Autor: uredništvo whispertranscribe.ai · Ažurirano: studeni 2026. · Vrijeme čitanja: 12 minuta
Prijevod govora u tekst znači uzeti snimku na jednom jeziku i dobiti tekst na drugom. Postoje dva načina: transkribirati snimku na izvornom jeziku pa prevesti tekst ili koristiti model koji izravno iz zvuka piše ciljni jezik. Prvi je lakše provjeriti, drugi je brži.
U nastavku: oba postupka i njihove slabosti, četiri praktične metode uključujući višejezične SRT i VTT titlove, tablica čimbenika kvalitete, popis provjera i kada je profesionalni prevoditelj sigurniji izbor.
Kratki odgovor: kako prevesti govor u tekst
Za većinu snimki prvo transkribirajte na izvornom jeziku, ispravite transkript pa prevedite ispravljeni tekst. Ako trebate samo engleski i želite brzinu, izravni alat za govor u engleski dobar je za prvi nacrt. U oba slučaja osoba koja poznaje oba jezika trebala bi provjeriti sve što objavljujete ili na što se oslanjate.
- Transkribirajte na govornom jeziku. Odaberite ga sami umjesto oslanjanja na automatsko prepoznavanje.
- Ispravite izvorni transkript. Prvo imena, brojeve i izraze.
- Prevedite i pregledajte. Prevedite tekst pa ga provjerite prema izvorniku i zvuku.
Što je prijevod govora u tekst?
Obuhvaća svaki postupak koji počinje govorom na jeziku A i završava tekstom na jeziku B. Obična transkripcija ostaje na jednom jeziku. Obični prijevod počinje tekstom. Ovaj zadatak spaja oboje, a način spajanja određuje koliko je rezultat lako provjeriti.
Dva postupka: kaskadni i izravni
Istraživači prvi pristup nazivaju kaskadom: prepoznavanje govora pa prijevod teksta. Drugi je izravni prijevod govora, odnosno od početka do kraja, u kojem jedan model pretvara zvuk izravno u ciljni tekst. OpenAI Whisper može izravnu verziju, ali samo na engleski.
| Transkribirati pa prevesti (kaskada) | Izravni prijevod govora | |
|---|---|---|
| Vidljivi koraci | Dva: izvorni transkript pa prijevod | Jedan: ulazni zvuk, izlazni ciljni tekst |
| Ciljni jezici | Svi koje podržava vaš tekstni prevoditelj | Često ograničeni; Whisperova zadaća translate daje samo engleski |
| Tekst izvornog jezika | Zadržavate ga | Obično se ne stvara |
| Gdje možete uhvatiti pogreške | Između koraka, u izvornom tekstu | Samo usporedbom rezultata sa zvukom |
| Ponovni prijevod kasnije | Ponovno koristite ispravljeni transkript | Ponovno obradite zvuk ili prevedite engleski |
| Najbolje za | Istraživanje, objavu, titlove na više jezika, citate | Brzo razumijevanje snimke na engleskom |
Što može poći po zlu u svakom postupku
U kaskadi se pogreške zbrajaju. Ako transkript kaže «pedeset» kad je govornik rekao «petnaest», prijevod će prenijeti pogrešan broj savršenom gramatikom. Rješenje je jednostavno: ispravite transkript prije prijevoda.
U izravnom postupku nema izvornog teksta za pregled. Pogrešno čuta i pogrešno prevedena riječ izgledaju jednako u rezultatu pa se pregledavatelj mora vratiti zvuku. Izravni rezultat može djelovati tečnije nego što zaslužuje, što otežava uočavanje pogrešaka.
Koju metodu koristiti?
Odaberite prema namjeni teksta i broju potrebnih jezika.
| Situacija | Preporučena metoda | Zašto |
|---|---|---|
| Trebate brzo razumjeti snimku na stranom jeziku | Metoda 2: izravno na engleski | Jedan korak, čitljiv nacrt |
| Citirat ćete govornika u članku ili izvješću | Metoda 1, uz metodu 4 za važne citate | Možete provjeriti izvorne riječi |
| Trebate titlove na dva ili više jezika | Metoda 3: izvorni SRT ili VTT pa prijevod teksta | Jedna vremenska datoteka služi svim jezicima |
| Istraživački intervjui za analizu i citiranje | Metoda 1 | Kodiranje i citati ostaju povezani s izvornikom |
| Ugovori, sudski, medicinski ili imigracijski zapisi | Metoda 4 s kvalificiranim stručnjakom | Pogreške imaju stvarne posljedice |
Metoda 1: Transkribirajte na izvornom jeziku pa prevedite tekst
Ovo je najfleksibilniji put. Ispravljeni transkript postaje glavna kopija iz koje polaze svi prijevodi.
