Jak přepsat MP3 na text: srovnání 4 metod

Redakce whispertranscribe.ai · Aktualizováno: listopad 2026 · Čtení na 12 minut

Pro přepis MP3 na text vložte soubor do nástroje AI, vyberte jazyk řeči a exportujte DOCX, TXT nebo SRT. Můžete také použít Transcribe v Microsoft Wordu, přepsat zvuk ručně nebo spustit bezplatný model Whisper od OpenAI na vlastním počítači. V každém případě kvalita MP3 omezuje výsledek.

Níže jsou čtyři postupy, vysvětlení datového toku a vzorkovací frekvence, kontrola zvuku, tipy pro dlouhé soubory a více mluvčích a třífázová korektura.

Stručná odpověď: jak přepsat MP3 na text

Pro většinu lidí je nejrychlejší online nástroj, například whispertranscribe.ai: přijme MP3, označí mluvčí a vrátí upravitelný soubor. Word použijte, pokud již platíte Microsoft 365, krátké klipy přepište ručně a Whisper lokálně, když zvuk nesmí opustit počítač.

  1. Zkontrolujte soubor. Přehrajte 30 sekund a ověřte srozumitelnost hlasů.
  2. Nahrajte a nastavte možnosti. Vyberte jazyk a zapněte rozlišení, pokud mluví více osob.
  3. Zkontrolujte a exportujte. Opravte jména a čísla a stáhněte DOCX nebo TXT pro dokumenty, SRT nebo VTT pro titulky.

Kterou metodu zvolit?

Rozhodněte podle délky zvuku, potřeby mluvčích a místa zpracování. Údaje Microsoftu byly ověřeny v listopadu 2026.

Metoda Cena Označení mluvčích Kam jde zvuk Vhodné pro
1. Online nástroj Často bezplatný začátek, placené programy pro větší objem Ano, u většiny Servery poskytovatele Rozhovory, podcasty, přednášky, pravidelnou práci
2. Microsoft Word Transcribe Součást Microsoft 365, až 300 nahraných minut měsíčně Ano (Speaker 1, Speaker 2) Servery Microsoftu, soubor zůstává v OneDrive Občasné soubory pro uživatele Wordu
3. Ruční přepis Zdarma, ale zabere hodiny Přidáte sami Zůstává v zařízení Krátké klipy a přesné citace
4. Whisper v počítači Zdarma, open source V oficiálním nástroji ne Zůstává v zařízení Soukromý zvuk, technické uživatele a dávky

Než začnete: zkontrolujte MP3 za 60 sekund

MP3 je ztrátový formát. Popis Library of Congress vysvětluje, že odstraňuje zvuky méně pravděpodobně slyšitelné a MP3 při 128 kbit/s má asi jedenáctinu velikosti CD zvuku. Ztracené detaily nelze obnovit.

Ve Windows otevřete Properties → Details, na Macu Get Info. S nainstalovaným FFmpeg následující příkaz vypíše kodek, vzorkování, kanály, datový tok a délku:

ffprobe -v error -select_streams a:0 -show_entries stream=codec_name,sample_rate,channels,bit_rate -show_entries format=duration -of default=noprint_wrappers=1 interview.mp3

Původní článek uvádí zkoušku syntaktického příkazu s FFmpeg 7.1 na krátkém vzorku; zde jsme ji neověřili. Výstup může obsahovat sample_rate=44100 a bit_rate=128000. Význam:

Hodnota Co udává Význam pro přepis
bit_rate Množství dat za sekundu po kompresi Velmi nízký tok znamená méně detailů, které nelze vrátit
sample_rate Počet měření zvuku za sekundu Google doporučuje pro řeč 16,000 Hz nebo více
channels Mono (1) nebo stereo (2) Stereo nevadí; Whisper při načtení smíchá do mono
duration Délku záznamu Pomáhá zjistit, zda narazíte na délkový či minutový limit

Ovlivňuje datový tok MP3 přesnost?

Může. Doporučení Google Cloud říká, že ztrátové kodeky včetně MP3 mohou snížit přesnost a hluk a ozvěna při jejich použití škodí více. Zveřejněná hranice datového toku neexistuje, jde o jeden z faktorů. Čistý hlas blízko mikrofonu je důležitější než vysoký tok.

Přepište nejlepší dostupnou verzi. Existuje-li originální WAV nebo FLAC, použijte jej. Překódování souboru 96 kbps na 320 kbps či uložení jako WAV zvětší soubor bez obnovení detailů.

