AI přepis řeči na text – Whisper a další nástroje, přesnost v češtině, soukromí a praktické tipy

Přepis řeči na text (speech-to-text) převádí nahrávku nebo živou řeč na psaný text. Dříve šlo o drahé specializované programy s nízkou přesností, dnes jej zvládají neuronové modely jako Whisper od OpenAI a řada online služeb či aplikací v telefonu. Využití je široké: přepis porad a přednášek, rozhovorů a podcastů, titulky videí, diktování, poznámky z hovorů, archivace nahrávek a přístupnost pro neslyšící. Je ale důležité vědět, jak přesný přepis v češtině je, kde chybuje a co se děje s vašimi nahrávkami, protože v nich často zaznívají osobní a firemní informace.

V článku vysvětlujeme jak přepis funguje, jaké nástroje existují, jak je to s češtinou, jak nahrávku připravit, jak výsledek zkontrolovat, jak chránit soukromí a řešit souhlas nahrávaných osob a jak přepis využít v praxi. Čerpáme z oficiální stránky OpenAI: Whisper, repozitáře Whisper na GitHubu, odborné práce Robust Speech Recognition via Large-Scale Weak Supervision, slovníčku FlowHunt: Whisper a srovnání ClickUp: Whisper vs. Google Speech-to-Text. OpenAI uvádí, že Whisper se blíží lidské úrovni robustnosti a přesnosti u anglické řeči a že asi třetina trénovacích dat je v jiných jazycích; nezávislé srovnání přesnosti pro češtinu jsme nenašli, proto veškerá procenta z marketingových stránek berte opatrně a nahrávky si vyzkoušejte.

Související články: AI text na řeč (TTS), Hlasový režim AI a AI chatboti a čeština.

Aktualizováno: listopad 2026.

Jak přepis funguje

1. Zvuk se rozdělí na krátké úseky a převede na spektrogram (obraz zvuku).
2. Neuronový model předpovídá slova a interpunkci; Whisper je natrénovaný na velkém množství vícejazyčných nahrávek (studie).
3. Rozpoznání jazyka (automatické či ruční) a případně překlad do angličtiny.
4. Časové značky: text se přiřadí k časům, což umožňuje titulky.
5. Další zpracování: rozdělení mluvčích (diarizace), shrnutí, vyhledávání v textu.

Modely nechápou význam jako člověk, proto zaměňují podobně znějící slova, zejména u jmen a odborných výrazů.

Orientační postup přepisu nahrávky – vlastní infografika

Nástroje

• Whisper (open-source): model od OpenAI, který lze spustit lokálně; GitHub uvádí mimo jiné nutnost nainstalovat nástroj FFmpeg a rychlejší velké modely vyžadují výkonnější grafickou kartu. Existují i grafická rozhraní a aplikace nad Whisperem.
• API a cloud: OpenAI i další firmy (Google, Microsoft, Amazon) nabízejí přepis jako službu, zpravidla placenou podle délky nahrávky; srovnání například ClickUp.
• Online přepisovače: služby postavené často na Whisperu, s uživatelsky přívětivým rozhraním, titulky a exportem; kvalitu, cenu a soukromí ověřte u konkrétní služby. Deklarovaná přesnost (například „99 %“) je zpravidla marketingové číslo bez uvedené metodiky.
• Přepis ve videohovorech a poznámkových aplikacích: Teams, Zoom, Meet a mobilní diktafony nabízejí vlastní přepis či shrnutí; viz Videohovory: Zoom a Teams bezpečnost.
• Diktování v telefonu: vestavěné funkce v klávesnici nebo asistentovi.
• České specializované služby: existují lokální nástroje zaměřené na češtinu a titulkování; vyzkoušejte je na vlastních nahrávkách.

Doporučení: porovnejte 2–3 nástroje na stejné vlastní nahrávce a posuďte chyby ve jménech, číslech a odborných termínech.

Čeština a přesnost

• OpenAI uvádí, že Whisper má vícejazyčná trénovací data, ale konkrétní výsledky pro češtinu nezveřejňuje na stránce v přehledné podobě; přesnost závisí na kvalitě zvuku, mluvčím a tématu.
• Dobré podmínky: jeden mluvčí, čistý mikrofon, spisovná řeč, běžné téma – přepis bývá velmi použitelný.
• Horší podmínky: hluk, překřikování, dialekty, slang, odborná terminologie, vlastní jména, zkratky, nekvalitní telefonní hovor.
• Typické chyby: zkomolená jména a názvy firem, čísla a data, chybějící či špatná interpunkce, „vymyšlené“ věty při tichu či hudbě na pozadí, mylné rozpoznání jazyka u vícejazyčných pasáží.
• Halucinace přepisu: modely mohou při tichu či šumu doplnit nesmyslný text; viz Proč AI halucinuje.
• Více mluvčích: rozlišení osob (diarizace) není vždy spolehlivé; přiřazení výroků kontrolujte.

