Transkrypcja AI po polsku: 7 narzędzi, ceny w zł i limity
Transkrypcję AI po polsku najtaniej zrobisz w narzędziu, za które już płacisz: w Wordzie z Microsoft 365 (Transkrybuj, 300 minut miesięcznie, z podziałem na mówców) albo w płatnym ChatGPT (nagrania do 512 MB). Za darmo i bez wysyłania pliku działa Whisper na własnym komputerze. Do dużych ilości nagrań są ElevenLabs Scribe, HappyScribe i Notta — wszystkie z polskim.
Sprawdzone : fakty i ceny. Tekst powstał z pomocą AI i sprawdziła go redakcja: Jak powstają teksty
Werdykt w skrócie: dla kogo które
Word
Gdy masz Microsoft 365 i transkrybujesz do 5 godzin nagrań miesięcznie — z podziałem na mówców i od razu w dokumencie Word.
ChatGPT
Gdy już płacisz za ChatGPT i chcesz od razu streszczenia albo notatek z nagrania, a nie samego tekstu.
Gemini
Gdy masz Google AI Pro i chcesz przeanalizować nagranie do 3 godzin; w wersji bezpłatnej tylko do 10 minut.
ElevenLabs Scribe
Gdy potrzebujesz napisów SRT, wielu mówców i długich plików, do 10 godzin; najtaniej przez API.
HappyScribe
Gdy chcesz edytora i eksportu do DOCX lub SRT w przeglądarce, a przy ważnych tekstach — korekty przez człowieka.
Notta
Gdy nagrywasz dużo — 30 godzin miesięcznie w planie Pro, najtaniej przy płatności rocznej; plan darmowy ma limit 3 minut na nagranie.
Whisper
Gdy nagranie nie może opuścić komputera, a instalacja programu z wiersza poleceń cię nie przeraża.
Serwis niezależny — niepowiązany z producentami
Zestawienie opiera się na cennikach i dokumentacji producentów sprawdzonych 9 i 14 października 2026, a nie na naszym teście jakości. Jak w kwadrans porównać narzędzia na własnym nagraniu, pokazujemy niżej.
Transkrypcja AI po polsku — porównanie w tabeli
| Narzędzie | Polski | Cena | Limit | Mówcy | Wynik |
|---|---|---|---|---|---|
| Word — Transkrybuj | tak | w Microsoft 365 (Personal 42,99 zł / mies.) | 300 min nagrań / mies.; pliki WAV, MP4, M4A, MP3 | tak | dokument Word |
| ChatGPT — nagrania audio | tak, jakość zależy od języka | płatne subskrypcje, np. Plus 99,99 zł / mies. | plik do 512 MB | bywa zawodne (wg OpenAI) | tekst w czacie |
| Gemini | aplikacja po polsku; transkrypcji jako osobnej funkcji pomoc nie opisuje | 0 zł; Google AI Pro 97,99 zł / mies. | 10 min nagrań bez abonamentu, 3 h w AI Pro i Ultra; plik do 100 MB | pomoc nie opisuje | tekst w czacie |
| ElevenLabs Scribe | tak, grupa „Excellent” wg producenta | API 0,22 USD (ok. 0,86 zł) za godzinę; plany od 0 USD | plik do 3 GB i 10 h | do 32 | TXT, DOCX, PDF, SRT, VTT, JSON, HTML |
| HappyScribe | tak | Basic 17 USD (ok. 66,52 zł) / mies. lub 8,50 USD / mies. rocznie | Basic: 120 min / mies. (rocznie 1440 min) | tak | DOCX, TXT, SRT, PDF |
| Notta | tak | Pro 13,49 USD (ok. 52,79 zł) / mies. lub 97,99 USD (ok. 383,45 zł) / rok | Free: 120 min / mies., 3 min na nagranie; Pro: 1800 min, 5 h na nagranie | tak | eksport od planu Pro |
| Whisper (lokalnie) | tak | 0 zł (licencja MIT) | zależy od komputera | repozytorium nie opisuje | TXT, SRT, VTT, TSV, JSON |
Ceny Microsoftu i OpenAI w zł brutto; przy planach Google według pomocy Google mogą dojść lokalne podatki. Ceny w USD to ceny katalogowe bez polskiego cennika, przeliczone kursem NBP z 8 października 2026 (1 USD = 3,9132 zł) — to nie kwota z koszyka, VAT może dojść przy zakupie. Ceny Microsoftu, ChatGPT i Google — stan na 8 października 2026, ElevenLabs i OpenAI API — 9 października 2026, HappyScribe i Notta oraz funkcje wszystkich narzędzi — 14 października 2026.
