Frågan om vilket ljudinterface som är bäst har inget svar, och det beror inte på att alla är lika bra. Det beror på att de siffror som faktiskt avgör om du blir nöjd sällan är de som står störst på förpackningen. Den här guiden gör därför något annat än ett test: den går igenom vad specifikationerna betyder, vilka som spelar roll för just ditt bruk, och använder Focusrites Scarlett, Steinbergs UR-serie och Behringers interface som konkreta exempel på hur olika tillverkare dokumenterar sina produkter. Alla uppgifter nedan kommer från tillverkarnas egen dokumentation, länkad där den används. Vi utser ingen vinnare, eftersom vi inte mätt hårdvaran själva.
Gain-omfånget är siffran som oftast fäller avgörandet
Den vanligaste besvikelsen med ett billigt interface är inte att det låter dåligt. Det är att det inte räcker till. En dynamisk mikrofon ger en mycket svagare signal än en kondensatormikrofon, och skillnaden är stor nog att avgöra köpet.
Ta det tydligaste exemplet. Shure SM7B är en dynamisk mikrofon som används i poddar och radiostudior över hela världen. I Shures egen användarguide anges känsligheten till minus 59 dBV/Pa, motsvarande 1,12 millivolt vid 1 kilohertz och öppen krets, med en utgångsimpedans på 150 ohm. Under rubriken Preamplifier Use är Shure ovanligt rak: mikrofonen ”requires more gain than what most entry-level or mid-tier preamplifiers can deliver”, och tillverkaren rekommenderar en extern förstärkare eller en kraftigare förförstärkare om din preamp inte har mer än 60 dB gain.
Det är alltså ett tal du kan kontrollera före köpet, om tillverkaren publicerar det. Focusrite anger för Scarlett 2i2 i fjärde generationen ett gain-omfång på 69 dB, ett ekvivalent ingångsbrus (EIN) på minus 127 dBu A-vägt, ett dynamiskt omfång på 116 dB A-vägt och en maximal ingångsnivå på 16 dBu. Sextionio är mer än sextio, och kravet är därmed uppfyllt med marginal.
Steinbergs specifikationstabell för UR22C redovisar däremot inte något gain-omfång. Den anger omvandlare, samplingsfrekvens, dynamiskt omfång på ingången och anslutningar, men lämnar just den siffra som en SM7B-köpare behöver. På Behringers egna produktsidor gick det vid vår kontroll i juli 2026 inte att få fram någon publicerad specifikationstabell alls för deras ljudinterface.
Det är inte ett underkännande av ljudet i någon av dem, för vi har inte mätt det. Men det är en konkret praktisk skillnad: bara en av de tre tillverkarna låter dig kontrollera mot mikrofonens dokumenterade krav innan du betalar. Vilken mikrofontyp du landar i är i sin tur en egen fråga, som vi går igenom i guiden om att välja mikrofon.
Latensen sitter i buffertstorleken, inte i lådan
Fördröjningen mellan att du sjunger och att du hör dig själv i hörlurarna beskrivs ofta som en egenskap hos interfacet. Den största delen av den är i själva verket ren aritmetik, och du styr den själv i inspelningsprogrammet.
Datorn arbetar med ljud i block, kallade buffertar. En buffert måste fyllas innan den kan skickas vidare, och tiden det tar är buffertens storlek delad med samplingsfrekvensen. Räknat vid 48 kilohertz, som är den vanliga inställningen vid inspelning, blir det så här:
| Buffert (sampel) | Fördröjning per riktning | In och ut igen, minst |
|---|---|---|
| 32 | 0,7 ms | 1,3 ms |
| 64 | 1,3 ms | 2,7 ms |
| 128 | 2,7 ms | 5,3 ms |
| 256 | 5,3 ms | 10,7 ms |
| 512 | 10,7 ms | 21,3 ms |
Talen är våra egna beräkningar ur formeln, inte mätvärden. Verklig round trip-latens blir alltid något högre, eftersom omvandlarna, drivrutinen och USB-överföringen lägger till egen fördröjning som tillverkarna sällan publicerar. Poängen är ändå tydlig: skillnaden mellan 128 och 512 sampel är större än skillnaden mellan två interface i samma prisklass, och den kostar dig ingenting att ändra.
Det som däremot skiljer plattformarna åt är hur ljudet tar sig fram till programmet. På macOS sköts det av Core Audio, som är inbyggt i systemet. Apple skriver i sin egen dokumentation att ramverket ger ”automatic access to audio input and output hardware” och ”maintains low latency through the signal chain”, enligt Core Audio Overview. Ingen extra drivrutin behövs.
På Windows går vägen i stället via ASIO, en teknik som Steinberg utvecklat och som numera finns i en öppen källkodsvariant. Steinberg beskriver den själv som ett gränssnitt som stöder varierande bitdjup och samplingsfrekvenser, flerkanaligt arbete och synkronisering, vilket ”ensures low latency, high performance, straightforward setup, and stable audio recording for the user”. Där Core Audio bara finns, är ASIO en drivrutin som tillverkaren måste leverera och underhålla. Det förklarar varför samma interface kan upplevas helt olika av två personer, och varför drivrutinsstödet är värt att kontrollera innan du köper om du sitter på Windows.
Vissa interface går runt problemet med hårdvara i stället. Steinberg uppger att UR22C har en egen DSP-krets ombord som ger avlyssning utan fördröjning, alltså att signalen skickas till hörlurarna direkt i lådan i stället för att gå vägen om datorn. Det är en verklig skillnad mot ett interface utan den funktionen, oavsett buffertinställning.
