Napisy AI: wygenerować, przetłumaczyć i przypiąć w 12 krokach (CapCut, DaVinci, Premiere) 

Napisy AI to dziś kwestia kilku kliknięć: wgrywasz nagranie, dostajesz tekst z czasem, poprawiasz błędy i eksportujesz. Problem zaczyna się później - przy tłumaczeniu, przy złym timingu i przy pytaniu, czy lepiej wypalić napisy w obraz, czy dołączyć osobny plik. Poniżej 12 kroków, które porządkują ten proces w CapCut, DaVinci Resolve i Premiere Pro, z cenami i ograniczeniami sprawdzonymi na konkretnych cennikach.

Krok 1: zdecyduj, jak napisy mają trafić do widza

To decyzja, która oszczędza najwięcej pracy, bo zmienia format wyjściowy. Osobny plik (SRT albo WebVTT) - napisy włączasz widz tam, gdzie chce, można je przetłumaczyć bez ruszania obrazu. Osadzone w kontenerze - międzynarodowy standard napisów bez ścieżki dźwiękowej, na przykład CEA-608 w pliku MXF OP1A lub QuickTime. Wypalone w obrazie - napisy zostają na zawsze i nie da się ich wyłączyć ani przesuwać.

Jeśli film ma trafić na YouTube albo do serwisu, który sam generuje napisy, wybieraj plik. Jeśli idzie o materiał na Instagram albo Reelsa, często wygodniej wypalić. Wypalone napisy to też jedyna opcja, gdy odbiorca nie ma niczego, co odczyta plik z napisami. Przy materiałach publikowanych hurtem warto przeczytać, jak AI w mediach i mediach społecznościowych - tam napisy robią największą różnicę.

Krok 2: wybierz, gdzie ma powstać transkrypcja

Są dwa porządki. Pierwszy: transkrypcja powstaje w edytorze, w którym i tak montujesz. Drugi: robisz ją osobno, w usłudze działającej w przeglądarce, i wgrywasz gotowy plik. Ten drugi bywa szybszy, bo nie otwierasz ciężkiego projektu, a plik możesz wykorzystać ponownie.

Co ważne, wersja darmowa DaVinci Resolve nie zrobi za Ciebie transkrypcji. W Resolve 21 polecenie do tego służy nazywa się Timeline > AI Tools > Create Subtitles from Audio i jest elementem pakietu Studio. Darmowy Resolve nadal pozwala zakładać ścieżkę napisów, wgrywać SRT, ustawiać styl i eksportować - brakuje tylko tego jednego kroku z AI.

Krok 3: wygeneruj surową transkrypcję

W CapCut ścieżka zależy od tego, którego narzędzia używasz, i to nie jest jedna instrukcja. Przy Auto Caption Generator wchodzisz w Text, wybierasz Auto captions i klikasz Generate - generator sam rozpoznaje język nagrania. W AI Caption Generator klikasz Captions w lewym panelu, wskazujesz język i dopiero wtedy generujesz. W Transcript-Based Editing przeciągasz materiał na oś czasu, klikasz na niego prawym przyciskiem i wybierasz Transcript-based editing, a tekst edytujesz z panelu po lewej.

W DaVinci wybierasz Create Subtitles from Audio, a w oknie ustawiasz język, gotowy styl, maksymalną liczbę znaków w linii, jedną albo dwie linie i odstępy między napisami. Zanim odpalasz generowanie, wycisz ścieżki, których nie chcesz analizować.

Premiere Pro ma Text-Based Editing napędzane przez Adobe Sensei, które samo transkrybuje materiał źródłowy. Możesz przewijać transkrypt, wyszukiwać w nim konkretne frazy i dodawać je do osi czasu, a korekty w tekście automatycznie przenoszą się na cięcia. Uwaga na datę: opis funkcji, który mam pod ręką, pochodzi z kwietnia 2023, kiedy Text-Based Editing był jeszcze w otwartej wersji beta, a liczba obsługiwanych języków przy Speech to Text wynosiła 18. Od tamtej pory liczba języków pewnie rosła, ale konkretnej aktualnej liczby nie potwierdzę - sprawdź ją w swojej wersji.