Ile kosztuje godzina nagrania
Tak wychodzi przy pełnym wykorzystaniu limitu:
| Narzędzie i plan | Godzina nagrania |
|---|---|
| Whisper na własnym komputerze | 0 zł (płacisz sprzętem i prądem) |
| ElevenLabs Scribe v2 przez API | ok. 0,86 zł |
| Notta Pro (30 h miesięcznie, płatność roczna) | ok. 1,07 zł |
| OpenAI API, model z rozpoznawaniem mówców (gpt-4o-transcribe-diarize) | ok. 1,41 zł |
| HappyScribe Pro rocznie (120 h na rok za 228 USD, czyli 19 USD miesięcznie) | ok. 7,44 zł |
| Word w Microsoft 365 Personal (5 h miesięcznie) | ok. 8,60 zł, ale w cenie masz cały pakiet Office |
| HappyScribe Basic miesięcznie (2 h za 17 USD) | ok. 33,26 zł |
Przeliczenia nasze, z cenników z 8, 9 i 14 października 2026. Notta Pro opłacana miesięcznie (13,49 USD za 30 h) wychodzi ok. 1,76 zł za godzinę. Dodatkowe minuty w HappyScribe kosztują 0,20 USD, czyli ok. 46,96 zł za godzinę. ChatGPT i Gemini nie mają tu stawki, bo transkrypcja wchodzi w abonament czatu.
Narzędzia, które już masz: Word, ChatGPT i Gemini
Word — Transkrybuj. Wgrywasz nagranie albo nagrywasz na żywo, a Word dzieli tekst na mówców („Speaker 1”, „Speaker 2” — etykiety zmienisz na imiona). Na karcie Narzędzia główne rozwiń Dyktuj i wybierz Transkrybuj. Funkcja działa w Wordzie w przeglądarce Edge lub Chrome; w aplikacji na Windows Microsoft udostępnia ją na razie tylko w kontach firmowych. Subskrypcja Microsoft 365 daje 300 minut przesłanych nagrań miesięcznie, licencja Microsoft Copilot — 30 000 minut. Polski (Polska) jest na liście ponad 80 obsługiwanych wariantów językowych. Samo Dyktuj (mówisz, Word pisze) też obsługuje polski, ale w wersji zapoznawczej — Microsoft uprzedza o możliwej niższej dokładności i słabszej interpunkcji.
ChatGPT — nagrania audio. Od 6 października 2026 wgrasz do czatu plik do 512 MB (m.in. MP3, M4A, WAV, FLAC, AAC) i poprosisz o transkrypcję, streszczenie albo odpowiedzi na pytania o nagranie. Działa w płatnych subskrypcjach i planach firmowych, nie w darmowym; OpenAI nie wymienia planów z nazwy i zaznacza, że dostępność może zależeć m.in. od regionu i modelu. Według pomocy OpenAI jakość zależy od języka, transkrypcja może mieć błędy, rozpoznawanie mówców bywa zawodne, a bardzo długie nagrania mogą nie zostać przetworzone do końca. Różnice między Go i Plus rozpisujemy w tekście o tym, ile kosztuje ChatGPT Plus.
Gemini. W aplikacji Gemini (także w przeglądarce) dodasz plik dźwiękowy i zadasz pytanie o jego treść. Bez abonamentu łączna długość nagrań to 10 minut, w Google AI Pro i Ultra — do 3 godzin, przy plikach do 100 MB. Pomoc Google nie opisuje transkrypcji jako osobnej funkcji — jakość spisu po polsku sprawdź sam.
Wskazówka
Nagrywasz spotkania w Teams? Transkrypcja na żywo w Teams obsługuje polski i nie wymaga osobnego narzędzia, a Google Meet polskiej transkrypcji nie ma. Jak z zapisu spotkania zrobić protokół, opisujemy w poradniku o notatkach ze spotkań z AI — tu skupiamy się na nagraniach, które już masz w pliku.
