Masz nagranie z dyktafonu — podyktowane pismo, wywiad, notatki po wizycie — i potrzebujesz go w formie tekstu. Wyeksportuj plik z dyktafonu, zaimportuj go do Whisper Notes i przetranskrybuj na iPhonie lub Macu modelem działającym na urządzeniu, takim jak wbudowany model Parakeet (Parakeet Ultra od Moondream, dotrenowany na bazie NVIDIA Parakeet V3). Audio nie jest wysyłane, nie ma konta ani opłat za minutę. Na iPhonie kosztuje $7.99, na Macu $14, w obu przypadkach jednorazowo; na Macu 5 000 słów tygodniowo jest za darmo.
Kto wciąż używa dyktafonu — i dlaczego to ma znaczenie
Dyktafon nigdy nie zniknął. Po prostu przeniósł się do zawodów, w których mówienie jest szybsze niż pisanie, a treść jest zbyt wrażliwa, by ją zgubić — albo pozwolić, by wyciekła.
- •Prawnicy dyktują pisma procesowe, notatki ze spotkań i korespondencję między rozprawami. Takie nagrania mogą zawierać nazwiska klientów, strategię procesową i szczegóły objęte tajemnicą, podlegające rygorystycznym zasadom poufności.
- •Lekarze po każdej wizycie dyktują opisy badań i skierowania. Takie nagrania mogą zawierać wrażliwe dane zdrowotne i wymagają ostrożnego obchodzenia się z nimi.
- •Dziennikarze nagrywają wywiady dyktafonem lub telefonem. Ochrona informatora zaczyna się od tego, by nie wysyłać jego głosu do cudzej chmury.
- •Badacze gromadzą godziny wywiadów terenowych i obserwacji, często na podstawie zgód etycznych, które wprost ograniczają, gdzie wolno przetwarzać nagrania.
Dla wszystkich czterech grup wąskie gardło jest to samo: zamiana godzin dyktowania na tekst. Maszynistka, zewnętrzne biuro transkrypcji czy usługa w chmurze wprowadzają do workflow kolejną osobę lub system. Transkrypcja na urządzeniu utrzymuje etap przetwarzania na sprzęcie, który kontrolujesz.
Od nagrania do tekstu w trzech krokach
1. Wyeksportuj plik z dyktafonu
Podłącz dyktafon przez USB (albo skorzystaj z jego aplikacji) i skopiuj nagranie na Maca lub iPhone'a. Większość cyfrowych dyktafonów — Olympus, Philips, Sony, Zoom czy aplikacja Dyktafon w telefonie — zapisuje nagrania jako MP3, WAV lub M4A. Każdy z tych formatów działa od razu; konwersja nie jest potrzebna.
2. Zaimportuj do Whisper Notes
Przeciągnij plik do Whisper Notes na Macu albo udostępnij go do aplikacji na iPhonie. Plik może trwać do 24 godzin i nie ma opłat za minutę. Wideo też: zaimportuj plik MP4 lub MOV, a aplikacja przetranskrybuje ścieżkę dźwiękową.
| Format | Typ | Obsługiwany |
|---|---|---|
| MP3 | Audio — większość cyfrowych dyktafonów | Tak |
| WAV | Audio — rejestratory bez kompresji | Tak |
| M4A | Audio — Dyktafon na iPhonie | Tak |
| MP4 | Wideo — transkrybowana jest ścieżka dźwiękowa | Tak |
| MOV | Wideo — transkrybowana jest ścieżka dźwiękowa | Tak |
3. Transkrybuj lokalnie, eksportuj dokądkolwiek
Kliknij transkrybuj. Na Macu Parakeet jest modelem domyślnym i działa na urządzeniu — około 74× szybciej niż w czasie rzeczywistym, więc godzina nagrania zajmuje niecałą minutę. 6,32% WER modelu V3 dla angielskiego pochodzi z Open ASR Leaderboard, a nie z każdego możliwego nagrania z dyktafonu. Twój wynik będzie zależał od języka, mikrofonu, szumu tła i specjalistycznego słownictwa.
Poprawianie źle rozpoznanego słowa na miejscu: otwórz fragment, popraw, zapisz
Gdy skończysz, wyeksportuj jako TXT do dokumentu albo jako SRT/VTT ze znacznikami czasu, jeśli nagranie pochodzi z wideo. Możesz najpierw poprawić tekst bezpośrednio w aplikacji — korekty pozostają zsynchronizowane z dźwiękiem.
Dlaczego offline wygrywa z chmurą przy dyktowaniu
Chmurowe usługi transkrypcji zazwyczaj wysyłają audio do infrastruktury dostawcy i przetwarzają je zgodnie z jego politykami retencji i przetwarzania danych. Dla części nagrań to może być akceptowalne, ale gdy audio zawiera poufne informacje o kliencie, pacjencie, źródle czy badaniu, dochodzi kolejny podmiot przetwarzający do audytu.
