Překlad řeči na text: jak přepsat a přeložit zvuk

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

Překlad řeči na text znamená převést nahrávku v jednom jazyce na text v jiném. Existují dvě cesty: nahrávku přepsat v původním jazyce a text přeložit, nebo použít model, který z audiozáznamu přímo vytvoří text v cílovém jazyce. První postup se snáze kontroluje, druhý je rychlejší.

Níže najdete oba postupy a jejich slabiny, čtyři praktické metody včetně vícejazyčných titulků SRT a VTT, tabulku faktorů kvality, kontrolní seznam a informace o tom, kdy je bezpečnější profesionální překladatel.

Rychlá odpověď: jak přeložit řeč na text

U většiny nahrávek nejprve přepište původní jazyk, opravte přepis a pak přeložte opravený text. Potřebujete-li jen angličtinu a rychlost, přímý překlad řeči do angličtiny poslouží jako první návrh. V obou případech by vše určené ke zveřejnění nebo důležitému rozhodnutí měl zkontrolovat člověk znalý obou jazyků.

  1. Přepište mluvený jazyk. Vyberte jej sami místo automatického rozpoznávání.
  2. Opravte původní přepis. Nejprve jména, čísla a termíny.
  3. Přeložte a zkontrolujte. Překlad porovnejte s původním textem a zvukem.

Co je překlad řeči na text?

Jde o jakýkoli postup, který začíná řečí v jazyce A a končí textem v jazyce B. Běžný přepis zůstává v jednom jazyce, běžný překlad začíná textem. Tento úkol obojí spojuje; způsob spojení ovlivňuje snadnost kontroly.

Dva postupy: kaskádový a přímý

Výzkumníci první přístup nazývají kaskádou: rozpoznání řeči následované překladem textu. Druhý je přímý překlad řeči, při němž jediný model převádí zvuk rovnou na text v cílovém jazyce. Whisper od OpenAI umí přímý převod, ale pouze do angličtiny.

Přepis a následný překlad (kaskáda) Přímý překlad řeči
Viditelné kroky Dva: původní přepis a překlad Jeden: vstupní zvuk, výstupní text
Cílové jazyky Jakýkoli podporovaný překladačem textu Často omezené; úloha translate ve Whisper vytváří pouze angličtinu
Text v původním jazyce Zůstává vám Obvykle nevzniká
Kde zachytíte chyby Mezi kroky v původním textu Jen porovnáním výstupu se zvukem
Pozdější další překlad Znovu použijete opravený přepis Zpracujete zvuk znovu nebo přeložíte angličtinu
Nejlepší pro Výzkum, publikování, titulky ve více jazycích, citace Rychlé porozumění nahrávce v angličtině

Co se může pokazit v jednotlivých postupech

V kaskádě se chyby násobí. Pokud přepis místo „patnáct“ uvádí „padesát“, překlad ponese chybné číslo v dokonale gramatické větě. Náprava je jednoduchá: opravte přepis před překladem.

U přímého postupu není původní text ke kontrole. Přeslechnuté a chybně přeložené slovo vypadají ve výstupu stejně, takže kontrolor se musí vrátit ke zvuku. Přímý výstup může také působit plynuleji, než odpovídá jeho správnosti, a chyby se hůře hledají.

Kterou metodu použít?

Vybírejte podle účelu textu a počtu potřebných jazyků.

Situace Doporučená metoda Proč
Potřebujete rychle porozumět cizojazyčné nahrávce Metoda 2: přímý převod do angličtiny Jeden krok a čitelný návrh
Budete mluvčího citovat v článku nebo zprávě Metoda 1 a metoda 4 pro klíčové citace Můžete ověřit původní slova
Potřebujete titulky ve dvou nebo více jazycích Metoda 3: původní SRT či VTT, pak překlad textu titulků Jeden časovací soubor slouží všem jazykům
Výzkumné rozhovory k analýze a citování Metoda 1 Kódování a citace zůstávají spojeny s původním přepisem
Smlouvy, soudní, zdravotní či imigrační dokumenty Metoda 4 s kvalifikovaným odborníkem Chyby mají skutečné následky

Metoda 1: Přepište původní jazyk a pak text přeložte

Tento postup je nejflexibilnější. Opravený přepis se stane výchozí verzí pro všechny překlady.