Serwisy do transkrypcji: ElevenLabs, HappyScribe i Notta
ElevenLabs Scribe działa w przeglądarce (wgrywasz plik i pobierasz TXT, DOCX, PDF, SRT, VTT, JSON lub HTML) i przez API, czyli interfejs dla programistów. Model Scribe v2 kosztuje w API 0,22 USD za godzinę (bez podatków). Plany w przeglądarce: Free (10 tys. kredytów miesięcznie), Starter 6 USD, Creator 22 USD, Pro 99 USD miesięcznie — ile godzin transkrypcji daje każdy plan, tabela cennika nie mówi jednoznacznie. Pliki do 3 GB i 10 godzin, do 32 mówców, znaczniki czasu przy każdym słowie. Polski producent zalicza do grupy „Excellent”, czyli do 5% WER (odsetek źle rozpoznanych słów) — to deklaracja ElevenLabs, nie niezależny pomiar.
HappyScribe to edytor transkrypcji w przeglądarce z polskim na liście języków. Plan Free daje 10 minut na próbę. Basic kosztuje 17 USD miesięcznie za 120 minut transkrypcji wgranych plików albo 8,50 USD miesięcznie przy płatności rocznej za pulę 1440 minut na rok, z eksportem do TXT, SRT, PDF i DOCX. Pro to 29 USD miesięcznie za 600 minut albo 19 USD miesięcznie przy płatności rocznej za 7200 minut na rok. Podział na mówców jest we wszystkich planach. Korekta przez człowieka kosztuje od 2 USD za minutę. Cennik otwieraliśmy bez polskiej lokalizacji i nie podaje on, czy kwoty zawierają VAT — walutę i podatek zobaczysz w koszyku.
Notta w planie Pro kosztuje 97,99 USD na rok (ok. 383,45 zł) albo 13,49 USD miesięcznie (ok. 52,79 zł) — 1800 minut miesięcznie, do 5 godzin na nagranie. Business to 199,99 USD na rok (ok. 782,60 zł) albo 27,99 USD miesięcznie, bez limitu minut. Plan Free ma 120 minut miesięcznie, ale tylko do 3 minut na nagranie — wystarczy na sprawdzenie jakości, nie na wywiad. Rozpoznawanie mówców jest od planu darmowego, eksport transkrypcji — od Pro. Polski jest na liście 58 języków transkrypcji.
Otter, często polecany w zagranicznych zestawieniach, po polsku nie transkrybuje — obsługuje sześć języków, bez polskiego.
Za darmo i lokalnie: Whisper
Whisper to model rozpoznawania mowy od OpenAI, udostępniony z kodem i wagami na licencji MIT. Uruchomiony na twoim komputerze nie wysyła nagrania nigdzie i nie ma limitu minut. Ceną jest instalacja: potrzebujesz Pythona, programu ffmpeg i wiersza poleceń. Wynik zapisuje jako tekst (TXT) i napisy (SRT, VTT), a także TSV i JSON.
pip install -U openai-whisper
whisper wywiad.mp3 --model turbo --language Polish
Wybór modelu to kompromis między jakością a sprzętem. Według repozytorium najmniejsze modele (tiny, base) potrzebują ok. 1 GB pamięci karty graficznej, small ok. 2 GB, medium ok. 5 GB, turbo ok. 6 GB, a large ok. 10 GB. OpenAI pisze wprost, że jakość Whispera mocno zależy od języka. Polski jest na liście obsługiwanych, ale dla twojego typu nagrań sprawdzisz go tylko w praktyce.
Bez instalacji ten sam model dostaniesz w płatnym API OpenAI (0,006 USD za minutę, ok. 1,41 zł za godzinę), ale wtedy nagranie trafia na serwery OpenAI.
Gdzie trafia nagranie
To pytanie ważniejsze niż cena, gdy nagrywasz klientów, pacjentów albo pracowników:
- Word zapisuje nagrania w folderze „Transcribed Files” w twoim OneDrive i tam możesz je usunąć; transkrypcja jest zapisana razem z dokumentem.
- ChatGPT — plik trafia na serwery OpenAI; trenowanie na rozmowach wyłączysz w ustawieniach, a plany firmowe nie trenują na danych klientów.
- Notta trzyma dane na serwerach AWS; o trenowaniu modeli cennik milczy.
- Otter od 16 czerwca 2026 trenuje własne AI na zanonimizowanych nagraniach i transkrypcjach.
- Whisper lokalnie — nagranie zostaje na twoim dysku.