Jakou vzorkovací frekvenci rozpoznávání potřebuje?

Pro řeč obvykle stačí 16 kHz. Open-source kód Whisper načte soubor přes FFmpeg, převede jej na mono a převzorkuje na 16,000 Hz (whisper/audio.py na GitHubu). Google také nedoporučuje vlastní převzorkování. Telefonní záznam 8,000 Hz odešlete beze změn.

Běžných 44.1 kHz nebo 48 kHz v MP3 je více než dost. Před nahráním frekvenci neměňte.

Kontrola kvality zvuku

Před důležitou prací:

  • Poslechněte začátek a prostředek. Je jazyk správný a jsou všichni slyšet?
  • Ověřte hlasitost. ffmpeg -i interview.mp3 -af volumedetect -f null - vypíše průměrnou a maximální hlasitost. Maximum blízko 0 dB může znamenat clipping a zkreslené špičky se obtížně obnovují. Tento příkaz jsme zde netestovali.
  • Vynechte silnou redukci hluku. Podle Google obvykle snižuje přesnost rozpoznávání.
  • Sepište jména, zkratky a odborné výrazy pro korekturu.
  • Ponechte originál do dokončení přepisu.

Metoda 1: Nahrajte MP3 do online nástroje

Online nástroje převádějí dlouhé MP3 rychle: model běží na serverech poskytovatele bez instalace. Postup používá whispertranscribe.ai, nástroj v prohlížeči založený na Whisper od OpenAI. Jiné nástroje mají podobné kroky s jinými nabídkami.

Krok 1: Otevřete stránku MP3 a vyberte jazyk

Otevřete přepis MP3 na text a v Step 1 zvolte jazyk řeči. K dispozici je 130+ jazyků, varianty jako English (India) a Noise / Low-Quality Audio/Video pro náročný zvuk.

Krok 2: Nahrajte MP3

V Step 2 whispertranscribe.ai soubor přetáhněte nebo vyhledejte. Může mít až 5GB a programy podporují 10 hodin. Fungují i WAV, M4A, FLAC, MP4 a MOV.

Krok 3: Podle potřeby zapněte Speaker Detection

U rozhovorů, schůzek a podcastů zapněte Enable Speaker Detection, aby se označily jednotlivé promluvy.

Krok 4: Spusťte přepis

Klikněte na Transcribe MP3 to text. U čistého zvuku dosahuje přesnost až 99%. Hluk, silné přízvuky a překrývání ji snižují, proto plánujte kontrolu.

Krok 5: Exportujte přepis

Stáhněte DOCX, PDF, TXT nebo CSV pro dokumenty a analýzu, případně SRT a VTT pro časované titulky. Pro titulky přímo použijte převodník MP3 na SRT.

Před výběrem programu můžete vyzkoušet zdarma bez účtu. Placené programy začínají na $9.99/měsíc při roční platbě; viz ceny. Velké video lze zmenšit převodníkem zvuku a videa na MP3 a MP3 v Google Drive nebo Dropboxu vložit přímo do Transcribe from URL.

Dobré vědět: online nástroje odesílají zvuk na servery poskytovatele. U důvěrných nahrávek si přečtěte zásady soukromí nebo zvolte metodu 3 či 4.

Metoda 2: Microsoft Word Transcribe

S Microsoft 365 umí Word MP3 přepsat. Podle podpory Microsoft (listopad 2026) přijímá .mp3, .wav, .m4a a .mp4 a odděluje mluvčí.

  1. Přihlaste se do Microsoft 365 a otevřete dokument ve Wordu pro web (nový Microsoft Edge či Chrome) nebo Wordu pro Microsoft 365 ve Windows.
  2. Zvolte Home → Dictate (rozbalovací nabídka) → Transcribe.
  3. V panelu Transcribe zvolte Upload audio a MP3.
  4. Ponechte panel otevřený; podle Microsoftu může zpracování trvat přibližně jako délka souboru.
  5. Zkontrolujte: přehrajte úsek až 2x, upravte text a přejmenujte „Speaker 1“ všude najednou.
  6. Zvolte Add all to document a uložte jako DOCX.

Limity: Microsoft 365 dovoluje až 300 minut nahraného zvuku měsíčně. Dokument obsahuje jeden přepis a soubory se ukládají do Transcribed Files v OneDrive. Desktopová verze Windows je podle Microsoftu aktuálně omezena na komerční organizace. Nápověda neuvádí export SRT či VTT, takže Word je vhodnější pro dokumenty než titulky.

