Transkrypcja AI 2026: 8 narzędzi na polskim nagraniu i 3 błędy, które psują napisy 

Na polskim nagraniu robisz tekst i napisy w kilka minut, ale wynik nadaje się do poprawek zawsze, gdy rozmawia kilka osób, padają nazwiska i nazwy własne, a napisy rozjeżdżają się czasowo. Poniżej osiem narzędzi, które realnie to potrafią, i trzy miejsca, w których każde z nich się wywala.

Zacznę od rzeczy, którą reklamy podają najczęściej, a która mówi najmniej: dokładność. Producenci piszą od 85% do 99% i każda z tych liczb jest prawdziwa w swoim własnym, nieporównywalnym teście. Zamiast tego zacznij od tego, czego narzędzia nie robią: nie rozróżniają, kto co powiedział, w środku zdania z dwojga mówców.

Czym te narzędzia się różnią, a czym nie różnią

Różnią się trzema rzeczami: zakresem języków, tym czy dzielą nagranie na głosy, i tym czy mieszą w napisy znaczniki czasu. Nie różnią się jedną miarą, którą dałoby się uczciwie porównać.

Whisper od OpenAI działa po polsku, ale nie wie, gdzie zaczyna się nowa wypowiedź. Stenograf pisze po polsku najlepiej ze wszystkich, których opisy udało się znaleźć, i deklaruje rozróżnianie mówców. Beey podaje dokładność dla polskich nagrań osobno, co jest rzadsze niż wydaje się. Trint przyznaje wprost, że jego identyfikacja głosnika nie jest w 100% dokładna. Wszystkie te narzędzia dostaniesz przez przeglądarkę albo API, ale czas i cena za godzinę nagrania są zupełnie różne.

Osiem narzędzi i to, co każde realnie robi

Narzędzie	Języki	Deklarowana dokładność	Cena
Transkriptor	ponad 100	99%	od 4,99 USD/mies. za 300 min
Beey.ai	ponad 50	ponad 90% dla nagrań polskich, angielskich i niemieckich	brak ceny w opisie narzędzia
Stenograf	7	blisko 93%, do 97% po dopasowaniu do danych klienta	brak ceny w opisie narzędzia
Stage Captions	polski wskazywany ręcznie	brak liczby	brak ceny w opisie narzędzia
Whisper (OpenAI)	brak liczby w opisie	brak liczby	open source, brak opłat
Happy Scribe	ponad 120	85% dla AI, 99% przy usłudze z człowiekiem	10 minut w planie darmowym
sonix.AI	49+ transkrypcji, 50+ tłumaczenia	99%, przy dużej liczbie mówców wiele błędów	od 10 USD za godzinę
Trint	ponad 40	brak liczby, identyfikacja głosu niedokładna	około 52 USD/mies., limit 7 plików

Warto zaznaczyć skąd część tych liczb pochodzi. Dane o Happy Scribe, sonix, Trint i o dwóch pozostałych narzędziach, których tu nie wymieniam, są przytoczone przez konkurenta, który sprzedaje własny produkt. To nie znaczy, że są fałszywe, ale nie są niezależnym testem. Niezależnego, wspólnego benchmarku na polskim nagraniu nie znalazłem dla żadnego z tych narzędzi i nie zamierzam go udawać.

Transkryptor

Przyjmuje plik albo wklejony link, między innymi ze Spotify, YouTube, Google Drive, Dropboxem i OneDrive. Wybierasz język, dostajesz tekst, możesz go przejrzeć w edytorze i wyeksportować jako PDF, Word, SRT, TXT albo CSV. Godzinę nagrania przerabia w około dwie do trzech minut. Ma też rozbudowaną obsługę języków obcych i deklaruje zgodność z RODO oraz certyfikat SOC 2, co warto sprawdzić w umowie, a nie na stronie.