Krok 4: uzupełnij ścieżkę gotowym plikiem

Jeśli masz już transkrypcję z zewnątrz, nie wklejaj jej ręcznie. W CapCut wchodzisz w sekcję Captions, wybierasz opcję importu i wgrywasz własny plik SRT. W DaVinci otwierasz Media Pool, klikasz prawym przyciskiem na koszu i wybierasz Import Subtitle. Resolve 21 wczytuje pliki w formatach SRT, SRTX, VTT, XML i TTML. Możesz też przeciągnąć plik na ścieżkę napisów albo w puste miejsce nad ścieżkami wideo.

Jest ścieżka zastępcza, gdy chcesz wbić plik dokładnie w istniejący timecode: Insert Selected Subtitles to Timeline Using Timecode.

Krok 5: sprawdź timing, nie tylko treść

Tu robi się najwięcej błędów i tuż tutaj napisy tracą widownię. W Resolve masz do tego wbudowane liczby: w Project Settings, w sekcji Subtitles, ustawiasz Characters Per Line, Minimum Caption Duration i Maximum Characters Per Second. Gdy napis przekroczy limit znaków na sekundę, wartość CPS robi się czerwona - to nie kosmetyka, to sygnał, że czytelnik nie nadąży.

Do tego dochodzi synchronizacja słów w środku napisu. Pojedynczy klatkę korygujesz komendą Update Word Timings, a całą ścieżkę przez komendę Synchronize Word Timings w nagłówku ścieżki. Działa też dla napisów wpisanych ręcznie i wgranych z pliku.

Krok 6: posprzątaj tekst

Automatyczna transkrypcja dobrze łapie słowa, gorzej łapie urywki. W CapCut Transcript-Based Editing edytor sam rozpoznaje słowa-wypełniacze i przerwy w mowie, a usunięcie ich w tekście przenosi się na ścieżkę napisów, bo zmiany są z nią powiązane. W DaVinci robisz to ręcznie w Inspector, w sekcji Caption.

Przy tłumaczeniu dochodzi jeszcze jedna runda: sprawdź nazwiska, terminy branżowe i sam timing. To nie jest formalność, tylko najczęstsza przyczyna wstydu po publikacji.

Krok 7: przetłumacz napisy

Tu zaczyna się największy rozjazd między narzędziami. W CapCut tłumaczenie wchodzi w tym samym miejscu, co generowanie: tą samą funkcją przetłumaczysz gotowe napisy na język docelowy. Usługa Beey deklaruje tłumaczenie automatyczne na ponad 50 języków, zachowując znaczniki czasowe oryginalnej transkrypcji. W Descript wybierasz języki docelowe, klikasz tłumaczenie i czekasz chwilę, a dubbing, jeśli go włączysz, tworzy nowe ścieżki głosowe zgodnie z oryginalnym timingiem.

Liczby języków podawane przez producentów są różne i dotyczą różnych rzeczy. CapCut deklaruje 20+ języków w jednym narzędziu i 100+ w drugim. Beey mówi o ponad 50 językach tłumaczenia na stronie głównej, a w cenniku o tłumaczeniu AI dla 30+. Descript rozdziela to jeszcze wyraźniej: transkrypcja w 25 językach, tłumaczenie napisów w 61, dubbing w 30. Traktuj te liczby jako deklaracje producentów, nie jako pomiar.

Krok 8: tłumacz napisy poza edytorem, gdy edytor tego nie ma

DaVinci Resolve nie ma natywnego kroku tłumaczenia napisów i nie buduj na tym założeniu. Rozsądna ścieżka to wyeksportowanie pliku z czasem, przetłumaczenie go w narzędziu, które to potrafi, i wgranie przetłumaczonej wersji na osobną ścieżkę językową. Resolve trzyma kilka ścieżek napisów, ale tylko jedną z nich w danym momencie pokazuje, i używa nazw ścieżek przy eksporcie - nazwij je porządnie przed oddaniem pliku do klientowi. Jeśli napisy mają być od razu w wielu wersjach językowych, zewnętrzna usługa bywa wygodniejsza niż przeskakiwanie między narzędziami.

