Ta sama fraza opisuje dwa różne zadania. Zacznij od rozstrzygnięcia, które z nich masz — to oszczędza więcej czasu niż wybór narzędzia.
Zamiana mowy na tekst dzieli się na dwa przypadki. Dyktowanie na żywo, gdy mówisz i słowa pojawiają się od razu — do tego najlepsze są darmowe narzędzia wbudowane w system. Transkrypcja, gdy masz już nagranie i chcesz je przepisać — tym zajmuje się skryba.ai, ze znacznikami czasu i rozpoznaniem 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.
| Sygnał | Dyktowanie na żywo | Transkrypcja nagrania |
|---|---|---|
| Kiedy powstaje tekst | W trakcie mówienia | Po przesłaniu pliku |
| Ile osób mówi | Jedna — Ty | Zwykle kilka |
| Typowe zastosowanie | Notatka, e-mail, wiadomość | Wywiad, spotkanie, wykład, rozprawa |
| Czego potrzebujesz | Narzędzia systemowego, za darmo | Transkrypcji ze znacznikami czasu |
Przewiń tabelę w bok, aby zobaczyć pozostałe kolumny.
skryba.ai tego nie robi i nie ma sensu, żebyś zakładał u nas konto. Dyktowanie masz już opłacone w sprzęcie, który trzymasz w ręku.
Gdzie trafia Twój głos, zależy od narzędzia i nie jest to jednolite: dyktowanie w Windows 11 i w Dokumentach Google działa po stronie serwera, a Apple i Google potrafią rozpoznawać mowę na samym urządzeniu, ale zależnie od modelu i języka. Jeśli nagranie jest poufne, sprawdź to w dokumentacji konkretnego systemu, zanim zaczniesz dyktować.
Wróć tutaj, jeśli okaże się, że jednak masz nagranie do przepisania — na przykład dyktafon z zebrania albo plik od kogoś innego.
To jest przypadek, do którego skryba.ai została zbudowana. Różnica wobec dyktowania jest większa niż moment powstania tekstu: nagranie ma wielu mówców, tło, przerwania i akustykę pomieszczenia, a wynik ma być dokumentem, nie strumieniem słów.
Wybór narzędzia wpływa na wynik mniej niż jakość nagrania. Te same czynniki psują transkrypcję u każdego dostawcy, więc warto je znać przed nagraniem, a nie po.
Nie. skryba.ai przepisuje nagrania, które już masz. Do dyktowania na żywo użyj narzędzia wbudowanego w system — na iPhonie i Androidzie mikrofonu na klawiaturze, na Windowsie skrótu Windows + H, na macOS Dyktowania w ustawieniach.
„Mowa na tekst” to szersze pojęcie, które obejmuje jedno i drugie. Transkrypcja to konkretnie przepisanie istniejącego nagrania, zwykle wielu mówców i ze znacznikami czasu. Dyktowanie to zamiana Twojego głosu na tekst w czasie rzeczywistym.
Tak. Notatki głosowe z iPhone'a to pliki M4A, a wiadomości z komunikatorów zwykle OGG lub WebM — wszystkie te formaty obsługujemy. Prześlij plik bez zakładania konta i zobacz podgląd transkryptu.
Tak, polski jest podstawowym językiem tego narzędzia, obok angielskiego, a język rozpoznawany jest automatycznie. Najlepszym testem jest własne nagranie — darmowy podgląd istnieje właśnie po to.
