Uredništvo whispertranscribe.ai · Nazadnje posodobljeno: november 2026 · 12 minut branja
Za prepis MP3 v besedilo datoteko vstavite v AI-orodje za prepis, izberite govorjeni jezik in rezultat izvozite kot DOCX, TXT ali SRT. Uporabite lahko tudi funkcijo Transcribe v Microsoft Wordu, besedilo natipkate sami ali na svojem računalniku zaženete brezplačni model Whisper podjetja OpenAI. Ne glede na izbiro kakovost MP3 določa zgornjo mejo rezultata.
Spodaj so vse štiri metode po korakih, razlaga bitne in vzorčne frekvence, kontrolni seznam zvoka, nasveti za dolge datoteke in več govorcev ter tristopenjski pregled prepisa.
Kratek odgovor: kako prepisati MP3 v besedilo
Za večino je najhitrejše spletno orodje: sprejme MP3, označi govorce in vrne datoteko za urejanje. Word uporabite, če že plačujete Microsoft 365, kratke posnetke natipkajte ročno, Whisper pa zaženite lokalno, kadar zvok ne sme zapustiti računalnika.
- Preverite datoteko. Predvajajte 30 sekund in preverite, ali so glasovi jasni.
- Naložite in nastavite možnosti. Izberite govorjeni jezik in pri več govorcih vključite zaznavanje govorcev.
- Preglejte in izvozite. Popravite imena in številke, nato prenesite DOCX ali TXT za dokumente, SRT ali VTT za podnapise.
Katero metodo uporabiti?
Izbirajte glede na količino zvoka, potrebo po oznakah govorcev in dovoljeni cilj zvoka. Podatki Microsofta so bili preverjeni novembra 2026.
| Metoda | Cena | Oznake govorcev | Kam gre zvok | Najprimernejše za |
|---|---|---|---|---|
| 1. Spletno orodje za prepis | Številna ponujajo brezplačen začetek, za večji obseg plačljive pakete | Da, pri večini | Strežniki ponudnika | Intervjuji, podcasti, predavanja, redno delo |
| 2. Microsoft Word Transcribe | V Microsoft 365, do 300 naloženih minut na mesec | Da (Speaker 1, Speaker 2) | Microsoftovi strežniki, datoteka v OneDrive | Občasne datoteke, če že uporabljate Word |
| 3. Ročni prepis | Brezplačno, vendar zahteva ure dela | Dodate jih sami | Ostane v napravi | Kratki posnetki in natančni citati |
| 4. Whisper v računalniku | Brezplačen, odprtokoden | Uradno orodje jih nima | Ostane v napravi | Zasebni zvok, tehnične uporabnike, pakete datotek |
Pred začetkom: preverite MP3 v 60 sekundah
MP3 je izgubni format. Opis formata Library of Congress pojasnjuje, da zavrže zvoke, ki jih ljudje manj verjetno slišijo, MP3 s 128 kbit/s pa ima približno enajstino velikosti zvoka kakovosti CD. Izgubljenih podrobnosti ni mogoče obnoviti, zato spoznajte datoteko.
V Windows odprite Properties → Details, na Macu Get Info. Če je nameščen FFmpeg, ta ukaz izpiše kodek, vzorčno frekvenco, kanale, bitno hitrost in trajanje:
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
To je primer za FFmpeg 7.1, ki ga ob tem pregledu nismo zagnali; lahko izpiše vrstice, kot sta sample_rate=44100 in bit_rate=128000. Kako jih razumeti:
| Vrednost | Kaj pove | Pomen za prepis |
|---|---|---|
| bit_rate | Koliko podatkov na sekundo je ostalo po stiskanju | Zelo nizka bitna hitrost pusti manj podrobnosti, ki jih ni mogoče dodati nazaj |
| sample_rate | Kolikokrat na sekundo je bil zvok izmerjen | Google za prepoznavanje govora priporoča 16.000 Hz ali več |
| channels | Mono (1) ali stereo (2) | Stereo je v redu; Whisper ob nalaganju zvok združi v mono |
| duration | Dolžina posnetka | Pokaže, ali boste dosegli omejitev dolžine ali minut orodja |
Ali bitna hitrost MP3 vpliva na natančnost prepisa?