Prawo i dane
Głos nagranej osoby to dane osobowe. Uprzedź rozmówców, że nagrywasz i że nagranie trafi do zewnętrznej usługi, a w firmie trzymaj się zasad ustalonych z inspektorem ochrony danych. Co wolno wgrywać do czatów AI, a czego nie, opisujemy w poradniku o danych osobowych w ChatGPT i RODO. Nagrywając wykład, zapytaj prowadzącego o zgodę i sprawdź regulamin studiów — wykład może też być chroniony prawem autorskim. To informacja, nie porada prawna.
Sprawdź sam w 15 minut: to samo nagranie w trzech narzędziach
Jakość zależy od mikrofonu, akustyki i sposobu mówienia, więc najwięcej powie ci własne nagranie.
- Przygotuj 3 minuty nagrania — najlepiej swój głos albo rozmowę z osobą, która się na to zgodziła. Dodaj trudności: nazwisko, nazwę firmy, kwotę i datę, fragment mówiony szybciej.
- Spisz pierwszą minutę ręcznie. To twój wzorzec do porównań.
- Wgraj ten sam plik do trzech narzędzi — np. Worda, ChatGPT albo Gemini i jednego serwisu w planie darmowym. Wszędzie ustaw język polski.
- Policz błędy w pierwszej minucie: źle zapisane, pominięte i dopisane słowa. Podziel ich liczbę przez liczbę słów we wzorcu — wyjdzie przybliżony WER, ten sam wskaźnik, którym posługują się producenci.
- Sprawdź to, co poprawiać najtrudniej: nazwiska i liczby, interpunkcję, podział na mówców i znaczniki czasu, jeśli robisz napisy.
Do ChatGPT i Gemini wpisz to samo polecenie, żeby porównanie było uczciwe:
Polecenie do skopiowania
Zrób dosłowną transkrypcję załączonego nagrania po polsku. Nie streszczaj i nie poprawiaj stylu. Oznacz zmianę osoby mówiącej jako „Osoba 1:”, „Osoba 2:”. Fragmenty, których nie da się zrozumieć, oznacz [niezrozumiałe] zamiast zgadywać.Po wklejeniu uzupełnij pola w nawiasach kwadratowych — AI nie zna Twoich danych.
Notatki z wykładu: od nagrania do ściągi
Fraza „AI do robienia notatek z wykładów” zwykle oznacza dwa kroki: transkrypcję i obróbkę tekstu. Gdy masz zgodę prowadzącego i plik z transkrypcją, wklej go do czatu z poleceniem:
Polecenie do skopiowania
Poniżej transkrypcja wykładu. Zrób z niej notatki do nauki: 1) główne zagadnienia jako nagłówki, 2) pod każdym definicje i przykłady podane przez prowadzącego, 3) na końcu 10 pytań sprawdzających z odpowiedziami. Opieraj się tylko na transkrypcji; jeśli czegoś w niej brakuje, napisz „brak w nagraniu”.
[tu wklej transkrypcję]Z takich notatek zrobisz potem fiszki i plan powtórek — metodę opisujemy w tekście jak wykorzystać AI do nauki. Kilka transkrypcji z jednego przedmiotu możesz też wgrać jako źródła do NotebookLM, czyli Gemini Notebook, i zadawać pytania do całego semestru.
Co wybrać, jeśli…
- …masz Microsoft 365 i nagrywasz kilka godzin miesięcznie — Word, Transkrybuj: 300 minut w cenie, mówcy rozdzieleni, wynik od razu w dokumencie.
- …płacisz za ChatGPT i chcesz od razu streszczenia — nagrania audio w ChatGPT, plik do 512 MB.
- …nagrywasz dużo: wywiady, podcasty, wykłady — Notta Pro (30 godzin miesięcznie, najtaniej przy płatności rocznej) albo ElevenLabs Scribe; do napisów SRT z edytorem — HappyScribe.
- …nagranie nie może wyjść z komputera — Whisper lokalnie, najlepiej na komputerze z kartą graficzną.
- …potrzebujesz tekstu do publikacji bez błędów — transkrypcja AI i korekta człowieka, własna albo płatna (w HappyScribe od 2 USD za minutę).
Podsumowanie
Transkrypcja AI po polsku nie musi oznaczać nowego abonamentu: Word z Microsoft 365 i płatny ChatGPT spiszą nagranie w cenie, którą już płacisz. Osobny serwis ma sens przy wielu godzinach nagrań, napisach i wielu mówcach — najtaniej za godzinę wychodzą Notta Pro i API ElevenLabs. Whisper to jedyna opcja za 0 zł bez limitu i bez wysyłania nagrania. Przed wyborem przepuść ten sam fragment przez dwa–trzy narzędzia i policz błędy. Jak włączyć transkrypcję Google Meet po polsku i co zrobić, gdy opcji brakuje, opisaliśmy osobno.