Korak 1: Transkribirajte na govornom jeziku
Učitajte datoteku u alat i postavite jezik prije početka. Na whispertranscribe.ai, alatu u pregledniku temeljenom na OpenAI Whisperu, birate između više od 130 jezika, uz regionalne opcije i načine Noise / Low-Quality Audio/Video za loše snimke. Postoje stranice za česte izvore poput španjolskog zvuka i kineskog zvuka. Za govornike koji mijenjaju jezik Multilingual Mix pokriva engleski, španjolski, francuski, njemački, hindi, ruski, portugalski, japanski, talijanski i nizozemski.
Ako je snimka na Google Driveu, Dropboxu, Vimeu ili YouTubeu, transkribirajte je s URL-a umjesto preuzimanja. Uključite prepoznavanje govornika za intervjue i sastanke.
Korak 2: Ispravite izvorni transkript
Ispravite ga prije prijevoda jer se svaka neispravljena pogreška prenosi u svaki jezik. Prvo potražite imena, nazive proizvoda i kratice, zatim ponovno poslušajte svaki broj koji želite zadržati. Točnost doseže do 99% na čistom zvuku. Buka, jaki naglasci i preklapanje je smanjuju, stoga planirajte pregled.
Korak 3: Prevedite ispravljeni tekst
Izvezite transkript kao DOCX ili TXT i provedite ga kroz tekstni prevoditelj. Prvo provjerite ograničenja formata. U studenome 2026.:
- Google Translate prevodi dokumente do 10 MB u .docx, .pdf, .pptx i .xlsx, a PDF mora imati najviše 300 stranica, prema Google Translate pomoći. Datoteke titlova nisu na popisu.
- DeepL na stranici formata navodi DOCX, PDF i TXT. Također navodi SRT i VTT, uključujući planove Pro Individual, Pro Team, Pro Business i API, s ograničenjem od 150 KB ili 200 KB po datoteci titlova. Besplatni račun DeepL-a ne pokriva TXT.
Dajte prevoditelju kontekst gdje alat to dopušta: tko govori, publika i željeni stupanj formalnosti.
Korak 4: Sačuvajte obje verzije zajedno
Spremite izvornik i prijevod kao par s odgovarajućim imenima, poput interview-04_es_v2.docx i interview-04_en_v2.docx, kako bi se svaka sporna rečenica mogla povezati s izvornim riječima.
Metoda 2: Transkribirajte izravno na engleski
Ako je cilj engleski i uglavnom trebate razumjeti ili sažeti snimku, izravni alat štedi korak.
Upotreba stranice za prijevod zvuka na engleski
Stranica prevedite zvuk na engleski usluge whispertranscribe.ai pretvara govor drugih jezika u engleski tekst. Stranica to tako opisuje; ne navodi skup ciljnih jezika jer je izlaz engleski.
- Odaberite govorni jezik. Korak 1 traži jezik snimke, a ne ciljni. Stranica kaže da ispravan odabir daje točniji engleski i predlaže drugu opciju ako rezultat nije zadovoljavajući.
- Učitajte datoteku. Korak 2 prihvaća uobičajene audio i videoformate, uključujući MP3, WAV, M4A, MP4, MOV i MKV.
- Uključite prepoznavanje govornika ako govori više ljudi. Stranica ga navodi za prijevod.
- Odaberite Translate audio to English, pregledajte engleski tekst i izvezite ga.
Smatrajte rezultat radnim nacrtom; ne obećavamo kvalitetu prijevoda. Ako trebate i transkript izvornog jezika, pokrenite i običnu transkripciju.
Upotreba Whispera otvorenog koda na računalu
OpenAI repozitorij Whispera dokumentira zadaću prijevoda koja daje engleski:
whisper japanese.wav --model medium --language Japanese --task translate
Dva upozorenja iz README-a: zadani model turbo nije treniran za prijevod i vraća izvorni jezik čak i uz --task translate, zato koristite medium ili large; izlaz je samo na engleskom. Za njemački zvuk u francuski tekst i dalje treba prijevod teksta. Ovu naredbu Whisper CLI-ja nismo testirali za vodič.