Lahko. Priporočila Google Cloud za prepoznavanje govora pravijo, da izgubni kodeki, tudi MP3, lahko zmanjšajo natančnost in da hrup ter odmev bolj škodujeta v kombinaciji z izgubnim kodekom. Objavljenega praga bitne hitrosti ni, zato jo obravnavajte kot enega od dejavnikov. Jasen glas blizu mikrofona je pomembnejši od visoke bitne hitrosti.
Praktično pravilo: prepišite najboljšo različico, ki jo imate. Če obstaja izvirni WAV ali FLAC, uporabite njega. Ponovno kodiranje 96 kbps v 320 kbps ali shranjevanje kot WAV datoteko poveča, ne da bi povrnilo podrobnosti.
Kakšno vzorčno frekvenco potrebuje prepoznavanje govora?
Za prepoznavanje govora običajno zadostuje 16 kHz. Odprtokodna koda Whisper podjetja OpenAI vsako datoteko naloži prek FFmpeg, pretvori v mono in prevzorči na 16.000 Hz, preden jo obdela model (whisper/audio.py na GitHubu). Tudi Googlov vodnik odsvetuje lastno prevzorčenje. Telefonski posnetek z 8.000 Hz pošljite tak, kot je, brez zviševanja frekvence.
Običajnih 44.1 kHz ali 48 kHz v MP3 je več kot dovolj. Pred nalaganjem frekvence ne pretvarjajte.
Kontrolni seznam kakovosti zvoka
Pred pomembnim delom:
- Poslušajte začetek in srednji del. Je jezik pravilen in se vse sliši?
- Preverite glasnost.
ffmpeg -i interview.mp3 -af volumedetect -f null -izpiše povprečno in največjo glasnost. Največja vrednost blizu 0 dB lahko pomeni clipping, popačene vrhove pa je težko obnoviti. - Izogibajte se močnemu odstranjevanju šuma. Googlov vodnik pravi, da odstranjevanje šuma pred prepoznavanjem običajno zmanjša natančnost.
- Naredite seznam imen, kratic in žargona za poznejši pregled.
- Izvirno datoteko obdržite do dokončnega prepisa.
Metoda 1: Naložite MP3 v spletno orodje za prepis
Spletna orodja najhitreje pretvorijo dolg MP3 v besedilo za urejanje: model deluje na strežnikih ponudnika in ničesar ni treba namestiti. Spodnji koraki uporabljajo whispertranscribe.ai. whispertranscribe.ai je spletno AI-orodje, ki zvok in video pretvori v besedilo v 130+ jezikih, podpira uploade do 5GB in 10 ur ter uporablja OpenAIjev model Whisper. Druga orodja delujejo podobno, z drugačnimi meniji.
Korak 1: Odprite stran za prepis MP3 in izberite jezik
Pojdite na stran za prepis MP3 v besedilo in pod Step 1 izberite govorjeni jezik. Na voljo je 130+ jezikov, regionalne različice, kot je English (India), in možnosti Noise / Low-Quality Audio/Video za slabše posnetke.
Korak 2: Naložite MP3
Pod Step 2 datoteko povlecite in spustite ali jo poiščite. Datoteke so lahko velike do 5GB, paketi pa podpirajo posnetke do 10 ur. Delujejo tudi WAV, M4A, FLAC, MP4 in MOV.
Korak 3: Po potrebi vključite Speaker Detection
Za intervjuje, sestanke in podcaste vključite Enable Speaker Detection, da je vsaka izjava označena.
Korak 4: Začnite prepis
Kliknite Transcribe MP3 to text. Pri čistem zvoku natančnost doseže do 99 %. Hrup, močni naglasi in prekrivanje govora jo zmanjšajo, zato načrtujte pregled.
Korak 5: Izvozite prepis
Prenesite DOCX, PDF, TXT ali CSV za dokumente in analizo oziroma SRT in VTT za časovno označene podnapise. Če so podnapisi cilj že od začetka, MP3 to SRT converter ustvari datoteko podnapisov neposredno.