Krok 1: Přepište mluvený jazyk

Nahrajte soubor do přepisovacího nástroje a před začátkem nastavte jazyk. V whispertranscribe.ai, nástroji v prohlížeči využívajícím model Whisper od OpenAI, si vyberete z více než 130 jazyků včetně regionálních variant a režimů Noise / Low-Quality Audio/Video pro nekvalitní záznamy. Samostatné stránky jsou určeny běžným zdrojům jako španělský zvuk a čínský zvuk. Pro střídání jazyků možnost Multilingual Mix pokrývá angličtinu, španělštinu, francouzštinu, němčinu, hindštinu, ruštinu, portugalštinu, japonštinu, italštinu a nizozemštinu.

Je-li nahrávka na Google Drive, Dropboxu, Vimeu nebo YouTube, můžete ji místo stahování přepsat z URL. U rozhovorů a schůzek zapněte rozpoznávání mluvčích.

Krok 2: Opravte původní přepis

Přepis opravte před překladem, protože každá neopravená chyba se přenese do každého jazyka. Nejprve vyhledejte jména, názvy produktů a zkratky a znovu si poslechněte všechna čísla, která chcete zachovat. U čistého zvuku dosahuje přesnost až 99 %. Hluk, silné přízvuky a překrývající se řeč ji snižují, proto počítejte s kontrolou.

Krok 3: Přeložte opravený text

Exportujte přepis jako DOCX nebo TXT a použijte překladač textu. Nejprve ověřte limity formátů. K listopadu 2026:

  • Google Translate překládá dokumenty do 10 MB ve formátech .docx, .pdf, .pptx a .xlsx; PDF smějí mít nejvýše 300 stran podle nápovědy Google Translate. Soubory titulků v seznamu nejsou.
  • DeepL na stránce formátů uvádí DOCX, PDF a TXT. Uvádí také SRT a VTT včetně tarifů Pro Individual, Pro Team, Pro Business a API s limitem 150 KB nebo 200 KB na soubor titulků. Bezplatný účet DeepL TXT nepodporuje.

Umožňuje-li to nástroj, poskytněte překladači kontext: kdo mluví, komu je text určen a jak formální má být.

Krok 4: Uchovávejte obě verze vedle sebe

Uložte zdroj a překlad jako dvojici s odpovídajícími názvy, například interview-04_es_v2.docx a interview-04_en_v2.docx, aby bylo možné spornou větu dohledat v originálu.

Metoda 2: Přepište přímo do angličtiny

Je-li cílovým jazykem angličtina a chcete nahrávce hlavně porozumět nebo ji shrnout, přímý nástroj ušetří jeden krok.

Použití stránky pro překlad zvuku do angličtiny

Stránka překlad zvuku do angličtiny od whispertranscribe.ai převádí řeč v jiných jazycích na anglický text. Takto ji popisuje samotná stránka; seznam cílových jazyků neuvádí, protože výstupem je angličtina.

  1. Vyberte mluvený jazyk. První krok se ptá na jazyk nahrávky, nikoli cílový jazyk. Podle stránky správná volba zlepšuje anglický výsledek; není-li uspokojivý, zkuste jinou možnost.
  2. Nahrajte soubor. Druhý krok přijímá běžné zvukové a videoformáty včetně MP3, WAV, M4A, MP4, MOV a MKV.
  3. Zapněte rozpoznávání mluvčích, pokud mluví více lidí. Stránka tuto funkci u překladu uvádí.
  4. Vyberte Translate audio to English, pak anglický text zkontrolujte a exportujte.

Výstup považujte za pracovní návrh; kvalitu překladu neslibujeme. Potřebujete-li také přepis v původním jazyce, spusťte zvlášť běžný přepis.

Použití open-source Whisper na počítači

Repozitář Whisper od OpenAI dokumentuje úlohu translate s anglickým výstupem:

whisper japanese.wav --model medium --language Japanese --task translate

Dvě upozornění z README: výchozí model turbo není trénován pro překlad a i s --task translate vrací původní jazyk, proto použijte medium nebo large; výstupem je pouze angličtina. Německý zvuk do francouzského textu stále vyžaduje překlad textu. Příkaz Whisper CLI jsme netestovali, protože není nainstalován.