Koliko je dobar? Rad o Whisperu navodi 125,000 sati podataka za prijevod s jezika X na engleski. Bez treniranja na CoVoST2, mjerilu na kojem je testiran, Whisper je postigao 29.1 BLEU, što su autori nazvali novim vrhunskim rezultatom. BLEU ocjenjuje preklapanje strojnog izlaza i referentnih prijevoda. To nije postotak ispravnih rečenica. Rad također navodi da Whisper još zaostaje za ranijim sustavima treniranima izravno za jezike s mnogo resursa i da više podataka mnogo manje pouzdano predviđa kvalitetu prijevoda nego transkripcije.
Metoda 3: Izradite višejezične titlove (SRT i VTT)
Za video izradite jednu datoteku titlova na izvornom jeziku, zatim prevedite samo tekst svakog segmenta. Vremenske oznake ostaju iste u svim jezicima.
Korak 1: Generirajte izvorne titlove
Koristite generator titlova ili pretvarač MP4 u SRT i izvezite SRT ili VTT na govornom jeziku. Prvo ispravite tekst i vrijeme; datoteka je predložak za sve jezike.
Korak 2: Prevedite tekst, ne strukturu
SRT segment ima broj, vremenski redak i tekst. Samo se tekst treba promijeniti. Ovo je izmišljeni primjer:
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
Sastanak počinje 3. svibnja u 15 sati.
Broj segmenta i vremenski kod ostaju isti. Datum i vrijeme prilagođeni su ciljnoj publici. Ako prevoditelj prihvaća samo dokumente, kopirajte tekst u tablicu pa ga vratite segment po segment. DeepL Pro planovi izravno prihvaćaju SRT i VTT, kako je navedeno.
Korak 3: Provjerite duljinu čitanja
Prevedeni redak može biti dulji od izvornika pa segment koji se ugodno čitao za 3.7 sekundi više ne stane. Podijelite duge segmente ili skratite formulaciju, ali ne pomičite vremenske kodove bez ponovne provjere prema zvuku.
Korak 4: Učitajte svaki jezik kao zaseban zapis
Imenujte datoteke jezičnim kodovima, primjerice talk.en.srt i talk.es.srt, i učitajte svaku kao zaseban zapis titlova. Odvojeni zapisi omogućuju promjenu jezika.
Metoda 4: Dodajte ljudsku provjeru
Za sve što se objavljuje, citira ili koristi u odluci neka dvojezični pregledavatelj usporedi prijevod s izvornikom. Strojni rezultat često zvuči tečno i kada je pogrešan.
Jednostavan list ubrzava provjeru. Ovo je izmišljeni primjer formata:
| Segment | Izvorni redak | Prijevod | Oznaka | Napomena pregledavatelja |
|---|---|---|---|---|
| #37 | Vamos a cerrar el trato el lunes | Zaključit ćemo dogovor u ponedjeljak | U redu | — |
| #81 | Eso no es moco de pavo | To nije pureći šmrkalj | Idiom | Koristite «To nije mala stvar» |
| #126 | Facturamos 1,5 millones | Fakturirali smo 1,5 milijuna | Broj | Potvrdite valutu s govornikom |
Uputite pregledavatelja na imena, brojeve, citate, pravne ili medicinske izraze i sve označeno nejasnim. whispertranscribe.ai ne nudi ljudsku transkripciju ni prijevod, pa je taj korak vaš ili stručnjakov.
Što utječe na kvalitetu prijevoda govora u tekst?
Kvaliteta se određuje dvaput: kada govor postane tekst i kada tekst promijeni jezik. Neki čimbenici štete obama koracima.
