Pytania i odpowiedzi
Jasne odpowiedzi na częste pytania o transkrypcję
Prawdziwe pytania, które ludzie zadają o automatyczną transkrypcję – od RODO i tajemnicy zawodowej po wzorce API i język szwajcarsko-niemiecki. Konkretne odpowiedzi, bez marketingowych frazesów.
Podstawy
Czym jest automatyczna transkrypcja?
Automatyczna transkrypcja to oparta na SI zamiana mowy na tekst pisany – w kilka sekund, bez udziału osoby przepisującej.
Jaka jest różnica między transkrypcją, napisami dla niesłyszących a napisami?
Transkrypcja to czysty tekst; napisy dla niesłyszących wyświetlają go zsynchronizowane z wideo; napisy dodatkowo tłumaczą go na inny język.
Ile czasu zajmuje transkrypcja godziny nagrania?
SI zwykle potrzebuje 1-3 minut na godzinę nagrania; wykwalifikowany transkrybent potrzebuje 4-6 godzin plus korekta.
Dokładność i jakość
Jak dokładna jest transkrypcja SI?
Na czystym nagraniu studyjnym SI osiąga dziś 95-98% dokładności (współczynnik błędu słów 2-5%); przy hałasie, dialekcie lub wielu mówcach może spaść do 70-85%.
Jak mogę poprawić dokładność mojej transkrypcji?
Lepsze mikrofony, mniej pogłosu, Custom Vocabulary dla żargonu, model premium i uporządkowane ustawienie mówców zwykle podnoszą dokładność o 5-15 punktów procentowych.
Zgodność i prawo
Czy transkrypcja SI jest zgodna z RODO?
Tak, ale tylko z umową powierzenia przetwarzania (DPA) na podstawie Art. 28 RODO, przechowywaniem danych w UE, wyraźnym zakazem wykorzystania do trenowania i określonymi terminami usuwania – w przeciwnym razie nie.
Czy transkrypcja spotkania jest legalna?
W Niemczech tylko za zgodą wszystkich uczestników – § 201 StGB penalizuje potajemne nagrywanie słowa wypowiedzianego w warunkach niepublicznych.
Gdzie są przechowywane moje pliki audio podczas transkrypcji?
To zależy od dostawcy – i jest to najważniejsze pytanie. Poważni dostawcy z UE przechowują dane w niemieckich lub unijnych centrach danych; amerykańskie API w chmurze – w USA.
Czy moje pliki audio są wykorzystywane do trenowania modeli SI?
U niektórych dostawców z USA tak, o ile aktywnie się nie sprzeciwisz. Poważni dostawcy wykluczają to umownie – zapytaj i sprawdź regulamin.
Czy mogę zlecić transkrypcję rozmów z pacjentami lub nagrań medycznych?
Tak, ale pod rygorystycznymi warunkami: Art. 9 RODO (dane o zdrowiu), § 203 StGB (tajemnica lekarska), DPA z klauzulą poufności – i przechowywanie danych w UE.
Poradniki
Jak prawidłowo transkrybować wywiad?
Czyste nagranie + pierwszy przebieg SI + 30-60 minut redakcji na godzinę wywiadu daje gotowe do publikacji transkrypcje w ułamku czasu.
Jak dodać znaczniki czasu do transkrypcji?
Nowoczesna transkrypcja SI automatycznie dostarcza znaczniki czasu na słowo; dla płynności czytania wystarczą znaczniki co 30-60 sekund lub przy zmianie mówcy.
Który format eksportu wybrać dla mojej transkrypcji?
TXT do czytania, SRT na YouTube i LinkedIn, VTT do webowych wideo HTML5, JSON do kodu i dalszego przetwarzania – dopasuj format do przypadku użycia.
Czym jest Custom Vocabulary i kiedy jej potrzebuję?
Lista słów przekazywana modelowi przed transkrypcją z żargonem i nazwami własnymi – często podnosi rozpoznawanie tych terminów z 30% do 95%.
Programiści
Które API do transkrypcji jest najlepsze dla programistów?
Zależy od przypadku użycia: AssemblyAI do przepływów z USA, Deepgram do niskich opóźnień, OpenAI Whisper do wielojęzyczności, DeepScript do RODO i przechowywania danych w UE.
Czy do API transkrypcji używać webhooków czy pollingu?
Webhooki do głównego dostarczania, polling jako backup – najsolidniejsza konfiguracja produkcyjna. Sam polling marnuje żądania; same webhooki ryzykują utratą zdarzeń.
Czy hostować Whisper samodzielnie, czy użyć API?
Poniżej ~500 godzin audio/miesiąc zarządzane API niemal zawsze wygrywa; powyżej self-hosting może być tańszy, ale tylko z doświadczeniem w GPU i budżetem DevOps.
Jak technicznie działa transkrypcja na żywo?
Audio jest strumieniowane w małych chunkach przez WebSocket; model zwraca wyniki pośrednie w 300-800 ms i finalizuje je po każdej pauzie w mowie.
Języki i dialekty
Czy SI potrafi transkrybować szwajcarski niemiecki?
Częściowo: modele wyspecjalizowane w dialekcie osiągają 75-85% dokładności, modele ogólne często poniżej 50%. Wynik jest zwykle normalizowany do standardowego niemieckiego, a nie zapisywany w dialekcie.
Ile języków obsługuje transkrypcja SI?
Najlepsze modele (Whisper, AssemblyAI, DeepScript) obejmują 99 języków – ale jakość waha się od doskonałej dla pierwszej dziesiątki po ledwo użyteczną dla rzadkich języków.