Jak dobrý je výsledek? Studie Whisper uvádí, že trénovací data obsahovala 125 000 hodin překladů X→angličtina. Bez tréninku na testovacím benchmarku CoVoST2 dosáhl Whisper skóre 29,1 BLEU, které autoři označili za tehdejší nový nejlepší výsledek. BLEU měří překryv strojového výstupu a referenčních překladů. Nejde o procento správných vět. Studie také uvádí, že Whisper stále zaostává za dřívějšími systémy přímo trénovanými pro jazyky s dostatkem dat a že množství trénovacích dat předpovídá kvalitu překladu mnohem méně spolehlivě než kvalitu přepisu.

Metoda 3: Vytvořte vícejazyčné titulky (SRT a VTT)

U videa vytvořte jeden soubor titulků v původním jazyce a přeložte pouze text jednotlivých titulků. Časování zůstane pro všechny jazyky stejné.

Krok 1: Vytvořte výchozí soubor titulků

Použijte generátor titulků nebo převodník MP4 na SRT a exportujte SRT nebo VTT v mluveném jazyce. Nejprve opravte text a časování; soubor bude šablonou pro všechny jazyky.

Krok 2: Přeložte text titulku, nikoli strukturu

Titulkový blok SRT obsahuje číslo, řádek s časovým kódem a text. Změnit se má pouze text. Zde je smyšlený příklad:

12
00:01:04,200 --> 00:01:07,900
La reunión empieza el 3 de mayo a las 15:00.
12
00:01:04,200 --> 00:01:07,900
Schůzka začíná 3. května v 15:00.

Číslo titulku a časový kód zůstávají stejné. Datum a čas se přizpůsobí cílovému publiku. Pokud překladač přijímá jen dokumenty, zkopírujte text do tabulky a vraťte jej po jednotlivých titulcích. Tarify DeepL Pro podle výše uvedeného seznamu přijímají SRT a VTT přímo.

Krok 3: Zkontrolujte délku pro čtení

Přeložený řádek může být delší než originál a titulek pohodlně čitelný za 3,7 sekundy se už nemusí vejít. Dlouhé titulky rozdělte nebo zkraťte znění, ale neposouvejte časové kódy bez opětovné kontroly proti zvuku.

Krok 4: Nahrajte každý jazyk jako samostatnou stopu

Soubory pojmenujte jazykovými kódy, například talk.en.srt a talk.es.srt, a každý nahrajte na platformu jako samostatnou stopu titulků. Přepínatelné titulkové stopy umožňují divákům měnit jazyk.

Metoda 4: Přidejte lidskou kontrolu

Vše, co zveřejníte, citujete nebo použijete při rozhodování, nechte dvojjazyčného kontrolora porovnat s originálem. Strojový výstup často působí plynule i při chybách.

Jednoduchý kontrolní list postup urychlí. Smyšlený příklad formátu:

Titulek Původní věta Překlad Značka Poznámka kontrolora
#37 Vamos a cerrar el trato el lunes Dohodu uzavřeme v pondělí OK —
#81 Eso no es moco de pavo To není krůtí nudle z nosu Idiom Použít „To není maličkost“
#126 Facturamos 1,5 millones Fakturovali jsme 1,5 milionu Číslo Ověřit měnu u mluvčího

Upozorněte kontrolora na jména, čísla, citace, právní či zdravotní termíny a nejasná místa. whispertranscribe.ai nenabízí lidský přepis ani překlad, takže tento krok provedete sami nebo jej svěříte odborníkovi.

Co ovlivňuje kvalitu překladu řeči na text?

Kvalita vzniká dvakrát: při převodu řeči na text a při změně jazyka. Některé faktory škodí oběma krokům.

