Redakčný tím whispertranscribe.ai · Posledná aktualizácia: november 2026 · 12 minút čítania
Ak chcete prepísať MP3 na text, vložte súbor do AI prepisovacieho nástroja, vyberte hovorený jazyk a exportujte výsledok ako DOCX, TXT alebo SRT. Môžete tiež použiť funkciu Transcribe v Microsoft Worde, text napísať ručne alebo spustiť bezplatný model Whisper od OpenAI na vlastnom počítači. Nech vyberiete čokoľvek, kvalita MP3 určuje hornú hranicu výsledku.
Nižšie nájdete všetky štyri metódy krok za krokom, vysvetlenie bitovej a vzorkovacej frekvencie, kontrolný zoznam zvuku, tipy pre dlhé súbory a viacerých hovoriacich a trojfázovú kontrolu prepisu.
Stručná odpoveď: ako prepísať MP3 na text
Pre väčšinu ľudí je najrýchlejší online nástroj: prijme MP3, označí hovoriacich a vráti upraviteľný súbor. Word použite, ak už platíte Microsoft 365, krátke úryvky napíšte ručne a Whisper spustite lokálne, ak zvuk nemôže opustiť počítač.
- Skontrolujte súbor. Prehrajte 30 sekúnd a overte, či sú hlasy zrozumiteľné.
- Nahrajte ho a nastavte možnosti. Vyberte hovorený jazyk a pri viacerých ľuďoch zapnite rozpoznávanie hovoriacich.
- Skontrolujte a exportujte. Opravte mená a čísla a stiahnite DOCX alebo TXT pre dokumenty, SRT alebo VTT pre titulky.
Ktorú metódu použiť?
Vyberajte podľa množstva zvuku, potreby označiť hovoriacich a miesta, kam zvuk smie putovať. Údaje Microsoftu boli skontrolované v novembri 2026.
| Metóda | Cena | Označenie hovoriacich | Kam putuje zvuk | Najvhodnejšie pre |
|---|---|---|---|---|
| 1. Online nástroj na prepis | Mnohé začínajú zadarmo, vyšší objem vyžaduje platený plán | Áno, pri väčšine | Servery poskytovateľa | Rozhovory, podcasty, prednášky, pravidelnú prácu |
| 2. Microsoft Word Transcribe | Súčasť Microsoft 365, do 300 nahraných minút mesačne | Áno (Speaker 1, Speaker 2) | Servery Microsoftu, súbor zostáva vo OneDrive | Príležitostné súbory, ak už používate Word |
| 3. Ručný prepis | Zadarmo, ale stojí hodiny práce | Pridáte ich sami | Zostáva v zariadení | Krátke úryvky a citáty vyžadujúce presnosť |
| 4. Whisper vo vašom počítači | Bezplatný, open source | V oficiálnom nástroji nie | Zostáva v zariadení | Súkromný zvuk, technických používateľov, dávky |
Pred začiatkom: skontrolujte MP3 za 60 sekúnd
MP3 je stratový formát. Opis formátu od Library of Congress vysvetľuje, že odstraňuje zvuky, ktoré ľudia menej pravdepodobne počujú, a MP3 s 128 kbit/s má asi jedenástinu veľkosti zvuku v CD kvalite. Stratené detaily nemožno obnoviť, preto spoznajte svoj súbor.
Vo Windows otvorte Properties → Details, na Macu Get Info. Ak je nainštalovaný FFmpeg, tento príkaz vypíše kodek, vzorkovaciu frekvenciu, kanály, bitovú rýchlosť a trvanie:
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
Ide o príklad pre FFmpeg 7.1, ktorý sme pri tejto kontrole nespustili; môže vypísať riadky ako sample_rate=44100 a bit_rate=128000. Ako ich čítať:
| Hodnota | Čo hovorí | Význam pre prepis |
|---|---|---|
| bit_rate | Koľko dát za sekundu zostalo po kompresii | Veľmi nízka bitová rýchlosť ponecháva menej detailov, ktoré nemožno doplniť |
| sample_rate | Koľkokrát za sekundu sa meral zvuk | Google pre rozpoznávanie reči odporúča 16 000 Hz alebo viac |
| channels | Mono (1) alebo stereo (2) | Stereo je v poriadku; Whisper pri načítaní zmieša zvuk na mono |
| duration | Dĺžka nahrávky | Ukáže, či narazíte na limit dĺžky alebo minút nástroja |
Ovplyvňuje bitová rýchlosť MP3 presnosť prepisu?