Domyślny model Parakeet jest wbudowany w Whisper Notes, więc nagrywanie i transkrypcja działają bez połączenia z internetem od samego początku; pozostałe modele możesz opcjonalnie pobrać raz w aplikacji. Audio i transkrypcja nie są wysyłane do transkrypcji. To może zmniejszyć ekspozycję danych na strony trzecie, ale samo lokalne przetwarzanie nie czyni workflow prawnego, medycznego czy badawczego zgodnym z przepisami — bezpieczeństwo urządzenia, proces zgód, polityka retencji i obowiązki zawodowe wciąż mają znaczenie.
| Aplikacja offline (Whisper Notes) | Chmurowe usługi transkrypcji | |
|---|---|---|
| Gdzie przetwarzane jest audio | Na Twoim własnym urządzeniu | Na serwerach dostawcy |
| Poufność | Audio nigdy nie opuszcza urządzenia | Zależy od polityki dostawcy |
| Transfer do stron trzecich podczas transkrypcji | Żaden | Zależy od dostawcy i planu |
| Koszt | jednorazowo: $7.99 (iPhone), $14 (Mac) | Miesięczny abonament lub opłaty za minutę |
| Działa bez internetu | Tak | Nie |
| Wymagane konto | Nie | Tak |
Ekonomia ma znaczenie także dla tych, którzy dyktują dużo. Jeśli dyktujesz godzinę dziennie, rozliczenia za minutę w chmurze szybko urastają do sporych kwot, a abonament nalicza się niezależnie od tego, czy w danym miesiącu dyktujesz, czy nie. Jednorazowy zakup kosztuje tyle samo, niezależnie od tego, czy transkrybujesz dziesięć minut miesięcznie, czy dziesięć godzin tygodniowo.
Jak uzyskać najdokładniejszą transkrypcję
Przy profesjonalnym dyktowaniu największą różnicę robią dwa ustawienia:
Własny słownik. Modele mowy ogólnego przeznaczenia mogą przekręcać nazwiska klientów, nazwy leków, sygnatury akt i żargon techniczny. W Whisper Notes dodasz powtarzające się nazwy i terminy do własnego słownika, dając silnikowi transkrypcji więcej kontekstu. Zawsze weryfikuj nazwiska, dawkowania, liczby i cytaty z nagraniem, zanim oprzesz się na transkrypcji.
Model dobrany do języka. Wybierz model pasujący do języka, w którym dyktujesz:
| Polski / języki europejskie | Parakeet V3 — 25 języków europejskich, w tym polski; około 74× szybciej niż w czasie rzeczywistym na Macu; 6,32% WER dla angielskiego na Open ASR Leaderboard; wbudowany w aplikację |
| Chiński / japoński / koreański | SenseVoice — szybka opcja dla chińskiego, japońskiego, koreańskiego i kantońskiego; 27 minut chińskiego w 13,83 sekundy w naszym teście na M4 Pro; test przeprowadzono na wcześniejszej wersji aplikacji, a dzisiejsza prędkość z karty modelu, 115–131× szybciej niż w czasie rzeczywistym, jest mniej więcej taka sama. Mniej błędów na Macu: Qwen3-ASR 1.7B (Beta) |
| Inne języki | Whisper Large V3 Turbo — ponad 100 języków, około 2 GB i najszersze pokrycie językowe z tej trójki |
A jeden nawyk z epoki analogowego dyktowania wciąż się opłaca: trzymaj dyktafon blisko, mów w równym tempie i dyktuj pełnymi zdaniami. Czysty dźwięk na wejściu, czysty tekst na wyjściu.
Najczęściej zadawane pytania
Czy mogę przetranskrybować stare nagrania z dyktafonu?
Tak. Skopiuj pliki z dyktafonu i zaimportuj je do Whisper Notes — MP3, WAV i M4A działają bez opłat za minutę, a jeden plik może trwać do 24 godzin. Nagranie sprzed dziesięciu lat transkrybuje się dokładnie tak samo jak dzisiejsze; dokładność zależy od jakości dźwięku, a nie od wieku pliku.
Jaka jest najlepsza aplikacja do transkrypcji nagrań z dyktafonu?
Oceniaj każdą aplikację według czterech kryteriów: gdzie przetwarzane jest audio, jakie formaty plików przyjmuje, czy obsługuje Twoje specjalistyczne terminy i ile kosztuje w skali roku. Whisper Notes oferuje transkrypcję na urządzeniu, import plików MP3/WAV/M4A/MP4/MOV do 24 godzin bez opłat za minutę, własny słownik i jednorazową cenę: $7.99 na iPhonie i $14 na Macu, gdzie 5 000 słów tygodniowo jest za darmo.
Czy transkrypcja dyktafonu działa bez internetu?
Tak. Domyślny model Parakeet jest wbudowany w aplikację, więc transkrypcja działa na Twoim iPhonie lub Macu bez połączenia z internetem i nie wysyła nagrania. Pozostałe modele możesz opcjonalnie pobrać raz w aplikacji.
Jak dokładna jest transkrypcja dyktafonu offline?
Open ASR Leaderboard podaje 6,32% WER dla angielskiego dla Parakeet V3, ale ten benchmark nie jest gwarancją dla konkretnego nagrania. Akcent, odległość od mikrofonu, szum tła i specjalistyczne terminy wpływają na dokładność. Własny słownik może dać kontekst dla powtarzających się nazwisk i żargonu; krytyczne szczegóły weryfikuj z nagraniem.