Transkrypcja audio na tekst

Transkrypcja audio na tekst zamienia mowę na tekst: z notatki głosowej, wywiadu, wykładu, nagrania spotkania, odcinka podcastu, rozmowy telefonicznej lub ścieżki dźwiękowej filmu. Wybierz plik albo nagraj dźwięk z mikrofonu. Tekst pojawi się wiersz po wierszu, ze znacznikiem czasu wskazującym moment wypowiedzi.

Dwa sposoby transkrypcji

Co możesz zrobić z transkrypcją

• Sprawdź ją z nagraniem: kliknij znacznik czasu, by odsłuchać fragment, i kliknij wiersz, by go poprawić.
• Skopiuj lub pobierz tekst ze znacznikami czasu i nazwami rozmówców lub bez nich.
• Utwórz napisy: pobierz SRT lub VTT z czasami dopasowanymi do mowy i podziałem na czytelne wiersze.
• Wykorzystaj tekst dalej: przetłumacz go, podsumuj najważniejsze punkty lub wtop napisy w film.

Jak uzyskać dobrą transkrypcję

• Nagrywaj z mikrofonem blisko osoby mówiącej, z dala od muzyki i wentylatorów. Hałas najbardziej obniża dokładność.
• Do wywiadów i spotkań wybierz tryb AI, by każdy wiersz wskazywał rozmówcę.
• Jeśli plik wideo się nie otwiera, wyodrębnij dźwięk narzędziem do wyodrębniania audio i transkrybuj plik MP3.

Najczęściej zadawane pytania

Jak zamienić audio na tekst?

Wybierz plik audio lub nagraj dźwięk z mikrofonu, a następnie kliknij „Transkrybuj za darmo” albo „Transkrybuj z AI”. Tekst pojawi się wiersz po wierszu, ze znacznikiem czasu przy każdym z nich. Skopiuj go lub pobierz jako plik TXT albo napisy SRT lub VTT.

Czy to naprawdę jest darmowe?

Tak. Darmowy tryb uruchamia model rozpoznawania mowy Whisper od OpenAI w Twojej przeglądarce. Każdy odwiedzający dostaje codziennie 10 darmowych minut (każdy plik liczy się jako co najmniej 1 minuta), a z Pro lub Premium ten tryb działa bez limitu. Tryb AI kosztuje 3 kredyty za minutę mowy. Każdy odwiedzający dostaje codziennie 3 darmowe kredyty AI, więc pierwsza minuta transkrypcji AI każdego dnia jest bezpłatna.

Czym różni się darmowy tryb od trybu AI?

Darmowy tryb zapewnia prywatność (10 minut dziennie za darmo, bez limitu z Pro) i dobrze radzi sobie z wyraźną mową w jednym języku. Jest jednak mniej dokładny przy różnych akcentach, szumie i językach innych niż angielski, a także nie rozróżnia rozmówców. Tryb AI dodaje poprawną interpunkcję, automatycznie wykrywa język, lepiej radzi sobie z akcentami i hałasem w tle oraz oznacza rozmówców jako „Rozmówca 1”, „Rozmówca 2”. Możesz zmienić te nazwy.

Czy mogę zamienić wideo na tekst?

Tak. Wybierz plik wideo (MP4, MOV, WebM, MKV lub inny), a narzędzie odczyta jego ścieżkę dźwiękową. W trybie AI przesyłany jest tylko dźwięk w niewielkim, skompresowanym pliku audio. Sam obraz z wideo nigdy nie opuszcza Twojego komputera.

Czy mogę utworzyć napisy z transkrypcji?

Tak. Pobierz transkrypcję jako SRT lub VTT. Każdy wiersz stanie się napisem z czasem początku i końca, a dłuższe fragmenty zostaną podzielone na czytelne napisy dwuwierszowe. Możesz użyć pliku w YouTube, Premiere, CapCut lub VLC albo wtopić napisy w film za pomocą naszego narzędzia „Dodaj napisy do filmu”.

Jakie języki są obsługiwane?

Tryb AI obsługuje ponad 100 języków i automatycznie wykrywa język nagrania, w tym angielski, hiszpański, portugalski, francuski, niemiecki, chiński, japoński, koreański, rosyjski, arabski i hindi. Darmowy tryb obsługuje te same główne języki, ale najpierw musisz wybrać język nagrania.

Jak długie może być nagranie?

Maksymalna długość to 3 godziny, a rozmiar pliku — 500 MB. W darmowym trybie odwiedzający bez planu mogą transkrybować 10 minut dziennie; z Pro lub Premium nie ma dziennego limitu. Długie nagrania są przetwarzane we fragmentach do dwóch minut. Podział następuje w przerwach, by nie ucinać słów. Tekst pojawia się na ekranie po przetworzeniu każdego fragmentu. Możesz zatrzymać transkrypcję w dowolnym momencie i kontynuować później.

Czy moje nagranie pozostaje prywatne?

W darmowym trybie nic nie opuszcza Twojego komputera. W trybie AI dźwięk jest przesyłany w częściach do transkrypcji i nie jest przechowywany. Tekst widzisz tylko Ty — również nie jest przechowywany.

Jak dokładna jest transkrypcja?

Przy wyraźnej mowie tryb AI zwykle poprawnie rozpoznaje znacznie ponad 90% słów, a znaczniki czasu są dokładne do ułamka sekundy. Błędy zdarzają się przy nazwach, terminach specjalistycznych, cichej mowie lub gdy kilka osób mówi jednocześnie. Dlatego możesz poprawić każdy wiersz na stronie przed pobraniem tekstu.