Test av AI-receptextraktion: fem metoder, sex källor, ett tydligt utfall

Att spara recept låter enkelt: du hittar ett recept på nätet, du lägger det i en app. Bara det att “på nätet” i dag betyder ett TikTok-klipp, ett Instagram Reel, det avfotograferade receptkortet din moster skickade, en skärmdump ur en Facebook-grupp – och ibland fortfarande en matblogg. Det som betar av ett välbyggt blogginlägg utan att blinka sätter i halsen på fyrtiofem sekunder matlagningsvideo. Det som läser ett foto klarar inte en webbsida.

Vi lät fem olika metoder gå mot sex typiska källor för att se vad som faktiskt levererar och vad som ändå får dig att knappa in receptet själv. Det var ingen skrivbordsövning: riktiga recept ur riktiga källor, och det som kom ut i andra änden fördes till protokollet.

De fem metoderna

Innan resultaten, här är de tävlande:

1. Klassisk webbklippning (DOM och regex)

Den äldsta metoden, i bruk hos appar som Paprika och CopyMeThat. Clippern söker igenom en sidas HTML efter strukturerade receptdata: JSON-LD, microdata eller igenkännbara HTML-mönster som ingredienser i <ul> och steg i <ol>. Ingen AI är inblandad. Verktyget matchar mönster i DOM:en och tar med det som passar i den förväntade formen.

2. Webbläsartillägg

Appar som Recipe Keeper arbetar via ett tillägg som i princip gör samma sak, fast tätare sammanvävt med sidan. Det kopplar in sig i den öppna sidan, letar efter receptmärkning eller kända insticksformat (WP Recipe Maker, Tasty och så vidare) och tar över de strukturerade datan. En del lägger ett lager gissningar ovanpå och avgör vilka textblock som är ingredienser och vilka som är arbetssteg när märkning saknas.

3. AI för text

En yngre kategori skickar en sidas textinnehåll genom en språkmodell. I stället för att leta HTML-struktur läser AI:n råtexten och känner igen ett recepts beståndsdelar, eftersom den förstår naturligt språk. Med ostädad formatering och ostrukturerade sidor klarar sig det betydligt bättre än en DOM-tolkning – men det stannar vid text. Sitter receptet i en video, i en bild eller i talade meningar har en ren text-AI ingenting att gå på.

4. AI för bild och OCR

Vissa appar bearbetar bilder – foton av receptkort, kokbokssidor, skärmdumpar – med teckenigenkänning plus AI. Systemet läser skriften i bilden och för den sedan över i receptform. För papper och skärmdumpar är det ett verkligt framsteg, för video, ljud och levande webbsidor hjälper det inte.

5. Fullt multimodal AI (Pluck)

Pluck kombinerar fem vägar till extraktion: analys av bildrutorna, avskrift av ljudspåret, teckenigenkänning för text i bild (OCR), tolkning av bildtexter och undertexter samt metadata. För foton tillkommer bildförståelse, för webbsidor läser Pluck strukturerade data och löptext lika gärna. AI:n stämmer av alla tillgängliga signaler mot varandra, fogar samman dem till ett strukturerat recept och sätter en träffsäkerhetspoäng, så att du vet hur mycket du kan ta för gott.

Testet: sex källor, fem metoder

Testet kördes mot sex källor som speglar var människor faktiskt får sina recept ifrån.

Källa 1: matblogg med receptmärkning

Ett vanligt blogginlägg med WordPress-receptinstick, JSON-LD och de sedvanliga 2 000 orden förspel före det egentliga receptet.

Klassisk webbklippning: utmärkt. Det var precis det här verktygen byggdes för. Paprika och släktingarna hämtar närmast felfritt ett rent recept ur en matblogg – ingredienser, steg, tider, portioner, allt korrekt.

Webbläsartillägg: lika bra. Recipe Keeper och liknande tillägg klarar utmärkta bloggrecept pålitligt.

AI för text: fungerar, men griper ibland in i förspelet eller i sidospalten. AI:n måste avgöra var berättelsen om Toscanaresan slutar och receptet börjar, och träffar inte alltid rätt.

AI för bild och OCR: ej tillämpligt. Metoden är gjord för bilder, inte för webbsidor.