Krok 9: zadbaj o czytelność napisu

W Resolve wygląd ustawiasz dwiema drogami. Poziom ścieżki: Inspector > Track, gdy chcesz ten sam wygląd dla każdej klatki. Poziom pojedynczego napisu: włączasz Customize Caption tylko wtedy, gdy naprawdę chcesz zrobić wyjątek. Jednostkę zasad ustawisz w Project Settings, a dla konkretnej ścieżki wyłączasz Use Project Settings i ustawiasz własne Max Line Length, Min Duration i Max CPS.

W CapCut zmieniasz krój, rozmiar, kolor, położenie i animacje napisów. W praktyce sprawdza się prostota: maksymalnie dwie linie, kontrastowe tło, napis w jednej pozycji przez cały materiał. Napisy zmieniające rozmiar lub położenie między klatkami widz zauważa, zanim przeczyta treść.

Krok 10: wybierz format wyjściowy

W Resolve eksportujesz z zakładki Deliver: otwierasz Subtitle Settings, włączasz Export Subtitle, wybierasz ścieżkę i tryb. Resolve 21 przy osobnym pliku podaje IMSC1, DFXP, SRT i WebVTT. Z menu oraz z nagłówka ścieżki możesz też wywołać Export Subtitle i dostać SRT albo VTT. Wypalenie w obrazie to opcja Burn into video - potem warto obejrzeć render i sprawdzić, czy nic nie wychodzi poza kadr i nie łamie się na dwa wiersze.

SRT przenosi numerację, znaczniki czasu i tekst, ale nie zachowuje kroju pisma ani tła z edytora. To format do pliku - wygląd napisu trzeba odtworzyć tam, gdzie film będzie oglądany.

Usługi webowe bywają pod tym względem wygodniejsze. Beey eksportuje napisy w formatach srt, vtt, ssa, stl i ttml, a w każdym planie ma też eksport wideo z wgranymi napisami, czyli od razu wersję z wypalonym tekstem.

Krok 11: policz, ile to kosztuje

Najtańsza opcja to zrobienie tego w edytorze, w którym już pracujesz. Resolve w wersji darmowej jest bezpłatny, a wersja Studio kosztuje 295 USD jako licencja jednorazowa. Ta kwota nie obejmuje podatku i dostawy, więc realna cena zależy od regionu. Premiere Pro i CapCut Pro mają cenniki oparte na subskrypcji, ale konkretnych kwot nie podam, bo w dokumentach, które przeszedłem, żadnych nie było. Jest tylko informacja, że cena zależy od regionu konta, platformy i podatków, a CapCut potrafi pokazywać różne ceny różnym kontom.

Jeśli transkrypcja idzie przez usługę, masz tu prawdziwe stawki. Beey podaje ceny brutto, bo VAT jest już w cenie:

Plan	Cena	Godziny w planie	Stawka za godzinę
Start	39 PLN za godzinę, bez opłat okresowych (0,65 PLN za minutę)	płacisz za użycie, minimalny zakup to 60 kredytów, czyli 1 godzina	39 PLN
Plus, miesięcznie	110 PLN miesięcznie	5 godzin	22 PLN
Plus, rocznie	1100 PLN rocznie, czyli 2 miesiące gratis	60 godzin	18,33 PLN
Business, miesięcznie	199 PLN miesięcznie	10 godzin	19,9 PLN
Business, rocznie	1990 PLN rocznie, 2 miesiące gratis	120 godzin	16,58 PLN

Roczny plan Plus to dokładnie 10 razy 110 PLN, a Business 10 razy 199 PLN, więc obietnica dwóch miesięcy gratis w obu przypadkach się zgadza. Kredyty są ważne 2 lata, a interfejs API i instalacja on-premise są tylko w planie Enterprise. Jeśli porównujesz to z innymi narzędziami AI, zestawienie asystentów AI z cenami w PLN pokazuje, jak rozjeżdżają się stawki między planami.