Beey.ai

Proces ma trzy kroki: wczytaj plik, popraw błędy, pobierz napisy albo dokument tekstowy. To jedno z niewielu narzędzi, które podaje dokładność osobno dla polskiego, a nie jako jedną liczbę dla wszystkiego. Sam producent przyznaje wprost, że automatyczna transkrypcja nigdy nie jest w 100% bezbłędna i że po to istnieje edytor. Cennika na stronie opisowej nie ma, więc policz sam, ile realnie wchodzi.

Stenograf

Polski produkt, pisany od 2020 roku. Obsługuje siedem języków, eksportuje napisy w formacie SRT ze znacznikami czasowymi i przyznaje, że drobne błędy pojawiają się przy fachowym języku branżowym i nazwach własnych. Odróżnia transkrypcję pełną od standardowej, wygładzonej. To najlepsze liczby, jakie udało się znaleźć dla polskiego, ale to liczby producenta, bez opisu metody pomiaru.

Stage Captions

Ten przypadek jest inny, bo chodzi o napisy na żywo, nie o plik zakończony. Tworzysz pokój napisów, udostępniasz kod QR, wyświetlasz napisy na ekranie albo przez OBS na transmisji. Narzędzie samo podpowiada, że przy wydarzeniu najlepiej podać czysty sygnał z mikrofonu albo miksera zamiast dźwięku zbieranego z sali.

Whisper

Model open source, trenowany na 680 tysiącach godzin wielojęzycznych danych. Dźwięk dzieli na trzydziestosekundowe fragmenty i przepuszcza przez enkoder. Wymaga zainstalowania ffmpeg, a przyzwoitne wyniki daje dopiero na GPU z wykrytą obsługą CUDA. Sam model jest darmowy, ale sprzęt i czas na konfigurację już nie. Opis, na którym się opieram, pochodzi z końca 2023 roku, więc traktuj liczby sprzętowe jako orientacyjne, a nie jako stan na dziś.

Happy Scribe, sonix.AI i Trint

Te trzy narzędzia warto traktować jako jeden przypadek, bo różni je głównie forma rozliczenia. Happy Scribe daje tylko 10 minut w planie darmowym i wycenia usługę z człowiekiem osobno. sonix.AI zaczyna od 10 USD za godzinę i ma 30-minutowy okres próbny, ale przy wielu mówcach autorzy sami przyznają, że robi dużo błędów. Trint kosztuje około 52 USD miesięcznie i limituje liczbę przesyłanych plików do siedmiu, co przy dłuższym materiale zaczyna przeszkadzać.

Skąd biorą się liczby od 85% do 99%

Bo każda z tych firm mierzy co innego na swoim materiale. Beey liczy na nagraniach polskich, angielskich i niemieckich. Happy Scribe i AmberScript podają 85% dla wersji AI, a tę samą firmowość w wersji z człowiekiem 99%. Trint w ogóle nie podaje dokładności, tylko przyznaje, że rozróżnianie głosów nie jest w 100% dokładne. To nie są rozbieżności, tylko brak wspólnej miary.

Praktyczna konsekwencja jest taka, że żadna z tych liczb nie mówi ci, co dostaniesz na twoim nagraniu. Jedynym testem, który ma sens, jest wgranie tego samego pliku do dwóch narzędzi i porównanie. Koszt tego testu to kilka minut pracy, a oszczędza godziny poprawek.

Błąd 1: nakładanie się głosów

To najczęstszy powód, dla którego transkrypcja wychodzi bez zdan. Kiedy kilka osób mówi naraz, automat często skleja wypowiedzi w jeden ciąg tekstu i rozdziela go na mówców niedokładnie albo wcale. Problem nasila mikrofon leżący na stole, bo wtedy część wypowiedzi jest fizycznie nie do odzyskania i żadne narzędzie jej nie wymyśli.

Rozwiązanie jest niewdzięczne i działa: osobne ścieżki albo osobne nagrania. Jeśli rozmawiasz z klientem i potrzebujesz tekstu, nagraj go z mikrofonu lavalier, a nie z telefonu na środku stołu.