Môže. Odporúčania Google Cloud pre rozpoznávanie reči uvádzajú, že stratové kodeky vrátane MP3 môžu znížiť presnosť a že hluk a ozvena škodia viac v kombinácii so stratovým kodekom. Nebol publikovaný konkrétny prah bitovej rýchlosti, preto ju berte ako jeden z viacerých faktorov. Zrozumiteľný hlas blízko mikrofónu je dôležitejší než vysoká bitová rýchlosť.
Praktické pravidlo: prepíšte najlepšiu dostupnú verziu. Ak máte originál WAV alebo FLAC, použite ho. Opätovné zakódovanie súboru 96 kbps na 320 kbps alebo uloženie ako WAV ho zväčší, no nič neobnoví.
Akú vzorkovaciu frekvenciu potrebuje rozpoznávanie reči?
Pre rozpoznávanie reči zvyčajne stačí 16 kHz. Open-source kód Whisper od OpenAI načíta každý súbor cez FFmpeg, prevedie ho na mono a prevzorkuje na 16 000 Hz ešte pred modelom (whisper/audio.py na GitHube). Sprievodca Google tiež neodporúča vlastné prevzorkovanie. Telefonickú nahrávku s 8 000 Hz pošlite v pôvodnej podobe, bez zvyšovania frekvencie.
Bežných 44.1 kHz alebo 48 kHz v MP3 je viac než dosť. Pred nahratím frekvenciu nemeňte.
Kontrolný zoznam kvality zvuku
Pred dôležitou prácou:
- Vypočujte si začiatok a časť uprostred. Je jazyk správny a počuť každého?
- Skontrolujte hlasitosť.
ffmpeg -i interview.mp3 -af volumedetect -f null -vypíše priemernú a maximálnu hlasitosť. Maximum blízko 0 dB môže znamenať clipping a skreslené špičky sa ťažko obnovujú. - Vynechajte silné odšumovanie. Podľa Google spracovanie na redukciu šumu pred rozpoznávaním zvyčajne znižuje presnosť.
- Spíšte mená, skratky a odborné výrazy pre neskoršiu kontrolu.
- Ponechajte originál až do dokončenia prepisu.
Metóda 1: Nahrajte MP3 do online nástroja na prepis
Online nástroje predstavujú najrýchlejší spôsob, ako z dlhého MP3 získať upraviteľný text: model beží na serveroch poskytovateľa a netreba nič inštalovať. Nasledujúce kroky používajú whispertranscribe.ai. whispertranscribe.ai je webový AI nástroj, ktorý prevádza zvuk a video na text v 130+ jazykoch, podporuje uploady do 5GB a 10 hodín a využíva model Whisper od OpenAI. Iné nástroje fungujú podobne, ale majú odlišné menu.
Krok 1: Otvorte stránku prepisu MP3 a vyberte jazyk
Prejdite na stránku prepisu MP3 na text a pod Step 1 vyberte hovorený jazyk. K dispozícii je 130+ jazykov, regionálne varianty ako English (India) a možnosti Noise / Low-Quality Audio/Video pre nekvalitné nahrávky.
Krok 2: Nahrajte MP3
Pod Step 2 súbor pretiahnite alebo vyhľadajte. Súbory môžu mať až 5GB a plány podporujú nahrávky do 10 hodín. Fungujú aj WAV, M4A, FLAC, MP4 a MOV.
Krok 3: V prípade potreby zapnite Speaker Detection
Pri rozhovoroch, stretnutiach a podcastoch zapnite Enable Speaker Detection, aby bol každý vstup označený.
Krok 4: Spustite prepis
Kliknite na Transcribe MP3 to text. Pri čistom zvuku dosahuje presnosť až 99 %. Hluk v pozadí, výrazné prízvuky a prekrývanie hlasov ju znížia, preto počítajte s kontrolou.
Krok 5: Exportujte prepis
Stiahnite DOCX, PDF, TXT alebo CSV pre dokumenty a analýzu, prípadne SRT a VTT pre časované titulky. Ak sú od začiatku cieľom titulky, MP3 to SRT converter vytvorí priamo súbor titulkov.