| Čimbenik | Učinak na transkripciju | Učinak na prijevod | Što učiniti |
|---|---|---|---|
| Kvaliteta zvuka (buka, jeka, udaljenost) | Izostavljene ili pogrešno čute riječi | Pogreške prenesene u sve jezike | Snimajte blizu mikrofona; koristite najčišći izvornik |
| Naglasci i dijalekti | Više pogrešaka u regionalnom govoru | Regionalne riječi mogu se prevesti doslovno | Odaberite regionalnu opciju ako postoji |
| Tehnički izrazi | Izrazi zapisani prema zvuku | Pogrešni ili nedosljedni ekvivalenti | Pripremite pojmovnik i ispravite izvornik |
| Jezični par | Ovisi o govornom jeziku | Česti parovi obično su bolji od rijetkih | Predvidite više provjere za rjeđe jezike |
| Vlastita imena | Imena pretvorena u obične riječi | Imena «prevedena» ili promijenjena | Popišite imena, potražite ih i ispravite |
| Promjena jezika | Pogrešno prepoznat jezik usred rečenice | Miješani tekst zbunjuje prevoditelj | Koristite višejezični način; označite svaki jezik |
| Preklapanje govora | Spojeni ili izostavljeni redci | Gubi se smisao govornika | Odvojeni mikrofoni; provjerite oznake kod prekida |
Googleove najbolje prakse za govorne podatke kažu da kodeci s gubitkom poput MP3 i M4A mogu smanjiti točnost te da buka i jeka više štete kad se koristi takav kodek. OpenAI README dodaje da Whisperova izvedba znatno varira po jeziku. To su dobri razlozi za testiranje kratkog uzorka prije velikog skupa.
Popis provjera nakon prijevoda
Prođite popis nakon svakog prijevoda, prije nego što ga vidi netko izvan tima:
- Brojevi. Svaka brojka odgovara zvuku. Pazite na decimalni zarez: «1,5» u mnogim europskim jezicima je 1.5 na engleskom.
- Valuta i jedinice. Zadržite valutu govornika osim ako navedete konverziju; kilometri se ne mijenjaju prešutno u milje.
- Imena i titule. Osobe, tvrtke i mjesta pišu se kako ih sami pišu, ne prevode se.
- Datumi i vrijeme. Redoslijed dana i mjeseca razlikuje se pa 03/04 može značiti 3. travnja ili 4. ožujka. Napišite mjesec riječima kada je važno.
- Citati. Izravni citati provjereni su prema zvuku, ne samo transkriptu.
- Idiomi i humor. Doslovni prijevodi idioma zamijenjeni su prirodnim ekvivalentima ili označeni.
- Kulturni kontekst. Reference koje se ne prenose dobivaju kratku napomenu umjesto prešutne prerade.
- Registar. Formalno i neformalno obraćanje (tú/usted, du/Sie) odgovara odnosu govornika.
- Oznake govornika. Svaki redak i dalje je pripisan pravoj osobi.
- Nejasni dijelovi. Sve nesigurno označeno je s
[unclear]na oba jezika umjesto nagađanja.
Kada trebate profesionalnog prevoditelja?
Koristite kvalificiranog ljudskog prevoditelja kada pogreška može koštati novca, zdravlja, pravnog položaja ili povjerenja. Ovo nije pravni savjet, a zahtjevi se razlikuju po zemlji, sudu i agenciji; provjerite s primateljem dokumenta.
| Situacija | Zašto strojni rezultat nije dovoljan |
|---|---|
| Imigracijski podnesci | Američka pravila (8 CFR 103.2(b)(3)) zahtijevaju da dokumenti na stranom jeziku poslani USCIS-u imaju potpun engleski prijevod koji je ovjerio prevoditelj navodeći da je potpun i točan te da je kompetentan za prijevod |
| Sudski dokazi i iskazi | Sudovi često određuju vlastita pravila o tome tko smije prevoditi ili ovjeriti |
| Ugovori i sporazumi | Jedna pogrešna riječ može promijeniti obvezu |
| Medicinski razgovori i zapisi | Doze, simptomi i pristanak moraju biti točni |
| Objavljeni citati i materijali za medije | Pogrešno citiranje narušava povjerenje i može stvoriti odgovornost |
Za manje rizične poslove poput internih bilješki, istraživačkih nacrta ili razumijevanja videa strojni prijevod uz vlastiti pregled obično je dovoljan.
Koji izvozni format trebate?
Odaberite format za sljedeći korak. whispertranscribe.ai izvozi transkripte u DOCX, PDF, TXT, CSV, SRT i VTT.
| Format | Koristite za |
|---|---|
| DOCX | Prevođenje u Wordu, DeepL-u ili Google Translateu; uređivanje s komentarima |
| TXT | Lijepljenje u prevoditelj ili drugu aplikaciju |
| Fiksnu kopiju odobrenog prijevoda | |
| CSV | Usporedne listove za pregled i kodiranje istraživanja |
| SRT | Zapise titlova za YouTube, videouređivače i reproduktore |
| VTT | Titlove za HTML5 web reproduktore |
Česta pitanja
Koja je razlika između govora u tekst i prijevoda govora u tekst?