Multimodal AI (Pluck): utmärkt. Finns JSON-LD tar Pluck den direkt och når därmed den högsta träffsäkerhetspoängen. Dessutom läser Pluck sidinnehållet som reservväg, och klarar alltså matbloggar både med och utan receptinstick.

Utfall: de klassiska clippernas hemmaplan. De har haft år på sig att slipa just det här. Alla andra metoder fungerar också – men är utmärkta matbloggar din enda källa gör en klassisk clipper dig trogen tjänst.

Källa 2: Instagram Reel

Ett sextio sekunder långt matlagningsklipp där personen berättar receptet över bilder från lagningen, mängder blinkar förbi i bild och bildtexten rymmer en halv ingredienslista.

Klassisk webbklippning: går bet fullständigt. Instagram lämnar ingen receptmärkning ifrån sig, och receptet är utspritt över bild, ljud, textremsor och bildtext. Där finns ingen HTML-struktur att tolka.

Webbläsartillägg: går bet på samma sätt. Tillägg kommer inte åt videoinnehållet och läser inte bildtexter strukturerat.

AI för text: delvis. Kommer appen åt bildtexten hämtar den det som står där. Bara det att de flesta bildtexter till Reels är ofullständiga: ingredienser utan mängder, eller stegen saknas helt eftersom de ju syns i videon.

AI för bild och OCR: ej tillämpligt vid videoinnehåll.

Multimodal AI (Pluck): starkt. Pluck tittar på videon, lyssnar på berättelsen, läser textremsorna och tolkar bildtexten. Ett recept som ligger utspritt över fyra källor sätts samman till en enda struktur. Mängder som sägs högt hamnar hos de ingredienser som visas i bild. Bildtexten fyller på det videon inte har. Det är här den multimodala tolkningen betalar för sig.

Utfall: den som regelbundet sparar recept från sociala medier hamnar i en återvändsgränd med klassiska clippers. Till det krävs en AI som klarar video och ostrukturerad text.

Källa 3: TikTok-video

Ett hetsigt klippt trettiosekundersklipp utan text i bild, med en röst som räknar upp ingredienser och grova steg, och en trendlåt i bakgrunden.

Klassisk webbklippning: går bet. TikTok-sidor innehåller ingen receptmärkning.

Webbläsartillägg: går bet.

AI för text: knappt brukbart. TikTok-beskrivningar består mest av hashtaggar och rymmer nästan inget receptinnehåll. Utan åtkomst till ljudspåret får en ren textmetod nästan ingenting.

AI för bild och OCR: ej tillämpligt.

Multimodal AI (Pluck): testets svåraste fall, och det märks. Pluck skriver av ljudspåret, filtrerar bort bakgrundsmusiken och får fram det talade receptet. Utan text i bild hänger mycket på ljudspåret och på bildrutorna. Resultatet är brukbart men kan få en lägre träffsäkerhetspoäng. En uppgift som “en rejäl skvätt olivolja” skrivs av som den faller, i stället för att hittas på som “2 msk”. Pluck märker ut sådana ställen med ett lägre värde så att du tittar efter.

Utfall: där kommer inget klassiskt verktyg åt. Multimodal AI är enda metoden som över huvud taget gör något brukbart av ett TikTok-recept som bara sägs högt.

Källa 4: matlagningsvideo på YouTube

En tolv minuter lång video med tydligt tal, ingredienslista i bild och hela receptet i videobeskrivningen.

Klassisk webbklippning: går bet på videoinnehållet. Vissa clippers får tag i beskrivningstexten men kan inte föra över den till ett recept, eftersom den är oformaterad.

Webbläsartillägg: som vid klassisk klippning. Får kanske beskrivningen, men får inte form på den.

AI för text: bättre. En AI som läser beskrivningen får ofta ut ett ordentligt recept, eftersom YouTube-beskrivningar ofta rymmer fullständiga ingredienslistor. Allt som bara förekommer i videon går förlorat: knep, tidsangivelser i förbifarten, tips som sägs och aldrig skrivs.

AI för bild och OCR: ej tillämpligt.