Źródła
- Transcribe your recordings i Dictate your documents in Word — Microsoft, dostęp 14 października 2026
- Porównaj plany i ceny Microsoft 365 — Microsoft, dostęp 8 października 2026
- ChatGPT release notes i Uploading files and audio to ChatGPT — OpenAI Help Center, dostęp 14 października 2026
- Cennik ChatGPT — OpenAI, dostęp 8 października 2026
- API pricing — OpenAI, dostęp 9 października 2026
- Przesyłanie i analizowanie plików w aplikacjach Gemini — Google, dostęp 14 października 2026
- Speech to Text — dokumentacja, cennik API i Audio to Text — ElevenLabs, dostęp 9 i 14 października 2026
- Pricing i Languages — HappyScribe, dostęp 14 października 2026
- Pricing i What languages does Notta support? — Notta, dostęp 14 października 2026
- Pricing — Otter.ai, dostęp 9 października 2026, i Privacy Policy — Otter.ai, dostęp 14 października 2026
- Subskrypcje Google AI i podatki przy zakupie planów — Google, dostęp 8 października 2026
- openai/whisper i opcje wiersza poleceń (transcribe.py) — OpenAI, GitHub, dostęp 14 października 2026
- Kurs średni USD, tabela A nr 196/A/NBP/2026 — Narodowy Bank Polski, dostęp 9 października 2026
Najczęstsze pytania
Jaki program do transkrypcji po polsku jest najlepszy?
Nie ma niezależnego porównania jakości na polskich nagraniach — producenci podają tylko własne deklaracje. Zacznij od tego, co już masz: Word z Microsoft 365 albo płatny ChatGPT. Jeśli nagrań jest dużo albo potrzebujesz napisów, przepuść ten sam trzyminutowy fragment przez dwa–trzy serwisy w wersjach próbnych i policz błędy.
Czy ChatGPT zrobi transkrypcję nagrania?
Tak, od 6 października 2026 ChatGPT przyjmuje pliki audio do 512 MB, m.in. MP3, M4A, WAV, FLAC i AAC. Spisze nagranie, streści je i odpowie na pytania o treść. Funkcja działa tylko w płatnych subskrypcjach i planach firmowych, nie w darmowym. OpenAI zastrzega, że jakość zależy od języka, transkrypcja może mieć błędy, a rozpoznawanie mówców bywa zawodne.
Jak za darmo zamienić nagranie na tekst?
Bez limitu — Whisperem na własnym komputerze, jeśli poradzisz sobie z instalacją. Z limitem: Notta Free daje 120 minut miesięcznie, ale najwyżej 3 minuty na nagranie, HappyScribe 10 minut na próbę, a darmowy Gemini przyjmuje do 10 minut nagrań. Do dłuższych plików te plany wystarczą tylko na sprawdzenie jakości.
Czy transkrypcja w Wordzie działa bez Microsoft 365?
Nie. Według pomocy Microsoftu funkcja Transkrybuj jest dla subskrybentów Microsoft 365 i działa w Wordzie w przeglądarce Edge lub Chrome, z połączeniem z internetem. Dyktowanie też wymaga subskrypcji, a polski jest w nim na liście języków w wersji zapoznawczej, czyli z możliwą niższą dokładnością.
Czy Otter.ai działa po polsku?
Nie. Według cennika z 9 października 2026 Otter transkrybuje po angielsku, hiszpańsku, francusku, niemiecku, japońsku i chińsku. Do tego jego polityka prywatności od 16 czerwca 2026 pozwala trenować własne modele AI na zanonimizowanych nagraniach i transkrypcjach. Do polskich nagrań wybierz inne narzędzie z tego zestawienia.
Historia zmian w tekście
- Publikacja.
Widzisz błąd? Zgłoś go — poprawimy i dopiszemy tu zmianę.
Powiązane teksty
AI do korekty tekstu po polsku: 5 narzędzi, ceny i prywatność
PorównanieZaktualizowano 12 minut czytania
Jaki AI najlepszy do prezentacji? 5 narzędzi i ceny w zł
PorównanieOpublikowano 12 minut czytania
Ile kosztuje Claude? Ceny Pro i Max w zł, limity i faktura
PorównanieZaktualizowano 11 minut czytania