Govor u tekst čuva izvorni jezik: španjolski zvuk postaje španjolski tekst. Prijevod završava na drugom jeziku, primjerice engleskim tekstom. Može se obaviti u dva koraka, transkribiranjem pa prevođenjem, ili u jednom modelom koji izravno piše ciljni jezik. Dva koraka lakše je provjeriti jer možete ispraviti izvornik prije prijevoda i poslije ga koristiti za druge jezike.
Može li Whisper prevoditi zvuk na jezike osim engleskog?
Ne. Ugrađena zadaća translate daje samo engleski. Može primiti govor na mnogim jezicima, ali piše engleski tekst. Za drugi ciljni jezik transkribirajte izvorni govor pa tekst prevedite prevoditeljem. OpenAI README navodi i da zadani turbo nije treniran za prijevod i vraća izvorni jezik čak i kada tražite prijevod. Koristite medium ili large.
Je li bolje prvo transkribirati pa prevesti?
Obično da, kada će se rezultat objaviti, citirati ili prevesti na više jezika. Prva transkripcija daje izvornik koji možete ispraviti pa se pogrešno čuto ime ili broj popravljaju jednom, ne u svakom prijevodu. Izravni govor u engleski brži je i dobar za razumijevanje snimke. Za titlove na više jezika ispravljeni izvorni SRT ili VTT najpraktičnije je polazište.
Koliko je prijevod govora u tekst točan?
Ovisi o zvuku, jezičnom paru i temi te ne postoji jedna brojka za sve. Transkripcija čistog zvuka može biti vrlo točna. whispertranscribe.ai doseže do 99% na čistom zvuku, a buka i naglasci to smanjuju. Prijevod dodaje vlastite pogreške, osobito kod idioma, imena i tehničkih izraza. Česti jezični parovi uglavnom su bolji od rijetkih. Provjerite brojeve, imena i citate te zatražite dvojezični pregled za važno.
Mogu li prevesti titlove i zadržati vremenske oznake?
Da. Prevedite samo tekst svakog segmenta i ne mijenjajte brojeve ni kodove. Možete to ručno, lijepljenjem u prevoditelj i natrag, ili alatom koji prihvaća datoteke titlova. DeepL navodi SRT i VTT u planovima Pro Individual, Pro Team, Pro Business i API. Google Translate za dokumente ne navodi formate titlova. Nakon prijevoda provjerite mogu li se dugi retci pročitati dok su prikazani.
Mogu li koristiti strojni prijevod za pravne ili medicinske snimke?
Možete za prvi uvid, ali ne kao konačnu verziju. Pravni, medicinski, ugovorni i imigracijski materijal često treba kvalificiranog ljudskog prevoditelja, a neke agencije zahtijevaju ovjeren prijevod. Američka imigracijska pravila, primjerice, zahtijevaju potvrdu prevoditelja da je engleski prijevod potpun i točan. Zahtjevi se razlikuju po zemlji i instituciji; provjerite s primateljem. Ovo su opće informacije, ne pravni savjet.
Spremni za početak? Učitajte snimku na prevođenje zvuka na engleski ili je prvo transkribirajte na izvornom jeziku za titlove i druge ciljne jezike. Možete probati besplatno bez računa. Plaćeni planovi počinju od $9.99 mjesečno uz godišnju naplatu; pogledajte cijene. whispertranscribe.ai ne nudi API, ljudsku transkripciju ni bota za sastanke.
Izvori
- Radford i suradnici, OpenAI: Robusno prepoznavanje govora uz slabi nadzor velikog opsega (odjeljci 1, 2.1 i 3.5, tablica 4)
- OpenAI: Whisper na GitHubu (README, upotreba naredbenog retka)
- Google Translate pomoć: Prevođenje dokumenata i web-stranica
- DeepL Help Center: Formati datoteka
- Google Cloud: Najbolje prakse za pružanje podataka API-ju Speech-to-Text
- eCFR: 8 CFR 103.2, podnošenje i odlučivanje o zahtjevima za povlastice