Błąd 2: nazwiska, żargon i polskie znaki

Nazwisko pisowni, nazwa produktu, skrót firmowy, imię klienta. To miejsca, w których wszystkie narzędzia się mylą, i to dobrze udokumentowane: błędy pojawiają się przy fachowym języku branżowym oraz nazwach własnych, a w polskim dochodzą odmiana nazw, skróty i znaki diakrytyczne. W nagraniu o wdrożeniu systemu nazwy narzędzi i nazwiska powtórzą się kilkadziesiąt razy, więc jeden zapis „Fota” zamiast „Fot'a” przyjdzie cztery razy w akapicie.

Tu wchodzi słownik. Narzędzia, które pozwalają wgrać własną listę nazw własnych, od razu redukują liczbę poprawek ręcznych. Tam, gdzie tego nie ma, zostaje przeglądanie tekstu z podświetleniem różnic po imionach i nazwach. Zmiana jednej nazwy w edytorze wielu narzędzi propaguje się na całą transkrypcję, ale tylko jeśli zrobisz ją raz na początku, a nie trzy razy po napisaniu.

Błąd 3: napisy rozjeżdżające się czasowo

Tu rzadko narzędzie jest winne. Napisy pojawiają się za szybko, znikają za późno albo nie pokrywają się z ustami mówcy, gdy plik jest głośny, a model nie nadążył z rozpoznaniem. Sposób na to jest w ustawieniach eksportu, nie w lepszym silniku.

Reguła, którą warto przyjąć, jest prosta i sprawdzona: dwa wersy na ekranie, maksymalnie 40 znaków ze spacjami na wers. Dłuższe linie zasłaniają obraz i czytelnik zaczyna czytać w miejscu, gdzie nie ma nic do czytania. Jeśli używasz Stage Captions na żywo, tych samych zasad pilnuj ręcznie, bo narzędzie nie zdąży ich zautomatyzować.

Ile to realnie kosztuje

Liczby są rozstrzelone, bo narzędzia sprzedają różne rzeczy, ale da się je sprowadzić do jednej jednostki: godziny nagrania.

• Transkriptor: 4,99 USD miesięcznie za 300 minut, czyli 5 godzin nagrania, około 1 USD za godzinę. Przy pełnym wykorzystaniu limitu rok kosztuje 59,88 USD.
• AmberScript: 25 USD miesięcznie za te same 300 minut, czyli 5 USD za godzinę i 300 USD rocznie. Ten sam pakiet, pięciokrotnie wyższa cena.
• sonix.AI: od 10 USD za godzinę, czyli okolice 120 USD rocznie przy jednej godzinie nagrania miesięcznie.
• Trint: około 52 USD miesięcznie, czyli 624 USD rocznie, przy limicie siedmiu plików.
• Happy Scribe z transkrybentem: od 2 USD za minutę, czyli 120 USD za godzinę nagrania. To inna kategoria kosztu, nie porównywalna z abonamentem.

Dla usługi z człowiekiem wartością jest czas, nie dokładność. Standardowy termin u polskiej firmy transkrypcyjnej to od dwóch do dziesięciu dni roboczych, w trybie ekspresowym 48 godzin. Jeśli potrzebujesz tekstu od ręki, automat nie ma z tym szans.

Praktyczny kompromis, który stosuje się przy dużych materiałach: całość przepuścić przez automat, a dokładnie przepisać tylko te rozmowy albo fragmenty, które wejdą do analizy. Przy wywiadach badawczych, gdzie materiału bywa kilkadziesiąt godzin, to często jedyny sposób, żeby zmieścić się w budżecie.

Kiedy automat nie wystarczy

Są trzy sytuacje, w których warto zapłacić człowiekowi. Nagranie do sądu, w którym każde słowo ma znaczenie dowodowe. Materiał, na którym opierają się decyzje kliniczne albo prawne. Rozmowa z kilkoma osobami nagrywana jednym mikrofonem, gdzie fizycznie nie da się rozdzielić głosów. W pozostałych przypadkach automat oszczędza godziny, a poprawki zajmują kwadrans.