Pred výberom plánu ho môžete vyskúšať bezplatne bez účtu. Platené plány začínajú od $9.99/mesiac pri ročnej fakturácii; pozrite cenník. Veľké video možno najprv zmenšiť pomocou prevodníka zvuku a videa na MP3 a MP3 v Google Drive alebo Dropboxe vložiť priamo cez Transcribe from URL.
Dobré vedieť: online nástroje nahrávajú zvuk na servery poskytovateľa. Pri dôverných nahrávkach si najprv prečítajte zásady súkromia alebo použite metódu 3 či 4.
Metóda 2: Použite funkciu Transcribe v Microsoft Worde
S Microsoft 365 dokáže Word prepísať MP3 sám. Podľa Microsoft Support (skontrolované v novembri 2026) Transcribe prijíma .mp3, .wav, .m4a a .mp4 a oddeľuje hovoriacich.
- Prihláste sa do Microsoft 365 a otvorte dokument vo Worde pre web (nový Microsoft Edge alebo Chrome) alebo vo Worde pre Microsoft 365 vo Windows.
- Prejdite na Home → Dictate (rozbaľovacie menu) → Transcribe.
- Na paneli Transcribe vyberte Upload audio a zvoľte MP3.
- Panel nechajte otvorený; podľa Microsoftu môže spracovanie trvať približne tak dlho ako súbor.
- Skontrolujte ho: prehrajte ľubovoľný úsek až 2x rýchlosťou, upravte text a premenujte „Speaker 1“ všade naraz.
- Vyberte Add all to document, vložte prepis na stránku a uložte ako DOCX.
Limity: Používatelia Microsoft 365 majú do 300 minút nahratého zvuku mesačne. Dokument obsahuje jeden prepis a uploady sa ukladajú do priečinka Transcribed Files vo OneDrive. Podľa Microsoftu je desktopová verzia Windows momentálne obmedzená na komerčné organizácie. Stránka pomoci neuvádza export SRT ani VTT, preto sa Word hodí viac na dokumenty než titulky.
Metóda 3: Prepíšte MP3 ručne
Vlastné písanie je bezplatné a zvuk zostáva v zariadení, ale je pomalé. Hodí sa na krátke úryvky, doslovné citáty alebo pasáže, ktoré stroj prepísal nesprávne.
- Otvorte MP3 v prehrávači, ktorý dokáže spomaliť a vrátiť sa klávesovou skratkou; vedľa otvorte prázdny dokument.
- Nastavte prehrávanie asi na 0.75x a pracujte po krátkych úsekoch: prehrajte frázu, zastavte, napíšte a podľa potreby pretočte späť.
- Označte každú zmenu hovoriaceho, napríklad
INTERVIEWER:aMARIA:. Podľa usmernenia W3C o prepisoch môže byť podcastový prepis tvorený jednoduchými odsekmi s označenými hovoriacimi. - Označte nepočuteľné miesto časovou značkou, napríklad
[inaudible 00:14:32], aby ste sa k nemu mohli vrátiť. - Na záver počúvajte normálnou rýchlosťou a súčasne čítajte, aby ste zachytili zamenené rovnako znejúce slová.
Alebo nechajte nástroj vytvoriť návrh a tento postup použite iba tam, kde záleží na presnosti.
Metóda 4: Spustite Whisper na vlastnom počítači
Whisper je open-source model rozpoznávania reči od OpenAI, ktorý bol podľa výskumnej práce OpenAI trénovaný na 680 000 hodinách viacjazyčného zvuku. Lokálne spustenie je bezplatné a nič sa nenahráva. Nevýhodou je príprava: potrebujete Python, FFmpeg a trpezlivosť na pomalších počítačoch.
Nainštalujte ho podľa oficiálneho repozitára:
pip install -U openai-whisper
FFmpeg musí byť tiež nainštalovaný a dostupný v PATH. Potom spustite prepis:
whisper interview.mp3 --model turbo --language English --output_format srt
Pre obyčajný text použite --output_format txt, alebo parameter vynechajte a vytvorte naraz TXT, VTT, SRT, TSV a JSON. Pri CPU pridajte --fp16 False, aby sa nezobrazilo upozornenie. Príkazy sú príkladom; openai-whisper 20250625 ani model tiny sme pri tejto kontrole nespustili.
| Model | Parametre | Približná VRAM (podľa OpenAI) | Rýchlosť oproti large (podľa 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 (predvolený) | 809 M | asi 6 GB | asi 8x |
| large | 1550 M | asi 10 GB | 1x |
OpenAI opisuje turbo ako optimalizovaný large-v3 s minimálnou stratou presnosti, no nie je trénovaný na preklad.
