Najczęstszy format nagrań i najwygodniejszy do transkrypcji — mieści dużo materiału w małym pliku.
Plik MP3 zamienisz na tekst, przesyłając go bez zakładania konta i czytając darmowy podgląd transkryptu. O rozmiarze decyduje przepływność, więc w limicie 5 GB mieści się orientacyjnie od 37 godzin nagrania przy 320 kbps do ponad 370 godzin przy 32 kbps. Wynik dostajesz ze znacznikami czasu i oznaczeniem mówców.
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.
Limit przesyłania to 5 GB i jest jednakowy dla wszystkich — anonimowo, w teście i w planach płatnych. Przy MP3 to praktycznie nigdy nie jest przeszkoda, bo o rozmiarze decyduje przepływność, a nie długość.
Poniższe wartości są orientacyjne. MP3 bywa kodowany ze zmienną przepływnością, gdzie ustawiona wartość jest średnią, a nie stałą; dodatkowe bajty dokładają też tagi i okładka.
| Bitrate | Typowe źródło | Na godzinę | Zmieści się w 5 GB |
|---|---|---|---|
| 32 kbps | dyktafon, tryb mowy | 14 MB | ok. 370 h |
| 64 kbps | nagrania mono, podcast mowy | 29 MB | ok. 186 h |
| 128 kbps | domyślny eksport, stereo | 58 MB | ok. 93 h |
| 192 kbps | podcast muzyczny | 86 MB | ok. 62 h |
| 320 kbps | maksymalna jakość MP3 | 144 MB | ok. 37 h |
Przewiń tabelę w bok, aby zobaczyć pozostałe kolumny.
Nie znasz bitrate'u swojego pliku? Podziel rozmiar w megabajtach przez długość w godzinach i porównaj z kolumną „na godzinę”. Godzina nagrania z dyktafonu to zwykle 30–60 MB.
Przy typowych ustawieniach — praktycznie nie. Model rozpoznaje fonemy, a nie wierność brzmienia instrumentów, a to, co MP3 usuwa jako pierwsze, leży poza pasmem mowy. Różnica między 128 a 320 kbps nie przekłada się na dokładność. Bardzo niska przepływność i mocna kompresja to jednak inna sprawa: artefakty potrafią zjeść końcówki wyrazów, zwłaszcza w hałasie.
Dlatego nie ma sensu rekompresować pliku „w górę” przed przesłaniem: z MP3 128 kbps nie odzyska się informacji, której tam nie ma, a plik urośnie. Sensowne jest coś odwrotnego — jeśli masz WAV-a, konwersja do MP3 128 kbps skróci wysyłanie bez straty dokładności.
Obsługujemy też M4A, WAV, AAC, OGG, Opus, FLAC i WMA, a z wideo MP4, MOV, MKV i AVI, więc konwersja do MP3 „na wszelki wypadek” zwykle nie jest potrzebna — poza sytuacją, gdy chcesz zmniejszyć plik przed wysłaniem.
Ograniczeniem jest rozmiar, nie długość: 5 GB. Przy typowym MP3 128 kbps to około 93 godziny nagrania, przy 320 kbps około 37 godzin. Praktycznie żadne pojedyncze nagranie tego nie przekracza.
Przy typowych ustawieniach różnica jest pomijalna, a znacznie większy wpływ mają warunki nagrania — odległość mikrofonu, nakładające się głosy i pogłos. Przy bardzo niskiej przepływności artefakty kompresji potrafią już jednak obniżyć dokładność.
Nie. Poza MP3 obsługujemy M4A, WAV, AAC, OGG, Opus, FLAC, AIFF, WMA i AMR, a także pliki wideo — MP4, MOV, MKV, AVI, WMV i WebM. Konwersja ma sens tylko wtedy, gdy chcesz zmniejszyć duży plik WAV przed wysłaniem — 128 kbps w zupełności wystarczy.
Tak, każdy fragment ma znacznik czasu i oznaczenie mówcy, więc możesz wrócić do konkretnego miejsca w nagraniu. Eksport do SRT — przydatny przy napisach — jest dostępny w planach płatnych.