Multimodal AI (Pluck): bästa resultatet vid video. Beskrivningen ger stommen, tolkningen av videon fyller på det som bara sägs eller visas. AI:n stämmer av den skrivna beskrivningen mot den talade anvisningen och kommer därmed längst. Står det “mjöl” i beskrivningen medan det i videon sägs “tre deciliter vetemjöl” har den multimodala tolkningen både mängd och sort.

Utfall: den som bara behöver stommen och råkar på grundliga beskrivningar klarar sig med text-AI. För recept som tar med allt ur videon krävs multimodal tolkning. Mer om det står i Kan AI extrahera recept ur video?

Källa 5: foto av ett handskrivet receptkort

Fotot av ett handskrivet kort, lätt gulnat, i skrivstil, med ett par fläckar och de vanliga förkortningarna (msk, tsk, krm, kkp).

Klassisk webbklippning: ej tillämpligt. Clippers arbetar på webbsidor, inte på bilder.

Webbläsartillägg: ej tillämpligt.

AI för text: ej tillämpligt vid bilder.

AI för bild och OCR: fungerar, men hänger på hur läslig handstilen är. Tydlig textning läses bra. Skrivstil med förkortningar är svårare – “1 pkt” kan lika gärna vara bakpulver som vaniljsocker, och teckenigenkänningen måste sluta sig till det ur sammanhanget. Appar med ren OCR utan tolkande lager lämnar då ifrån sig en ordagrann avskrift med fel i, i stället för ett recept.

Multimodal AI (Pluck): starkt. Plucks bildförståelse läser handstilen och placerar den i sitt sammanhang. Den förstår att “1 kkp socker” är en kaffekopp, alltså ungefär 1,5 dl, att “medelvarm ugn” betyder omkring 175 grader och att listan högst upp på kortet är ingredienserna medan stycket under är tillagningen. Besvärliga handstilar vill fortfarande granskas, men gängse receptkort sitter pålitligt.

Utfall: OCR tar dig en bit på vägen. Bildförståelse med receptkunskap tar dig resten.

Källa 6: skärmdump av ett recept

En skärmdump från telefonen där ett recept från en webbsida syns. Webbläsarens fält är med, längst ner är receptet avskuret, och en annonsbanner ligger över ingredienslistan.

Klassisk webbklippning: ej tillämpligt vid bilder. (Har du adressen kvar klarar en clipper förstås originalsidan.)

Webbläsartillägg: ej tillämpligt.

AI för text: ej tillämpligt.

AI för bild och OCR: fungerar hyggligt. Teckenigenkänningen läser det som syns, och de flesta appar bortser från webbläsarfält och annonsbanner. Gränsen är det avskurna: du får det som står i bilden, inte mer.

Multimodal AI (Pluck): likt OCR, men bättre på att hantera det störande – annonser, knappar, halva meningar. AI:n skiljer recepttext från gränssnitt. Vid beskurna skärmdumpar påpekar den att receptet kan vara ofullständigt, i stället för att lägga fram en avskuren text som ett helt recept.

Utfall: skärmdumpar ligger både för OCR och för multimodal AI. Den multimodala tolkningens försprång ligger i att filtrera bort kringstoffet och i ärligheten om luckorna.

Tabellen

Så står sig de fem metoderna över alla sex källorna:

Källa	Klassisk klippning	Webbläsartillägg	AI för text	AI för bild/OCR	Multimodal AI (Pluck)
Matbloggsadress	Utmärkt	Utmärkt	Bra	Ej tillämpligt	Utmärkt
Instagram Reel	Går bet	Går bet	Delvis	Ej tillämpligt	Starkt
TikTok-video	Går bet	Går bet	Minimalt	Ej tillämpligt	Bra
Matlagningsvideo YouTube	Går bet	Går bet	Måttligt	Ej tillämpligt	Starkt
Handskrivet receptkort	Ej tillämpligt	Ej tillämpligt	Ej tillämpligt	Måttligt	Starkt
Skärmdump av ett recept	Ej tillämpligt	Ej tillämpligt	Ej tillämpligt	Bra	Starkt

Vad det betyder för valet av receptapp

Rätt verktyg hänger på varifrån dina recept kommer.

