AI a ręczna transkrypcja: co naprawdę pokazują badania
30 czerwca 2026 · 8 min czytania
Szybkość, dokładność, koszt – badanie CISPA z 2024 roku w kontekście. Kiedy wystarczą narzędzia klasy Whisper, a kiedy wygrywa człowiek.
Transkrypcja AI staje się coraz szybsza i tańsza – ale czy jest wystarczająco dobra? Badacze z CISPA porównali w 2024 roku jedenaście usług (ręcznych i AI). Wyniki zgadzają się z doświadczeniem z praktyki: szybkość tak, doskonałość nie zawsze.
Badanie CISPA w skrócie
Zespół Jakuba Mrowczynskiego porównał jedenaście usług w grudniu 2022 roku – w tym Rev, Amberscript, Amazon Transcribe, Google Cloud, Microsoft Azure i OpenAI Whisper. Mierzono współczynnik błędów słów oraz błędy zniekształcające sens.
- Usługi ręczne: ogólnie mocne, mniej błędów zmieniających sens
- Usługi AI: więcej przesunięć znaczenia (np. „hashes” → „ashes”)
- Spośród dostawców AI najlepiej wypadł Whisper
- Większość systemów radziła sobie lepiej z angielskim niż z niemieckim
- Obraz z końca 2022 roku – nowsze modele są lepsze, ale wzorce się utrzymują
| Kryterium | Transkrypcja AI | Transkrypcja ręczna |
|---|---|---|
| Czas na 1 godzinę audio | ~5–10 min przetwarzania | ~4–6 godz. pracy |
| Koszt | centy za minutę | często 1–3 USD za minutę |
| Dokładność (czyste audio) | ~90–96% | możliwe 99%+ |
| Dokładność (hałaśliwe pomieszczenie) | wyraźniejszy spadek | bardziej odporna |
| Identyfikacja mówców | coraz lepsza, nie zawsze stabilna | bardziej wiarygodna |
Praktyczna rekomendacja
- Wykłady – AI + 10–20 min przeglądu
- Dziennikarstwo – szkic AI, cytaty sprawdzone ze słuchu
- Spotkania – AI często wystarcza do użytku wewnętrznego
- Prawo / medycyna – transkrypcja przez człowieka lub certyfikowany proces
Badania są zgodne: AI wygrywa szybkością i skalą, człowiek – dokładnością i kontekstem. Sprechverlauf oferuje diaryzację mówców z użyciem Whispera, znaczniki czasu i eksport bez konta – idealne, gdy potrzebujesz przeszukiwalnego szkicu, który sam poprawisz.