Pro důležité přepisy (soudní, lékařské, úřední) nestačí automatický výstup; je nutná lidská kontrola či profesionální přepis.

Jak nahrávku připravit

1. Dobrý mikrofon a krátká vzdálenost od mluvčího.
2. Tiché prostředí, bez ozvěny a hudby.
3. Jeden mluvčí v jednu chvíli; na začátku představte jména mluvčích.
4. Dostatečná hlasitost bez zkreslení.
5. Dobrý formát (WAV nebo kvalitní MP3/M4A), nikoli opakovaně komprimovaná nahrávka.
6. Vyslovujte zřetelně čísla, jména a zkratky; u neobvyklých termínů je lze zadat jako slovníček, pokud to služba umožňuje.
7. Rozdělte dlouhé nahrávky na části.
8. Zálohujte originál a přepis vždy porovnejte s nahrávkou.

Kontrola a úprava přepisu

• Přečtěte přepis při poslechu alespoň u klíčových částí.
• Zkontrolujte jména, čísla, data a částky.
• Doplňte interpunkci a odstavce.
• Označte nejistá místa například „[nesrozumitelné]“.
• Využijte AI pro úpravu a shrnutí, ale výsledek ověřte; viz AI pro e-maily a schůzky.
• Archivujte originál i finální verzi.
• Titulky: zkontrolujte časování a délku řádků; viz AI dabing a titulky videa.

Kontrolní seznam – vlastní infografika

Soukromí, souhlas a právo

• Souhlas s nahráváním: nahrávání cizích rozhovorů a hovorů může porušit práva osobnosti či zákon; u pracovních porad, školení a rozhovorů získejte souhlas a řiďte se firemními pravidly.
• Osobní údaje a GDPR: nahrávky a přepisy obsahují osobní údaje (hlas, jména, zdraví); je třeba mít právní důvod a omezit sdílení.
• Online služby: nahrávka se odesílá na cizí servery; zjistěte, kde se uchovává, jak dlouho a zda se využívá k trénování; viz AI chatboti a soukromí dat.
• Lokální přepis: nahrávky neopouštějí váš počítač; vhodné pro důvěrné záznamy (právní, zdravotní, firemní).
• Firemní pravidla: nepoužívejte neschválené AI přepisovače pro interní porady; viz Firemní politika používání AI.
• Zdravotnictví a právo: citlivé záznamy vyžadují zvláštní ochranu.
• Falešné aplikace: „zdarma přepisujeme hovory“ aplikace mohou sbírat nahrávky; viz Falešné AI aplikace a rozšíření.

Praktické využití

• Porady a přednášky: zápis, úkoly a shrnutí.
• Novináři a výzkumníci: přepis rozhovorů (u citací vždy ověřte nahrávku).
• Studenti: přepis přednášek a diktování poznámek; respektujte pravidla školy; viz AI pro studenty: bezpečné učení.
• Videa a podcasty: titulky, přepisy pro SEO a přístupnost.
• Přístupnost: titulky pro neslyšící a nedoslýchavé.
• Diktování: psaní textů hlasem, zvlášť pro lidi s omezením psaní.
• Archivy a vyhledávání: textové vyhledávání v nahrávkách.
• Zákaznický servis: analýza hovorů (se souhlasem a podle pravidel); viz AI pro zákaznický servis ve firmě.

Přepis v kostce

Základní údaje – vlastní infografika

Výhody a nevýhody

Souhrn pro uživatele – vlastní infografika

Související články

V kategorii Generování obrazu, videa a hlasu AI najdete také Klonování hlasu pomocí AI, AI generování videa a AI generování hudby.

Shrnutí

AI přepis řeči na text (například Whisper) zvládá českou řeč použitelně při dobrém zvuku, ale chybuje u jmen, čísel, dialektů a více mluvčích, a při tichu může doplnit nesmysly. Připravte kvalitní nahrávku, výsledek porovnejte s originálem a u důvěrných záznamů zvolte lokální zpracování. Nahrávejte se souhlasem a řiďte se pravidly ochrany osobních údajů.

Často kladené otázky k AI přepisu řeči na text