Sparar du uteslutande från matbloggar är klassiska clippers som Paprika och Recipe Keeper pålitliga, mogna och billiga. De har gjort det här i åratal, och de gör det bra. Behöver du mer än webbklippning tar ett modernt alternativ till Paprika som Pluck även hand om de sociala medierna, videorna och fotona som Paprika inte kommer i närheten av. Vår jämförelse av receptappar visar hela funktionsbredden hos apparna, bortom själva extraktionen.

Sparar du blandat, från bloggar och sociala medier, hjälper AI för text – men lämnar luckor. Ur Instagram- och Facebook-inlägg kommer halvfabrikat, ur videotunga plattformar som TikTok nästan ingenting.

Sparar du från överallt – matbloggar, Instagram, TikTok, YouTube, foton av familjerecept, skärmdumpar ur chatten – behöver du multimodal tolkning. Det var precis det Pluck byggdes för. De fem vägarna griper i varandra, så att AI:n kan läsa, se, höra eller allt på en gång, var receptet än ligger och i vilken form det än är.

Där multimodal tolkning har luft kvar

Att vara rättvis betyder att också nämna avkallen. Multimodal tolkning kostar mer beräkningskraft än en DOM-tolkning. På en välbyggd matblogg tar det några sekunder längre än hos den klassiska clippern, eftersom AI:n gör mer även när svaret redan står där. Träffsäkerhetspoäng finns eftersom metoden inte är ofelbar: brusigt ljud, oläslig handstil och hetsig klippning drar ner precisionen.

Klassiska clippers är dessutom gratis eller billiga. De flesta är engångsköp under $10. AI-tolkning ger löpande beräkningskostnader, och därför har Pluck en gratisversion för den som sparar då och då och premiumfunktioner för den som sparar mycket.

Det är avvägningar, inte skäl att välja bort. Frågan är om verktyget klarar dina recept. Kommer de från utmärkta matbloggar räcker en clipper för $5. Kommer de därifrån de flesta faktiskt hittar recept 2026 – ur sociala medier, ur video och ur nätets ostädade vrår – behöver du något som kan se, höra och läsa.

Och Preplo?

Sedan den här texten först publicerades har Preplo tillkommit och vunnit RevenueCat Shipyard Creator Contest 2026 med en app som gör recept av länkar till matlagningsvideor. Preplo har inte släppts publikt, men att döma av tävlingens demo är det en elegant utformning av idén, och segern är ett välförtjänt kvitto på att problemet betyder något.

Var hamnar Preplo i vårt raster? Utifrån det vi sett närmast metod 3: AI för text. Preplo bearbetar avskrifter och beskrivningar till strukturerade recept. Länkar från YouTube, TikTok och Instagram stöds, och demon visar snyggt gjorda reglage för anpassningar (veganskt, lågkolhydrat) och ett guidat matlagningsläge med tidsmärken in i videon.

Bara det att Preplo delar gränsen med alla textbaserade metoder: där receptet inte står skrivet någonstans kör en ren avskriftstolkning in i väggen. Någon på TikTok som berättar receptet och inte lägger in en enda textremsa. En tyst ASMR-video. Ett Instagram Reel där ingredienserna bara dyker upp i bild. Det är de fallen som kräver multimodal tolkning, alltså en AI som verkligen tittar och lyssnar i stället för att bara läsa.

Till det kommer att Preplo täcker tre plattformar (YouTube, TikTok, Instagram). Recept ur Facebook-grupper, från matbloggar och ur foton faller därmed utanför. Utan bildhantering blir det heller inga kokbokssidor och inga handskrivna familjerecept.

Den utförliga jämförelsen Pluck mot Preplo har vi skrivit separat. Kortversionen: efter demon ser Preplo ut som en gedigen extraktor för en metod, väl lämpad för videoplattformar med brukbara textdata. Kommer dina recept från fler håll, eller sitter de i själva videon i stället för i beskrivningen, stöter du sannolikt på dess gränser.

Hur enskilda appar står sig läser du i våra ställningar Pluck mot Preplo, Pluck mot Inspo (två AI-appar för recept ur sociala medier) och Pluck mot Flavorish (text-AI mot multimodal AI). Den större överblicken över AI i receptappar ger receptapp med AI. Prova själv? Pluck finns för iOS och Android, hämta appen på Google Play. Finns även för iOS. På vår roadmap (på engelska) står vad som är på tur.