Čoho sa vzdáte: oficiálny nástroj nemá označovanie hovoriacich, editor ani export DOCX či PDF a OpenAI upozorňuje na veľké rozdiely výkonu medzi jazykmi. Niektoré medzery vypĺňajú komunitné projekty, každý s vlastným nastavením.
Ako zvládnuť dlhé MP3, viacerých hovoriacich a iné jazyky
Dlhé nahrávky
Pred nahratím overte limit. Plány whispertranscribe.ai podporujú súbory do 10 hodín a 5GB; mesačný limit Wordu je spolu päť hodín. Pri nástroji s kratším limitom dokáže FFmpeg rozdeliť MP3 na hodinové časti bez opätovného kódovania:
ffmpeg -i lecture.mp3 -f segment -segment_time 3600 -c copy lecture_part_%03d.mp3
Rez môže padnúť do stredu vety, preto pri spájaní textu skontrolujte spoje. Pre vyučovanie a prednášky pozrite prepis prednášok.
Viacerí hovoriaci
Zapnite rozpoznávanie hovoriacich a pred zdieľaním premenujte všeobecné označenia. Pri prerušovaní alebo podobných hlasoch vznikajú chyby častejšie, preto pri každom človeku skontrolujte niekoľko vstupov. Nabudúce dajte každému vlastný mikrofón.
Iné jazyky a prízvuky
Vyberte jazyk namiesto automatického rozpoznávania, najmä ak súbor začína hudbou. whispertranscribe.ai ponúka Multilingual Mix pre nahrávky striedajúce angličtinu, španielčinu, francúzštinu, nemčinu, hindčinu, ruštinu, portugalčinu, japončinu, taliančinu a holandčinu. Ak potrebujete anglický text z neanglického MP3, použite preklad zvuku do angličtiny namiesto samostatného prepisu a prekladu.
Ako skontrolovať prepis MP3: postup v 3 fázach
AI návrhy zlyhávajú na predvídateľných miestach, preto len zriedka musíte znovu počúvať celý súbor.
Fáza 1: Hľadajte, nepočúvajte. Pomocou vyhľadania a nahradenia a zoznamu mien a termínov opravte všetky preklepy naraz.
Fáza 2: Vypočujte si rizikové miesta. Prejdite na tieto úseky a porovnajte ich so zvukom:
| Miesto | Čo sa zvykne pokaziť | Ako kontrolovať |
|---|---|---|
| Čísla a dátumy | Zámena podobných čísloviek, chýbajúce desatinné miesta | Prehrajte každé číslo, ktoré budete citovať |
| Mená a značky | Fonetický pravopis | Porovnajte so zoznamom termínov |
| Prekrývajúca sa reč | Dve vety sa zlúčia alebo jedna vypadne | Počúvajte normálne a potom pomalšie |
| Zmeny hovoriaceho | Riadok pripísaný nesprávnej osobe | Skontrolujte prvý riadok po každej zmene |
| Tiché alebo vzdialené hlasy | Chýbajúce slová | V danom úseku zvýšte hlasitosť |
| Prvé a posledné minúty | Neformálny rozhovor, hudba, nesprávny odhad jazyka | Podľa potreby odstráňte alebo opravte |
Fáza 3: Čítajte ako dokument. Prečítajte ho bez zvuku; čokoľvek nedáva zmysel, znovu si vypočujte. Čo stále nepočujete, označte [unclear] namiesto hádania.
Ktorý formát exportu potrebujete?
Vyberte podľa ďalšieho použitia: dokumenty potrebujú DOCX alebo TXT, text zobrazovaný vo videu SRT alebo VTT.
| Formát | Použitie |
|---|---|
| DOCX | Úpravy, správy, články, show notes |
| Pevná kópia na zdieľanie alebo archiváciu | |
| TXT | Vloženie do iných aplikácií alebo AI zhrnutí |
| CSV | Tabuľky a výskumná analýza |
| SRT | Titulky pre YouTube, video editory a prehrávače |
| VTT | Titulky pre HTML5 webové prehrávače |
Pri hlasových poznámkach z telefónu opisuje rovnaké možnosti exportu stránka prepisu hlasových poznámok.