Osobno traktuję firmę transkrypcje.eu, bo ona podaje ceny netto i dochodzi do tego korekta człowieka. Napisy to 4,00 zł netto za minutę nagrania, czyli 240 zł netto za godzinę, zgodne ze standardami WCAG 2.1. Sama transkrypcja zaczyna się od 2,50 zł netto za minutę po polsku i 8,00 zł netto po angielsku, a tłumaczenia polsko-angielskie od 30 zł netto za minutę. Nie sklejaj tych dwóch ofert w jeden przedział: to zupełnie inna robocizna i inna definicja usługi.

Descript podaje cennik w dolarach, za osobę i miesiąc, z przełącznikiem Monthly i Annual oraz obietnicą oszczędności do 35% przy rocznym rozliczeniu. W tekście cennika każdy plan ma dwie liczby bez etykiety, która do której należy, więc podaję obie: Hobbyist 16 i 24 USD, Creator 24 i 35 USD, Business 50 i 65 USD. Wersja darmowa kosztuje 0 USD i daje 60 minut materiału miesięcznie oraz eksport 720p. Liczby zweryfikuj bezpośrednio na stronie przed zakupem - przy narzędziach, gdzie limit darmowy dotyczy minut, granice darmowych opcji są różne w każdym produkcie.

Krok 12: zrób kontrolę przed publikacją

Ostatnia klatka przed wysłaniem. Odtwórz materiał z napisami od początku do końca i popraw trzy rzeczy: nazwiska własne, terminy i każde miejsce, gdzie napis wchodzi za późno albo znika za wcześnie. Sprawdź też, czy po tłumaczeniu znaczniki czasowe zostały nietknięte, bo to najczęstszy błąd przy pracy na gotowej ścieżce. Wreszcie zdecyduj, którą wersję językową zostawiasz widoczną, skoro Resolve pokazuje tylko jedną ścieżkę naraz. Kwestię praw do treści traktuj osobno - prawa autorskie do materiału z AI omawiam szerzej.

Żadna z tych usług nie obiecuje bezbłędności i dobrze o tym mówi wprost. Beey zastrzega, że automatyczna transkrypcja nigdy nie jest w stu procentach bezbłędna, a transkrypcje.eu, mimo napisów generowanych przez AI, i tak każe je sprawdzić i poprawić ręcznie. Deklaracje dokładności na stronach producentów, takie jak ponad 90% dla nagrań polskich, angielskich i niemieckich, traktuj jako marketing, a nie pomiar.

Gdzie te narzędzia najczęściej zawodzą

Trzy miejsca, w których oszczędzasz najwięcej czasu, wiedząc zawczasu. Pierwsze: kilka ścieżek dźwiękowych mówiących naraz. Blackmagic wprost ostrzega, że nakładający się dialog potrafi pokonać analizę, i radzi wyciszyć to, czego analizować nie chcesz. Drugie: napisy wypalone w obrazie, których nie da się wyłączyć ani przetłumaczyć. Trzecie: import pliku z timingiem przygotowanym w innym programie, gdzie milisekundy się rozjeżdżają. O dwóch ostatnich pisałem szerzej przy trzech błędach, które psują napisy. We wszystkich trzech przypadkach ratuje Cię to samo: krótka ścieżka SRT jako źródło prawdy, z której za każdym razem możesz zbudować ścieżkę w edytorze.

Masz już nagrania, które czekają na napisy

Jeśli robisz w firmie dużo materiału i napisy są jednym z etapów, który ciągle powtarza się ręcznie, to jest zadanie typowe do automatyzacji. U mnie taki proces wygląda tak: zgranie nagrania, transkrypcja, tłumaczenie, eksport i wrzucenie na kanał, wszystko bez dotykania pliku przez człowieka poza jednym zatwierdzeniem. Dokładnie tak samo buduję potok publikacji w mediach społecznościowych - to ta sama zasada, tylko więcej kroków. Napisz do mnie, odpowiadam zwykle tego samego dnia - przy okazji policzę, ile godzin tygodniowo zjada Ci samo generowanie napisów.