Pred izbiro paketa lahko preskusite brezplačno brez računa. Plačljivi paketi se začnejo pri $9.99/mesec ob letnem obračunu; glejte cenik. Velik video lahko najprej zmanjšate s pretvornikom zvoka in videa v MP3, MP3 v Google Drive ali Dropboxu pa neposredno uporabite v Transcribe from URL.
Dobro je vedeti: spletna orodja zvok naložijo na strežnike ponudnika. Pri zaupnih posnetkih najprej preberite pravilnik o zasebnosti ali uporabite metodo 3 oziroma 4.
Metoda 2: Uporabite Transcribe v Microsoft Wordu
Z Microsoft 365 lahko Word sam prepiše MP3. Po Microsoft Support (preverjeno novembra 2026) Transcribe sprejema .mp3, .wav, .m4a in .mp4 ter loči govorce.
- Prijavite se v Microsoft 365 in odprite dokument v Wordu za splet (novi Microsoft Edge ali Chrome) ali Wordu za Microsoft 365 v Windows.
- Pojdite na Home → Dictate (spustni meni) → Transcribe.
- Na plošči Transcribe izberite Upload audio in svoj MP3.
- Ploščo pustite odprto; Microsoft pravi, da lahko obdelava traja približno toliko kot datoteka.
- Preglejte: kateri koli del predvajajte do 2x hitrosti, uredite besedilo in povsod hkrati preimenujte »Speaker 1«.
- Izberite Add all to document, da vstavite prepis, nato shranite kot DOCX.
Omejitve: Uporabniki Microsoft 365 imajo do 300 minut naloženega zvoka na mesec. Vsak dokument vsebuje en prepis, uploadi pa se shranijo v mapo Transcribed Files v OneDrive. Microsoft pravi, da je namizna različica Windows trenutno omejena na komercialne organizacije. Stran pomoči ne navaja izvoza SRT ali VTT, zato je Word primernejši za dokumente kot podnapise.
Metoda 3: MP3 prepišite ročno
Lastno tipkanje je brezplačno in zvok ostane v napravi, vendar je počasno. Uporabite ga za kratke posnetke, dobesedne citate ali dele, ki jih je stroj napačno prepisal.
- Odprite MP3 v predvajalniku, ki lahko upočasni in se z bližnjico vrne nazaj, poleg pa odprite prazen dokument.
- Predvajanje nastavite na približno 0.75x in delajte v kratkih delih: predvajajte frazo, ustavite, natipkajte in po potrebi prevrtite nazaj.
- Ob vsaki menjavi označite govorca, na primer
INTERVIEWER:inMARIA:. Smernice W3C za prepise navajajo, da lahko prepis podcasta sestavljajo preprosti odstavki z označenimi govorci. - Neslišno označite s časovno oznako, na primer
[inaudible 00:14:32], da se lahko vrnete. - Na koncu poslušajte z običajno hitrostjo in hkrati berite, da ujamete napačne enakozvočnice.
Lahko pa orodje ustvari osnutek in ta postopek uporabite samo tam, kjer je pomemben.
Metoda 4: Zaženite Whisper v svojem računalniku
Whisper je odprtokodni model OpenAI za prepoznavanje govora, ki je bil po raziskovalnem članku OpenAI učen na 680.000 urah večjezičnega zvoka. Lokalni zagon je brezplačen in nič se ne naloži. Slabost je nastavitev: potrebujete Python, FFmpeg in potrpljenje pri počasnejših računalnikih.
Namestite ga po uradnem repozitoriju:
pip install -U openai-whisper
FFmpeg mora biti prav tako nameščen in v PATH. Nato zaženite prepis:
whisper interview.mp3 --model turbo --language English --output_format srt
Za navadno besedilo uporabite --output_format txt, ali izpustite zastavico in hkrati ustvarite TXT, VTT, SRT, TSV in JSON. Pri CPU dodajte --fp16 False, da se izognete opozorilu. Ukazi so primeri; openai-whisper 20250625 in modela tiny pri tem pregledu nismo zagnali.
| Model | Parametri | Približni VRAM (po OpenAI) | Hitrost glede na large (po OpenAI) |
|---|---|---|---|
| tiny | 39 M | približno 1 GB | približno 10x |
| small | 244 M | približno 2 GB | približno 4x |
| medium | 769 M | približno 5 GB | približno 2x |
| turbo (privzeto) | 809 M | približno 6 GB | približno 8x |
| large | 1550 M | približno 10 GB | 1x |
OpenAI opisuje turbo kot optimizirani large-v3 z minimalno izgubo natančnosti, vendar ni učen za prevajanje.