Faktor Vliv na přepis Vliv na překlad Co dělat
Kvalita zvuku (hluk, ozvěna, vzdálenost) Vynechaná či přeslechnutá slova Chyby se přenášejí do všech jazyků Nahrávejte blízko mikrofonu; použijte nejčistší originál
Přízvuky a dialekty Více chyb v regionální řeči Regionální výrazy mohou být přeloženy doslova Je-li dostupná regionální varianta, vyberte ji
Odborné termíny Přepis podle zvuku Nesprávné nebo nejednotné ekvivalenty Připravte slovník a opravte zdroj
Jazyková dvojice Závisí na mluveném jazyce Běžné dvojice obvykle fungují lépe než vzácné U méně běžných jazyků vyhraďte více času na kontrolu
Vlastní jména Jména se změní na běžná slova Jména jsou „přeložena“ nebo změněna Předem sepište jména; vyhledejte a opravte je
Střídání jazyků Uprostřed věty je odhadnut nesprávný jazyk Smíšený text mate překladač Použijte režim smíšených jazyků; označte každý jazyk
Překrývající se řeč Věty se spojí nebo vynechají Ztratí se význam mluvčího Samostatné mikrofony; při přerušení zkontrolujte označení

Pravidla Googlu pro řečová data uvádějí, že ztrátové kodeky jako MP3 a M4A mohou snížit přesnost a že hluk a ozvěna při jejich použití škodí více. README OpenAI dodává, že výkon Whisper se výrazně liší podle jazyka. Oba důvody podporují otestování krátké ukázky před dlouhou dávkou.

Kontrolní seznam po překladu

Před předáním komukoli mimo tým projděte po každém překladu následující seznam:

  • Čísla. Každý údaj odpovídá zvuku. Pozor na desetinnou čárku: „1,5“ v mnoha evropských jazycích je v angličtině 1.5.
  • Měna a jednotky. Měna zůstává stejná jako u mluvčího, pokud výslovně neuvedete převod; kilometry se potichu nemění na míle.
  • Jména a názvy. Lidé, společnosti a místa se píší podle jejich vlastního zápisu, nepřekládají se.
  • Data a časy. Pořadí dne a měsíce se liší podle země: 03/04 může znamenat 3. dubna nebo 4. března. Je-li to důležité, napište měsíc slovem.
  • Citace. Přímé citace ověřte podle zvuku, nikoli pouze přepisu.
  • Idiomy a humor. Doslovné překlady idiomů nahraďte přirozenými ekvivalenty nebo označte.
  • Kulturní kontext. Nesrozumitelné odkazy opatřete krátkou poznámkou místo tiché úpravy.
  • Jazykový styl. Formální a neformální oslovení (tú/usted, du/Sie) odpovídá vztahu mluvčích.
  • Označení mluvčích. Každá věta je stále přiřazena správné osobě.
  • Nejasné pasáže. Nejistá místa označte [unclear] v obou jazycích, místo abyste hádali.

Kdy potřebujete profesionálního překladatele?

Kvalifikovaného lidského překladatele využijte, pokud by chyba mohla poškodit finance, zdraví, právní postavení nebo důvěru. Nejde o právní radu; požadavky se liší podle země, soudu a úřadu, proto je ověřte u příjemce dokumentu.

Situace Proč strojový výstup nestačí
Imigrační podání Americká pravidla (8 CFR 103.2(b)(3)) vyžadují u cizojazyčných dokumentů pro USCIS úplný anglický překlad potvrzený překladatelem, který prohlásí, že je úplný a přesný a že je k překladu způsobilý
Soudní důkazy a výpovědi Soudy často stanovují vlastní pravidla pro překlad a ověření
Smlouvy a dohody Jedno chybné slovo může změnit závazek
Lékařské konzultace a záznamy Dávkování, příznaky a souhlas musí být přesné
Publikované citace a tiskové materiály Chybná citace poškozuje důvěru a může vést k odpovědnosti

U méně závažných úkolů, jako jsou interní poznámky, výzkumné návrhy nebo porozumění videu, obvykle postačí strojový překlad a vlastní kontrola.

Jaký exportní formát potřebujete?

Vyberte formát podle dalšího kroku. whispertranscribe.ai exportuje přepisy jako DOCX, PDF, TXT, CSV, SRT a VTT.