Ta sama zasada działa w drugą stronę, gdy chodzi o treści. Tak jak przy generowaniu tekstów, warto sprawdzić, co zespół używa do pisania po polsku i gdzie wychodzi najlepiej, zanim postawisz na tym cały proces. Takie zestawienie narzędzi z cenami w złotówkach i tabelą decyzyjną zebrałem osobno, gdy wybierałem dla firmy asystentów AI.

Gdzie transkrypcja wchodzi w automatyzację

Największa oszczędność nie jest w narzędziu, tylko w tym, że tekst z nagrania przestaje być plikiem leżącym na dysku, a staje się wejściem dalszego procesu. W nagraniu wideo wrzuconym na YouTube, transkrypcja potrafi być pierwszym krokiem wiodącym do publikacji, opisu, streszczenia i dystrybucji w mediach społecznościowych. Tam wcześniej opisywałem cały taki przepływ od briefu do publikacji.

Praktycznie wygląda to tak, że po nagraniu plik leci do transkrypcji automatycznie, z tekstem wychodzi osoba, która ma to zredagować, a nie druga osoba, która ma go przepisać. Takie węzły z osobą w pętli są opisane osobno przy okazji pięciu wzorców architektury w n8n, bo to jest dokładnie ten sam problem, tylko w szerszym kontekście niż sam model.

Przy liczeniu opłamiana warto znać, ile godzin realnie odzyskujesz, zanim zaczniesz cokolwiek automatyzować. O tym, jak policzyć oszczędność przed i po, pisałem osobno.

Jeśli po nagraniu chcesz jeszcze odpowiadać na pytania z transkrypcji automatycznie, ten sam mechanizm działa dla treści, nie tylko dla rozmowy. Opisałem to przy okazji podłączania modelu językowego do n8n i budowania własnego asystenta.

Co zrobić przed pierwszym nagraniem

Sześć rzeczy, w tej kolejności. Po pierwsze, przetestuj tor audio, na którym nagrasz, zanim nagrasz dwugodzinną rozmowę, bo powtórka jest droższa niż test. Po drugie, nagrywaj każdą osobę oddzielnie, kiedy to możliwe. Po trzecie, przygotuj listę nazw własnych, nazwisk i skrótów, które padną w nagraniu, i wgraj ją tam, gdzie narzędzie to umożliwia.

Po czwarte, ustal regułę eksportu, zanim zaczniesz nagrywać: dwa wersy, 40 znaków na wers. Po piąte, zrób jeden przebieg testowy na tym samym pliku w dwóch narzędziach i porównaj, zamiast wybierać po cenie miesięcznej. Po szóste, ustal, gdzie ląduje nagranie i jak długo jest przechowywane, zanim wpuścisz do chmury rozmowę z klientem, która nie jest jeszcze objęta umową powierzenia.

Ostatnia z tych sześciu jest jedyną, której nie da się sprawdzić w narzędziu. Narzędzia deklarują zgodność z RODO i certyfikaty, ale to, gdzie fizycznie ląduje plik i kto ma do niego dostęp, zostaje Twoją odpowiedzialnością.

Co zostaje po napisaniu

Osiem narzędzi z tej listy działa na polskim nagraniu i wszystkie wymagają jednego tego samego: poprawki po stronie człowieka. Nie dlatego, że modele są słabe, tylko dlatego, że twoje nagranie ma nazwiska, żargon i kilka głosów naraz. Trzy miejsca, w których psują się najczęściej, to właśnie one, a wszystkie trzy naprawia się przed nagraniem, nie po nim.

Kolejny tekst w serii o narzędziach do polskiej treści znajdziesz w przeglądzie narzędzi sprawdzonych na polskim tekście.