Dobre pliki audio: jak uzyskać znacznie lepsze transkrypcje
30 czerwca 2026 · 7 min czytania
Format, mikrofon, poziomy głośności i akustyka pomieszczenia decydują o dokładności rozpoznawania. Praktyczne wskazówki dla wykładów, wywiadów i rozmów telefonicznych.
Żadne narzędzie do transkrypcji – AI czy człowiek – nie wyciągnie jakości z zaszumionego, przesterowanego lub z pogłosem nagrania. Zadbanie o nagrywanie od początku oszczędza potem godzin poprawek.
Zalecane formaty plików
Sprechverlauf obsługuje MP3, WAV, M4A, OGG, FLAC i WebM. Dla najlepszego rozpoznawania:
- WAV lub FLAC – najlepsza jakość, większe pliki
- M4A (AAC) – dobry kompromis, typowy na telefonach
- MP3 – co najmniej 128 kbps, dla mowy lepiej 192 kbps
- Unikaj: bardzo niskich przepływności, wielokrotnie przekodowanych plików, długiego mono o jakości telefonicznej
Lista kontrolna nagrania
- Mikrofon blisko mówcy (15–30 cm), nie przy wentylatorze laptopa
- Cicha sala – zasłony i dywan ograniczają echo
- Sprawdź poziomy: ani szept, ani przester
- Wywiady: jeden mikrofon na osobę jest lepszy niż jeden mikrofon w pokoju
- Grupy: mniej mówienia jednocześnie
- Dodaj nazwiska i żargon w polu słów specjalnych (krok 2 w Sprechverlauf)
Przed wysłaniem: 2 minuty przygotowania
Posłuchaj najgłośniejszego fragmentu. Przytnij długą ciszę na początku. Lekka redukcja szumu w Audacity może pomóc – używaj jej oszczędnie. Na wykładach siądź bliżej przodu. Przy zdalnych rozmowach używaj wbudowanego nagrywania aplikacji albo dedykowanego mikrofonu, a nie przechwytywania odtwarzania z głośników.