Najczęściej trafia tu nagranie z Dyktafonu na iPhonie. Nie trzeba go konwertować.
Plik M4A prześlesz bez konwersji — to standardowy kontener AAC, którego używa Dyktafon na iPhonie i iPadzie. Nagranie zamienia się w tekst ze znacznikami czasu i oznaczeniem mówców, a podgląd zobaczysz bez zakładania konta. Godzina notatki głosowej to zwykle 30–60 MB, więc limit 5 GB nie jest tu przeszkodą.
Upuść plik tutaj lub wybierz go z dysku. Najpierw pokażemy Ci początek transkryptu.
skryba.ai transkrybuje na modelu Scribe v2, który w niezależnym indeksie Artificial Analysis myli 2,2% słów — najmniej ze wszystkich mierzonych. Dla porównania Gemini 3.5 Transcribe myli 2,6%, a Whisper large-v3 — 4,1%. To ten sam model, który zapisuje początek transkryptu pokazywany przed płatnością.
| Model | WER |
|---|---|
| skryba.ai (Scribe v2)model, na którym transkrybujemy | 2,2% |
| MAI-Transcribe-1.5Microsoft Azure | 2,4% |
| Gemini 3.5 TranscribeGoogle | 2,6% |
| Universal-3 ProAssemblyAI | 3,1% |
| GPT TranscribeOpenAI | 3,3% |
| Whisper large-v3OpenAI | 4,1% |
| Nova-3Deepgram | 5,2% |
Źródło: Artificial Analysis, indeks AA-WER v2, tryb non-streaming — odczyt 27 sierpnia 2026. Pokazujemy siedem z ponad 40 mierzonych modeli: czołówkę zestawienia i najbardziej rozpoznawalne nazwy. Ranking mierzy przede wszystkim nagrania po angielsku — dla polszczyzny nikt takiego porównania nie publikuje. Dlatego początek każdej transkrypcji pokazujemy, zanim o cokolwiek poprosimy.
M4A to kontener MPEG-4 zawierający sam dźwięk, najczęściej skompresowany kodekiem AAC. Technicznie jest bliźniakiem MP4 bez ścieżki obrazu — dlatego oba rozszerzenia obsługujemy tak samo i oba możesz przesłać bez zmian.
Przy tej samej przepływności AAC brzmi nieco lepiej niż MP3, ale dla transkrypcji nie ma to znaczenia: model rozpoznaje mowę, a nie wierność barwy. Konwersja M4A do MP3 „żeby na pewno zadziałało” tylko pogarsza plik i niczego nie ułatwia.
To jest krok, na którym najczęściej się grzęźnie — samo przesłanie pliku jest trywialne. Najprościej działa udostępnianie z poziomu aplikacji Dyktafon.
Nagrania z iPhone'a bywają zapisywane w trybie skompresowanym albo bezstratnym — ustawienie znajdziesz w Ustawieniach systemu, w sekcji Dyktafon. Oba tryby są obsługiwane; bezstratny daje po prostu wyraźnie większy plik.
Messenger i Signal oddają wiadomości głosowe najczęściej jako M4A albo AAC, więc trafiają tu bez konwersji. WhatsApp i Telegram używają czegoś innego — plik będzie miał rozszerzenie .ogg albo .opus i ma własną stronę, bo rządzi się innymi prawami.
Nie. M4A jest obsługiwany bezpośrednio. Konwersja do MP3 nic nie poprawia — przy tej samej przepływności AAC jest co najmniej równie dobry, a ponowne kodowanie tylko odbiera plikowi jakość.
W Dyktafonie dotknij nagrania, wybierz Udostępnij i zapisz plik w Plikach albo wyślij go na komputer. Potem prześlij go tutaj — to jest plik M4A i nie wymaga żadnej konwersji.
Tym samym kontenerem, tylko M4A zawiera sam dźwięk, a MP4 zwykle też obraz. Oba przesyłasz tutaj bez zmian; z MP4 czytamy po prostu ścieżkę dźwiękową.
Te akurat nie są M4A — WhatsApp i Telegram zapisują dźwięk Opus w kontenerze OGG. Przyjmujemy je bez konwersji tak samo jak M4A; szczegóły zebraliśmy na stronie o transkrypcji OGG.