Bitdjupet på kartongen är inte det du får
Här blir det intressant, och lite obekvämt för marknadsföringen. Steinberg anger för UR22C omvandlare på 32 bitar och en maximal samplingsfrekvens på 192 kilohertz. I samma tabell står också dynamiskt omfång på ingången: 102 dB. Focusrite anger för Scarlett 2i2 24 bitar, samma 192 kilohertz som maximum, och ett dynamiskt omfång på 116 dB A-vägt.
Trettiotvå bitar är alltså inte 32 bitars verkligt omfång. Det analoga steget före omvandlaren sätter taket, och det taket är det tillverkarna själva redovisar som dynamiskt omfång. Bitdjupet bestämmer hur fint det som kommer in kan representeras, inte hur mycket som ryms mellan bruset och överstyrningen. Vill du ha nytta av 24 bitar är det som headroom: du kan spela in med lägre nivå och ändå ha marginal, i stället för att ligga och nosa på taket.
En brasklapp behövs. De två siffrorna 102 och 116 är inte nödvändigtvis mätta på samma sätt eller vid samma punkt i signalkedjan, och Focusrite anger sin som A-vägd medan Steinberg inte specificerar det i tabellen. Att ställa dem bredvid varandra visar därför en storleksordning, inte ett facit. Det är i sig en av de viktigaste sakerna att förstå om databladsläsning.
Samplingsfrekvensen är den siffra som marknadsförs hårdast och betyder minst i vardagen. Båda tillverkarna listar 192 kilohertz som maximum, men ingen av dem påstår i sin specifikation att det låter bättre än 48. Högre frekvens kostar däremot diskutrymme och processorkraft i varje spår. Vad talen faktiskt beskriver har vi gått igenom separat i guiden om WAV, FLAC och lossless.
Fantommatning, och myten om bandmikrofoner
Fantommatning är 48 volt som interfacet skickar ut genom mikrofonkabeln, och en kondensatormikrofon behöver den för att fungera alls. Både Scarlett 2i2 och UR22C har den på båda kanalerna enligt tillverkarnas specifikationer.
Runt fantommatning och bandmikrofoner går det en seglivad varning som är delvis fel. Bandmikrofontillverkaren Royer Labs skriver i sin FAQ att fantommatning inte skadar ett Royer-band under normala förhållanden, och att deras aktiva modeller till och med kräver den. Risken ligger någon annanstans: i felkopplade kablar, och i att koppla om en mikrofonlinje i en patchbay medan 48 volt är påslaget. Då uppstår enligt Royer en kortslutning i det ögonblick kontakten går in, och spänningsspiken kan sträcka bandet.
Regeln är alltså inte att hålla fantommatningen borta från bandmikrofoner. Den är att stänga av den innan du kopplar om, och att aldrig lita på en kabel du inte vet är rätt lödd. En dynamisk mikrofon som SM7B tar ingen skada, men behöver den inte heller.
Antalet ingångar avgör oftare än ljudet
Det är här valet oftast avgörs i praktiken. Både Scarlett 2i2 och UR22C har enligt sina specifikationer två ingångar och två utgångar. Två ingångar räcker för en röst, för en röst plus en gitarr, eller för en intervju med två mikrofoner på var sitt spår.
Räkna antalet källor du spelar in samtidigt, inte antalet mikrofoner du äger. Tre personer runt ett bord i samma rum kräver tre ingångar om du vill kunna redigera dem var för sig efteråt, och det är ett behov som inget gain-omfång i världen kompenserar för. UR22C har dessutom MIDI in och ut, vilket är avgörande om du kopplar in ett äldre keyboard och betydelselöst om du inte gör det. Grunderna i vad ett interface över huvud taget gör, och när du klarar dig utan, har vi samlat i guiden om ljudkort och ljudinterface.
Så skiljer sig de tre åt, utan vinnare
Focusrite publicerar det fylligaste databladet av de tre: gain, EIN, dynamiskt omfång och maximal ingångsnivå står utskrivna. Det gör Scarlett-serien lätt att kontrollera mot en mikrofons dokumenterade krav, vilket är precis vad du behöver om du vet att du ska köra en dynamisk mikrofon med låg känslighet.
Steinberg redovisar omvandlare, dynamiskt omfång på ingången och anslutningar, och lyfter i stället funktioner: DSP ombord för avlyssning utan fördröjning, MIDI in och ut, USB-C. Att Steinberg också är upphovsman till ASIO är inte en garanti för något, men företaget har uppenbart ett långt förhållande till drivrutinssidan på Windows.
Behringers interface kan vi säga minst om, och det är just det som är iakttagelsen: utan en publicerad specifikationstabell går de inte att jämföra på de tal den här guiden handlar om. Det säger inget om hur de låter. Det säger att kontrollen får ske efter köpet i stället för före.
Det bästa interfacet är därför det som klarar din svåraste mikrofon, har så många ingångar som du faktiskt spelar in samtidigt, och har fungerande drivrutiner för ditt operativsystem. De tre kraven går att kontrollera på tio minuter innan du beställer, och de avgör mer än något omdöme i en video. Ska interfacet in i en poddproduktion från grunden hänger det ihop med utrustningen runt omkring, som vi tar upp i guiden om att starta en podcast.