Metoda 3: Ruční přepis MP3

Ruční psaní je zdarma a ponechá zvuk v zařízení, ale je pomalé. Hodí se pro krátké klipy, přesné citace nebo úseky, které stroj nezvládl.

  1. Otevřete MP3 v přehrávači se zpomalením a zkratkou pro návrat, vedle prázdného dokumentu.
  2. Nastavte asi 0.75x a pracujte po krátkých úsecích: přehrajte frázi, zastavte, zapište, případně vraťte.
  3. Označte každého mluvčího, například TAZATEL: a MARIA:. Doporučení W3C k přepisům uvádí, že podcastový přepis mohou tvořit odstavce s označenými mluvčími.
  4. Neslyšitelná místa označte časem, například [neslyšitelné 00:14:32], abyste se mohli vrátit.
  5. Nakonec poslouchejte normální rychlostí a čtěte text pro zachycení záměn stejně znějících slov.

Nebo nechte návrh vytvořit nástrojem a tento postup použijte jen na důležitá místa.

Metoda 4: Whisper ve vlastním počítači

Whisper je open-source model rozpoznávání řeči od OpenAI, natrénovaný na 680,000 hodinách vícejazyčného zvuku podle studie OpenAI. Lokální spuštění je zdarma a nic se nenahrává. Vyžaduje však Python, FFmpeg a trpělivost na pomalejších počítačích.

Instalace podle oficiálního repozitáře:

pip install -U openai-whisper

FFmpeg musí být nainstalován a na PATH. Poté spusťte přepis:

whisper interview.mp3 --model turbo --language English --output_format srt

Použijte --output_format txt pro prostý text nebo příznak vynechte pro TXT, VTT, SRT, TSV a JSON najednou. Na CPU přidejte --fp16 False pro vynechání varování. Původní článek uvádí zkoušku openai-whisper 20250625 s modelem tiny; zde jsme příkazy netestovali, protože Whisper CLI nebyl nainstalován.

Model Parametry Přibližná VRAM (podle OpenAI) Rychlost proti large (podle OpenAI)
tiny 39 M asi 1 GB asi 10x
small 244 M asi 2 GB asi 4x
medium 769 M asi 5 GB asi 2x
turbo (výchozí) 809 M asi 6 GB asi 8x
large 1550 M asi 10 GB 1x

OpenAI popisuje turbo jako optimalizovaný large-v3 s minimální ztrátou přesnosti, není však trénován na překlad.

Čeho se vzdáváte: oficiální nástroj nemá označování mluvčích, editor ani export DOCX či PDF a OpenAI upozorňuje na značné rozdíly výkonu podle jazyků. Některé mezery doplňují komunitní projekty s vlastním nastavením.

Dlouhé MP3, více mluvčích a jiné jazyky

Dlouhé nahrávky

Před nahráním zkontrolujte limit. Programy whispertranscribe.ai podporují do 10 hodin a 5GB; Word má pět hodin měsíčně celkem. U nástroje s kratším limitem může FFmpeg rozdělit MP3 na hodinové části bez překódování:

ffmpeg -i lecture.mp3 -f segment -segment_time 3600 -c copy lecture_part_%03d.mp3

Tento příkaz jsme zde netestovali. Řez může připadnout doprostřed věty, proto při spojování textu zkontrolujte návaznosti. Pro výuku a přednášky viz přepis přednášek.

Více mluvčích

Zapněte rozlišení mluvčích a před sdílením přejmenujte obecné štítky. Nejčastěji chybují při přerušování nebo podobných hlasech, proto ověřte několik promluv každého člověka. Příště dejte každému vlastní mikrofon.

Jiné jazyky a přízvuky

Jazyk vyberte místo automatického rozpoznání, zejména začíná-li soubor hudbou. whispertranscribe.ai nabízí Multilingual Mix pro střídání angličtiny, španělštiny, francouzštiny, němčiny, hindštiny, ruštiny, portugalštiny, japonštiny, italštiny a nizozemštiny. Pro anglický text z neanglického MP3 použijte překlad zvuku do angličtiny místo odděleného přepisu a překladu.

Jak zkontrolovat přepis MP3: 3 průchody

Návrhy AI selhávají předvídatelně, takže obvykle nemusíte poslouchat celý soubor znovu.

Průchod 1: Hledejte, neposlouchejte. Pomocí hledání a nahrazení a seznamu jmen a termínů opravte opakované chyby.

