
4 min læsetid0 visninger
Jeg har et problem. Måske har du det også.
Jeg lytter til podcasts. Mange podcasts. Tech, marketing, startup-stories, filosofi, videnskab — hvis det er interessant, er det i mit feed. Jeg har 22 transskriptioner liggende i EchoNote lige nu, og det tal vokser hver uge.
Men her er det pinlige: før jeg byggede EchoNote, huskede jeg næsten ingenting.
Jeg kunne lytte til en to-timers episode om growth marketing, nikke genkendende hele vejen, og to dage senere ikke kunne gengive én konkret strategi. Lyd går ind. Lyd går ud. Hjernen gemmer ingenting.
Det var derfor jeg byggede EchoNote.
Podcasts er et fantastisk medie. Men de har en fundamental svaghed: de er lineære, flygtige, og umulige at søge i. Du kan ikke Ctrl+F i en podcast.
Det betyder at al den viden der bliver delt — konkrete frameworks, data points, bogreferencer, værktøjsanbefalinger — forsvinder i æteren sekundet efter den er blevet sagt.
EchoNote løser det på tre måder.
Hver episode jeg lytter til, får en komplet transskription. Ikke en AI-opsummering der gætter på hvad der var vigtigt — men hvert eneste ord, præcist som det blev sagt.
Det betyder at når jeg tre uger senere tænker "hvad var det der værktøj ham founder'en nævnte?", så søger jeg bare i EchoNote og finder det på to sekunder.
En to-timers episode kan indeholde 15-20.000 ord. Det er en roman. Ingen gider læse det hele.
EchoNotes AI læser transskriptionen og trækker det vigtigste ud: nøglepointer, action items, personer nævnt, bøger anbefalet. Struktureret. Overskueligt. Klart til at handle på.
Før EchoNote havde jeg podcast-noter i Apple Notes, bog-anbefalinger i Notion, og "den der gode episode" som et screenshot i min kamerarulle. Kaos.
Nu har jeg alt ét sted. Søgbart. Organiseret. Tilgængeligt.
Her er tre konkrete måder EchoNote har ændret min hverdag.
Research til blog posts. Jeg skriver om AI, marketing og startups. Før brugte jeg timer på at researche. Nu søger jeg i mine transskriptioner efter relevante episoder, finder citater og data på sekunder, og har et solidt research-grundlag klar.
Boganbefalinger. Hver gang en gæst anbefaler en bog i en podcast, fanger EchoNote det. Jeg har en voksende liste af bøger jeg aldrig ville have opdaget ellers. Atomic Habits, Designing Data-Intensive Applications, Project Hail Mary — alle fra podcast-anbefalinger.
Konkurrent-research. Jeg lytter til podcasts hvor konkurrenter og potentielle kunder optræder. EchoNote transskriberer, jeg søger efter keywords, og pludselig har jeg indsigt jeg ellers skulle bruge timer på at researche.
Jeg prøvede de eksisterende løsninger. Otter.ai, Descript, Fireflies. De er fine — til møder. Men de er ikke bygget til podcast-lyttere.
Jeg ville have noget der:
Så jeg byggede EchoNote. Fordi det værktøj jeg ville have, fandtes ikke.
Hvis du lytter til 1-2 podcasts om ugen og aldrig har brug for at slå noget op — sikkert ikke.
Men hvis du:
Så er EchoNote bygget til dig.
EchoNote er stadig i beta, og jeg bygger features baseret på hvad rigtige brugere faktisk har brug for — ikke hvad jeg tror de har brug for.
Lige nu arbejder jeg på:
Hvis du har en feature du mangler, så sig til. Jeg bygger det folk efterspørger.
Jeg lyttede til 200+ podcasts uden at huske noget. Nu husker jeg alt.
Det er forskellen mellem at høre og at lære.
EchoNote er i beta. Læs mere på echonote.dk
EchoNote loeser podcast-problemet med transskription og AI-noter.