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.
- Zkontrolujte soubor. Přehrajte 30 sekund a ověřte srozumitelnost hlasů.
- Nahrajte a nastavte možnosti. Vyberte jazyk a zapněte rozlišení, pokud mluví více osob.
- 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.
- Přihlaste se do Microsoft 365 a otevřete dokument ve Wordu pro web (nový Microsoft Edge či Chrome) nebo Wordu pro Microsoft 365 ve Windows.
- Zvolte Home → Dictate (rozbalovací nabídka) → Transcribe.
- V panelu Transcribe zvolte Upload audio a MP3.
- Ponechte panel otevřený; podle Microsoftu může zpracování trvat přibližně jako délka souboru.
- Zkontrolujte: přehrajte úsek až 2x, upravte text a přejmenujte „Speaker 1“ všude najednou.
- 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.
- Otevřete MP3 v přehrávači se zpomalením a zkratkou pro návrat, vedle prázdného dokumentu.
- Nastavte asi 0.75x a pracujte po krátkých úsecích: přehrajte frázi, zastavte, zapište, případně vraťte.
- Označte každého mluvčího, například
TAZATEL:aMARIA:. Doporučení W3C k přepisům uvádí, že podcastový přepis mohou tvořit odstavce s označenými mluvčími. - Neslyšitelná místa označte časem, například
[neslyšitelné 00:14:32], abyste se mohli vrátit. - 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 |
| 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
- Library of Congress: MP3 (MPEG Layer III Audio Encoding)
- Google Cloud: Doporučení pro data Speech-to-Text API
- Microsoft Support: Přepis nahrávek
- OpenAI: Whisper na GitHubu (README a
whisper/audio.py) - Radford et al., OpenAI: Robust Speech Recognition via Large-Scale Weak Supervision
- W3C Web Accessibility Initiative: Přepisy