Čemu se odpoveste: uradno orodje nima označevanja govorcev, urejevalnika ali izvoza DOCX in PDF, OpenAI pa opozarja na velike razlike med jeziki. Nekatere vrzeli zapolnjujejo projekti skupnosti, vsak s svojo nastavitvijo.
Kako obravnavati dolge MP3, več govorcev in druge jezike
Dolgi posnetki
Pred uploadom preverite omejitev. Paketi whispertranscribe.ai podpirajo do 10 ur in 5GB; Wordova mesečna kvota je skupaj pet ur. Za orodje s krajšo omejitvijo lahko FFmpeg razdeli MP3 na enourne dele brez ponovnega kodiranja:
ffmpeg -i lecture.mp3 -f segment -segment_time 3600 -c copy lecture_part_%03d.mp3
Rez lahko pade sredi stavka, zato ob združevanju besedila preverite stike. Za pouk in predavanja glejte prepis predavanj.
Več govorcev
Vključite zaznavanje govorcev in pred deljenjem preimenujte splošne oznake. Oznake se pogosteje zmotijo, ko se ljudje prekinjajo ali zvenijo podobno, zato pri vsakem preverite nekaj izjav. Naslednjič naj ima vsak svoj mikrofon.
Drugi jeziki in naglasi
Jezik izberite namesto samodejnega zaznavanja, zlasti če se datoteka začne z glasbo. whispertranscribe.ai ponuja Multilingual Mix za posnetke, ki preklapljajo med angleščino, španščino, francoščino, nemščino, hindijščino, ruščino, portugalščino, japonščino, italijanščino in nizozemščino. Če iz neangleškega MP3 potrebujete angleško besedilo, uporabite prevod zvoka v angleščino namesto ločenega prepisa in prevoda.
Kako pregledati prepis MP3: postopek v 3 fazah
AI-osnutki se motijo na predvidljivih mestih, zato je le redko treba znova poslušati celotno datoteko.
Faza 1: Iščite, ne poslušajte. Z iskanjem in zamenjavo ter seznamom imen in izrazov hkrati popravite vse napačne zapise.
Faza 2: Poslušajte kritična mesta. Skočite na ta mesta in jih primerjajte z zvokom:
| Mesto | Kaj gre običajno narobe | Kako preveriti |
|---|---|---|
| Številke in datumi | Zamenjava podobnih števil, manjkajoče decimalke | Znova predvajajte vsako številko, ki jo boste citirali |
| Imena in znamke | Fonetičen zapis | Primerjajte s seznamom izrazov |
| Prekrivanje govora | Dva stavka združena ali eden izpuščen | Poslušajte pri običajni in nato nižji hitrosti |
| Menjava govorca | Vrstica pripisana napačni osebi | Preverite prvo vrstico po vsaki menjavi |
| Tihi ali oddaljeni glasovi | Manjkajoče besede | Za ta del povečajte glasnost |
| Prve in zadnje minute | Klepet, glasba, napačna domneva jezika | Po potrebi izbrišite ali popravite |
Faza 3: Berite kot dokument. Preberite enkrat brez zvoka; kar ni smiselno, znova poslušajte. Česar še vedno ne slišite, označite z [unclear] namesto ugibanja.
Kateri format izvoza potrebujete?