Formát Použití
DOCX Překlad ve Wordu, DeepL nebo Google Translate; úpravy s komentáři
TXT Vložení do překladače nebo jiné aplikace
PDF Neměnná kopie schváleného překladu
CSV Kontrolní listy vedle sebe a kódování výzkumu
SRT Titulkové stopy pro YouTube, editory videa a přehrávače
VTT Titulky pro webové HTML5 přehrávače videa

Časté dotazy

Jaký je rozdíl mezi převodem řeči na text a jejím překladem?

Převod řeči na text zachovává původní jazyk: ze španělského zvuku vznikne španělský text. Překlad řeči na text končí v jiném jazyce, například ze španělského zvuku vznikne anglický text. Může proběhnout ve dvou krocích, přepisem a překladem přepisu, nebo v jednom pomocí modelu, který přímo zapisuje cílový jazyk. Dvoukrokový postup se snáze kontroluje, protože můžete zdroj před překladem opravit a později znovu použít pro jiné jazyky.

Umí Whisper překládat zvuk do jiných jazyků než angličtiny?

Ne. Vestavěná úloha translate ve Whisper vytváří pouze anglický výstup. Přijímá řeč v mnoha jazycích, ale zapisuje anglický text. Pro jiný cílový jazyk přepište zvuk v původním jazyce a text přeložte překladačem. README OpenAI také uvádí, že výchozí model turbo není trénován pro překlad a vrací původní jazyk i při zadání překladu. Použijte model medium nebo large.

Je lepší nejprve přepsat a potom překládat?

Obvykle ano, pokud se výsledek bude publikovat, citovat nebo překládat do více jazyků. Původní text můžete opravit, takže přeslechnuté jméno nebo číslo opravíte jednou místo v každém překladu. Přímý převod do angličtiny je rychlejší a hodí se, pokud chcete nahrávce pouze porozumět. Pro titulky v několika jazycích je nejpraktičtějším výchozím bodem opravený zdrojový soubor SRT nebo VTT.

Jak přesný je překlad řeči na text?

Záleží na zvuku, jazykové dvojici a tématu; neexistuje jediné číslo přesnosti platné pro vše. Přepis čistého zvuku může být velmi přesný. whispertranscribe.ai dosahuje až 99 % u čistého zvuku, zatímco hluk a přízvuky přesnost snižují. Překlad přidává vlastní chyby, zejména u idiomů, jmen a odborných termínů. Běžné jazykové dvojice bývají lepší než vzácné. Čísla, jména a citace zkontrolujte sami a důležitý obsah nechte dvojjazyčně zkontrolovat.

Mohu přeložit titulky a zachovat časové značky?

Ano. Přeložte pouze text každého titulku a čísla i časové kódy ponechte beze změny. Můžete to udělat ručně vložením textu do překladače a zpět nebo nástrojem podporujícím soubory titulků. DeepL uvádí SRT a VTT u tarifů Pro Individual, Pro Team, Pro Business a API. Funkce dokumentů Google Translate titulkové formáty neuvádí. Po překladu ověřte, že dlouhé řádky lze přečíst během zobrazení titulku.

Mohu použít strojový překlad právních nebo lékařských nahrávek?

Pro předběžný přehled ano, nikoli však jako konečnou verzi. Právní, lékařské, smluvní a imigrační materiály často vyžadují kvalifikovaného lidského překladatele a některé úřady požadují ověřený překlad. Americká imigrační pravidla například vyžadují potvrzení překladatele o úplnosti a přesnosti anglického překladu. Požadavky se liší podle země a instituce, ověřte je tedy u příjemce. Jde o obecné informace, nikoli právní radu.


Chcete začít? Nahrajte nahrávku na stránku překladu zvuku do angličtiny, nebo ji pro titulky a jiné cílové jazyky nejprve přepište v původním jazyce. Můžete ji bezplatně vyzkoušet bez účtu. Placené tarify začínají na 9,99 USD měsíčně při roční platbě; viz ceny. whispertranscribe.ai nenabízí API, lidský přepis ani schůzkového bota.

Zdroje

Chcete převést nahrávky na text?

Přepisujte zvuk a video s whispertranscribe.ai.

Začít s přepisem ↗