Časté otázky
Môžem prepísať MP3 na text zadarmo?
Áno. Ručné písanie je vždy bezplatné a spustenie open-source Whisper od OpenAI na vlastnom počítači nestojí nič okrem času na nastavenie a hardvéru. Mnohé online nástroje majú bezplatný začiatok. whispertranscribe.ai ponúka bezplatnú možnosť bez účtu, užitočnú na overenie výsledku. Bezplatné možnosti zvyčajne obmedzujú dĺžku alebo funkcie, preto pri pravidelnej práci porovnajte platené plány; whispertranscribe.ai začína od $9.99/mesiac pri ročnej fakturácii.
Ako dlho trvá prepísať súbor MP3?
S AI nástrojom zvyčajne oveľa menej než samotný zvuk, hoci závisí od súboru a služby. Microsoft uvádza, že Word Transcribe môže trvať približne dĺžku súboru. Lokálny Whisper závisí od hardvéru a modelu; menšie modely sú rýchlejšie, ale chybujú viac. Ručný prepis trvá niekoľkonásobok dĺžky zvuku, preto väčšina ľudí ručne prepisuje iba krátke úryvky.
Zlepší konverzia MP3 na WAV presnosť prepisu?
Nie. Uloženie MP3 ako WAV alebo opätovné zakódovanie s vyššou bitovou rýchlosťou súbor zväčší, ale neobnoví detaily odstránené pri vytvorení MP3. MP3 je stratový formát. Ak ešte existuje originál WAV alebo FLAC, prepíšte ho. Inak nahrajte MP3 v pôvodnej podobe. Rečové nástroje ako Whisper zvuk interne prevzorkujú na 16 kHz mono, takže vlastná zmena frekvencie tiež nepomáha.
Ako prepísať MP3 s viacerými hovoriacimi?
Použite nástroj s rozpoznávaním hovoriacich a zapnite ho pred začiatkom. Prepis potom označí každý vstup číslom, napríklad Speaker 1, a vy ho neskôr premenujete. Microsoft Word Transcribe aj whispertranscribe.ai označujú hovoriacich; oficiálny príkazový nástroj Whisper nie. Skontrolujte označenia tam, kde sa ľudia prerušujú, pretože tam sa najčastejšie zamieňajú.
Môžem previesť MP3 na dokument Word?
Áno. Najrýchlejšie je prepísať MP3 online nástrojom a exportovať DOCX, ktorý sa otvorí priamo vo Worde alebo Google Docs. S Microsoft 365 môžete MP3 nahrať aj vo Worde cez Home, Dictate, Transcribe, Upload audio a potom vybrať Add all to document. Predplatné obsahuje do 300 minút nahratého zvuku mesačne.
Môžem z MP3 vytvoriť titulky namiesto prepisu?
Áno. Exportujte prepis ako SRT alebo VTT namiesto DOCX alebo TXT. Oba formáty uchovávajú časovanie každého riadka, takže prehrávač alebo editor zobrazí text v správnej chvíli. Vo whispertranscribe.ai môžete po prepise exportovať SRT alebo VTT alebo použiť MP3 to SRT converter. Príkazový nástroj Whisper tiež dokáže zapísať SRT a VTT pomocou parametra výstupného formátu.
Ste pripravení vyskúšať to? Nahrajte súbor do MP3 to text converter whispertranscribe.ai alebo použite bezplatný prevodník zvuku na text pre iné formáty. Oba fungujú v 130+ jazykoch s označením hovoriacich a exportom DOCX, PDF, TXT, CSV, SRT a VTT.
Zdroje
- Library of Congress: MP3 (MPEG Layer III Audio Encoding)
- Google Cloud: Best practices to provide data to the Speech-to-Text API
- Microsoft Support: Transcribe your recordings
- OpenAI: Whisper na GitHube (README a
whisper/audio.py) - Radford et al., OpenAI: Robust Speech Recognition via Large-Scale Weak Supervision
- W3C Web Accessibility Initiative: Transcripts
