Format, w którym komunikatory zapisują wiadomości głosowe — i jeden z najwdzięczniejszych do rozpoznania mowy.
Plik OGG zamienisz na tekst, przesyłając go bez konwersji i bez zakładania konta. OGG jest kontenerem, a Opus jednym z kodeków, które może nieść — i akurat wiadomość głosowa z WhatsAppa czy Telegrama to zwykle jedno w drugim, stąd te same nagrania bywają opisane raz jako .ogg, raz jako .opus. Przyjmujemy oba rozszerzenia tak samo.
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.
OGG to kontener, czyli pudełko na ścieżki dźwiękowe. Opus to kodek, czyli sposób, w jaki dźwięk w środku jest zapisany. Jedno nie jest drugim: w kontenerze OGG równie dobrze może siedzieć Vorbis albo FLAC, a Opus bywa pakowany poza OGG — w WebM albo w goły plik .opus. Wiadomość głosowa z komunikatora jest akurat tym najczęstszym połączeniem, Opusem w OGG, i dlatego to samo nagranie widuje się raz z jedną, raz z drugą końcówką.
Praktycznie nie musisz tego rozstrzygać. Przyjmujemy .ogg, .oga i .opus, a także OGG z Vorbisem albo FLAC-iem — na przykład starsze pliki z gier czy audiobooków — i w każdym przypadku czytamy ścieżkę dźwiękową. Konwersja przed przesłaniem niczego nie poprawi, tylko z dwóch różnych powodów: jeśli w środku siedzi zapis stratny, przekodowanie na MP3 dokłada artefakty do artefaktów, a jeśli bezstratny, MP3 wprowadza je po raz pierwszy.
Wiadomość głosowa jest zwykle najłatwiejszym materiałem, jaki da się podać rozpoznawaniu mowy, i to nie przez format, tylko przez sposób nagrania. Mówi jedna osoba, telefon trzymany jest blisko ust, nikt nikomu nie wchodzi w słowo, a nagranie trwa kilkadziesiąt sekund. To dokładnie odwrotność sali konferencyjnej z mikrofonem na środku stołu.
Opus przy niskiej przepływności radzi sobie z mową wyraźnie lepiej niż starsze kodeki i został pod nią zaprojektowany, więc niski bitrate wiadomości głosowej nie jest tu problemem. Realne kłopoty biorą się skądinąd: z tła — ulicy, samochodu, wiatru — i z mówienia w biegu.
Wiadomości głosowe rzadko przychodzą pojedynczo. Jeśli masz do przepisania całą rozmowę pociętą na kilkanaście nagrań, warto wiedzieć o dwóch rzeczach.
Warto też pamiętać, czyje to słowa. Wiadomość głosową nagrał ktoś inny, a transkrypt jest jej zapisem — przy udostępnianiu obowiązują te same zasady co przy przekazywaniu samego nagrania.
Tak, oba i dodatkowo .oga. OGG to kontener, Opus to jeden z kodeków, które może nieść, a przy wiadomościach głosowych to zwykle właśnie ta para — stąd dwie nazwy na to samo nagranie. Nie konwertuj pliku przed przesłaniem.
Wyeksportuj ją z rozmowy na dysk — zwykle przez „udostępnij” albo „zapisz” — i prześlij plik bez zmian. Nie ma znaczenia, czy telefon zapisał go jako .opus, czy .ogg.
Praktycznie nie. Opus został zaprojektowany pod mowę przy niskiej przepływności i radzi sobie z nią wyraźnie lepiej niż starsze kodeki. Znacznie większy wpływ ma hałas w tle — ulica, samochód, wiatr.
Bez konta obowiązuje 5 nagrań dziennie z jednego adresu. Po założeniu konta i rozpoczęciu testu liczy się już tylko łączny czas nagrań, a nie ich liczba — albo sklej wiadomości w jeden plik przed przesłaniem.