Izberite glede na nadaljnjo uporabo: dokumenti potrebujejo DOCX ali TXT, besedilo prek videa pa SRT ali VTT.
| Format | Uporaba |
|---|---|
| DOCX | Urejanje, poročila, članki, show notes |
| Fiksna kopija za deljenje ali arhiv | |
| TXT | Vstavljanje v druge aplikacije ali AI-povzetke |
| CSV | Preglednice in raziskovalna analiza |
| SRT | Podnapisi za YouTube, video urejevalnike in predvajalnike |
| VTT | Podnapisi za spletne predvajalnike HTML5 |
Za glasovne beležke v telefonu stran prepis glasovnih beležk opisuje iste možnosti izvoza.
Pogosta vprašanja
Ali lahko MP3 prepišem v besedilo brezplačno?
Da. Lastno tipkanje je vedno brezplačno, zagon odprtokodnega Whisper podjetja OpenAI v lastnem računalniku pa ne stane nič razen časa nastavitve in strojne opreme. Številna spletna orodja ponujajo brezplačen začetek. whispertranscribe.ai ponuja brezplačno možnost brez računa, uporabno za preverjanje rezultata. Brezplačne možnosti običajno omejujejo dolžino ali funkcije, zato pri rednem delu primerjajte plačljive pakete; whispertranscribe.ai se začne pri $9.99/mesec ob letnem obračunu.
Koliko časa traja prepis datoteke MP3?
Z AI-orodjem običajno precej manj kot trajanje zvoka, odvisno od datoteke in storitve. Microsoft pravi, da lahko Word Transcribe traja približno dolžino datoteke. Lokalni Whisper je odvisen od strojne opreme in modela; manjši modeli delujejo hitreje, vendar naredijo več napak. Ročno tipkanje traja večkratnik dolžine zvoka, zato večina ročno prepisuje le kratke posnetke.
Ali pretvorba MP3 v WAV izboljša natančnost prepisa?
Ne. Shranjevanje MP3 kot WAV ali ponovno kodiranje z višjo bitno hitrostjo datoteko poveča, ne more pa vrniti podrobnosti, odstranjenih pri ustvarjanju MP3. MP3 je izgubni format. Če izvirni WAV ali FLAC še obstaja, prepišite njega. Sicer naložite MP3 tak, kot je. Govorni pogoni, kot je Whisper, zvok interno prevzorčijo na 16 kHz mono, zato lastna sprememba frekvence ne pomaga.
Kako prepišem MP3 z več govorci?
Uporabite orodje z zaznavanjem govorcev in ga pred začetkom vključite. Prepis vsako izjavo označi s številko, kot je Speaker 1, ki jo pozneje preimenujete. Microsoft Word Transcribe in whispertranscribe.ai oba označujeta govorce; uradno ukazno orodje Whisper jih ne. Preverite oznake tam, kjer se ljudje prekinjajo, saj se tam najpogosteje zamenjajo.
Ali lahko MP3 pretvorim v Wordov dokument?
Da. Najhitreje je MP3 prepisati s spletnim orodjem in izvoziti DOCX, ki se neposredno odpre v Wordu ali Google Docs. Z Microsoft 365 lahko MP3 naložite tudi v Wordu prek Home, Dictate, Transcribe, Upload audio in nato izberete Add all to document. Naročnina vključuje do 300 minut naloženega zvoka na mesec.
Ali lahko iz MP3 ustvarim podnapise namesto prepisa?
Da. Prepis izvozite kot SRT ali VTT namesto DOCX ali TXT. Oba formata ohranita čas vsake vrstice, tako da predvajalnik ali urejevalnik prikaže besedilo ob pravem trenutku. V whispertranscribe.ai lahko po prepisu izvozite SRT ali VTT oziroma uporabite MP3 to SRT converter. Tudi ukazno orodje Whisper lahko z možnostjo izhodnega formata zapiše SRT in VTT.
Ste pripravljeni preskusiti? Datoteko naložite v MP3 to text converter whispertranscribe.ai ali uporabite brezplačni pretvornik zvoka v besedilo za druge formate. Oba delujeta v 130+ jezikih z oznakami govorcev in izvozom DOCX, PDF, TXT, CSV, SRT in VTT.
Viri
- 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 GitHubu (README in
whisper/audio.py) - Radford et al., OpenAI: Robust Speech Recognition via Large-Scale Weak Supervision
- W3C Web Accessibility Initiative: Transcripts