Průchod 2: Poslechněte riziková místa. Přejděte na ně a porovnejte se zvukem:

Místo Typická chyba Kontrola
Čísla a data „patnáct“ místo „padesát“, ztracená desetinná místa Znovu přehrajte každé citované číslo
Jména a značky Fonetický zápis Porovnejte se seznamem termínů
Překryvy řeči Sloučení vět nebo vynechání jedné Poslechněte normálně, potom pomaleji
Změna mluvčího Věta přiřazena jiné osobě Ověřte první řádek po změně
Tiché či vzdálené hlasy Chybějící slova Zvyšte hlasitost úseku
První a poslední minuty Zdvořilostní řeč, hudba, špatný odhad jazyka Podle potřeby smažte či opravte

Průchod 3: Čtěte jako dokument. Přečtěte bez zvuku; nesmyslná místa znovu poslechněte. Co stále neslyšíte, označte [nejasné] místo hádání.

Jaký exportní formát potřebujete?

Vybírejte podle dalšího použití: dokumenty DOCX nebo TXT, text přes video SRT nebo VTT.

Formát Použití
DOCX Úpravy, zprávy, články, poznámky k pořadu
PDF Pevná kopie pro sdílení či archivaci
TXT Vložení do jiných aplikací nebo shrnutí AI
CSV Tabulky a analýza výzkumu
SRT Titulky YouTube, video editorů a přehrávačů
VTT Titulky pro webové přehrávače HTML5

Pro hlasové poznámky z telefonu stránka přepisu hlasových poznámek nabízí stejné exporty.

Časté dotazy

Mohu přepsat MP3 na text zdarma?

Ano. Ruční psaní je zdarma a open-source Whisper od OpenAI na vlastním počítači stojí jen čas nastavení a hardware. Mnoho online nástrojů také umožňuje bezplatný začátek. whispertranscribe.ai nabízí možnost bez účtu pro ověření výsledku. Bezplatné možnosti často omezují délku či funkce, proto při pravidelné práci porovnejte tarify; whispertranscribe.ai začíná od $9.99/měsíc při roční platbě.

Jak dlouho trvá přepsat MP3?

S nástrojem AI obvykle mnohem méně než délka zvuku, záleží však na souboru a službě. Microsoft uvádí, že Word Transcribe může trvat přibližně délku souboru. Lokální Whisper závisí na hardwaru a modelu; menší běží rychleji, ale více chybují. Ruční přepis trvá několikanásobek délky zvuku, proto se používá hlavně na krátké klipy.

Zlepší převod MP3 na WAV přesnost?

Ne. Uložení MP3 jako WAV nebo opětovné kódování s vyšším tokem zvětší soubor, ale nevrátí detaily odstraněné při vzniku MP3. MP3 je ztrátový formát. Pokud existuje originál WAV nebo FLAC, přepište jej. Jinak nahrajte původní MP3. Systémy jako Whisper interně převzorkují na 16 kHz mono, takže ani vlastní změna frekvence nepomůže.

Jak přepsat MP3 s více mluvčími?

Před spuštěním zapněte rozlišení mluvčích. Přepis označí každou promluvu číslem, například Speaker 1, a potom je přejmenujete. Microsoft Word Transcribe a whispertranscribe.ai mluvčí označují; oficiální příkazová řádka Whisper ne. Kontrolujte místa přerušování, kde se mluvčí nejčastěji zamění.

Mohu převést MP3 do dokumentu Word?

Ano. Nejrychleji přepište MP3 online a exportujte DOCX, který se otevře ve Wordu nebo Google Docs. S Microsoft 365 můžete soubor nahrát přímo ve Wordu přes Home, Dictate, Transcribe, Upload audio a Add all to document. Předplatné obsahuje až 300 minut nahraného zvuku za měsíc.

Mohu vytvořit z MP3 titulky místo přepisu?

Ano. Exportujte SRT nebo VTT místo DOCX či TXT. Oba formáty zachovávají čas každého řádku pro přehrávač či editor. V whispertranscribe.ai exportujte SRT nebo VTT po přepisu nebo použijte převodník MP3 na SRT. Příkazový Whisper umí vytvořit SRT i VTT pomocí volby formátu.


Chcete to vyzkoušet? Nahrajte soubor do převodníku MP3 na text nebo použijte bezplatný převodník zvuku na text pro jiné formáty. Oba podporují 130+ jazyků, mluvčí a export DOCX, PDF, TXT, CSV, SRT a VTT.

Zdroje

Chcete převést nahrávky na text?

Přepisujte zvuk a video s whispertranscribe.ai.

Začít s přepisem ↗