Godzinna rozmowa z politykiem, dwugodzinny wywiad z ekspertem, czterdzieści minut z respondentem badania jakościowego — każda z tych nagrań musi trafić do tekstu zanim minie deadline. Transkrypcja wywiadu jest tradycyjnie najmniej lubianym etapem pracy dziennikarza i badacza: zajmuje 3–4 razy więcej czasu niż samo nagranie, a wymaga skupienia, którego nie ma się o jedenastej wieczorem. W 2026 roku ten etap można wreszcie skrócić bez utraty jakości.

Ten przewodnik pokazuje konkretny workflow stosowany przez polskich dziennikarzy i badaczy: od przygotowania nagrania, przez AI transkrypcję, aż po weryfikację cytatów. To nie teoria — to kroki, które oszczędzają od 5 do 15 godzin tygodniowo zależnie od liczby wywiadów.

Dlaczego ręczna transkrypcja przestaje mieć sens

Klasyczne szacowanie z lat siedemdziesiątych — 4 godziny transkrypcji na 1 godzinę nagrania — nadal obowiązuje przy pracy ręcznej. Dla dziennikarza prowadzącego trzy godzinne wywiady tygodniowo to dwanaście godzin samego przepisywania. Cały dzień roboczy, który nie przyniesie ani jednego napisanego akapitu.

AI transkrypcja skraca ten czas do 30–60 minut na godzinę nagrania, włącznie z ludzką kontrolą cytatów. Różnica nie polega na szybkości pisania; polega na tym, że nie musisz słuchać ponownie tych samych dziesięciu sekund, szukając słowa, którego nie zrozumiałeś. Czytasz tekst i słuchasz tylko miejsc, w których masz wątpliwość.

Praktyczna korzyść: dziennikarz z 5 wywiadami tygodniowo odzyskuje około 15 godzin pracy — to jeden pełny dzień roboczy.

Workflow krok po kroku

1. Przed wywiadem: przygotuj nagranie, nie improwizuj

Jakość nagrania określi, ile czasu zaoszczędzisz. Trzy minuty przygotowania zwracają się godzinami oszczędzonej korekty:

  • Mikrofon: jeśli prowadzisz wywiad osobiście, użyj mikrofonu krawatowego (lavalier) na rozmówcy. Jeśli telefonicznie, włącz nagrywanie bezpośrednio w aplikacji (Zoom, Google Meet), nie polegaj na wbudowanym mikrofonie laptopa.
  • Cicha przestrzeń: wyłącz klimatyzację, zamknij okno wychodzące na ulicę. Kawiarnia może wydawać się romantyczna, ale brzęk filiżanek AI transkrybuje jako losowe słowa.
  • Format pliku: WAV lub FLAC, jeśli masz wybór. MP3 w 128 kbps to ryzyko przy cichych fragmentach.
  • Próbna minuta: zanim zaczniesz właściwą rozmowę, nagraj minutę zwykłej konwersacji i odsłuchaj. Słyszysz buczenie? Przesuń mikrofon. Echo? Zmień pomieszczenie.

2. Podczas wywiadu: drobne zmiany, duża różnica

Niektóre zachowania w trakcie nagrania znacznie ułatwiają późniejszą transkrypcję:

  • Wyrównaj głośność rozmówców. Jeśli jeden mówi cicho a drugi głośno, AI da głośniejszemu priorytet przy nakładaniu się głosów.
  • Przy zmianie tematu zrób krótką pauzę (3 sekundy ciszy). To pomaga zarówno późniejszemu skanowaniu transkrypcji, jak i ręcznemu wyszukiwaniu.
  • Jeśli rozmówca mówi coś „nieoficjalnie" („tego proszę nie pisać"), zanotuj kod czasowy. Po transkrypcji łatwo znajdziesz i usuniesz tę część.
  • Unikaj przekrzykiwania. Współczesne AI radzi sobie z dwoma osobami nakładającymi się na 1–2 sekundy, nie na dziesięć.

3. Po wywiadzie: AI transkrypcja

Załaduj plik do narzędzia do transkrypcji języka polskiego. Większość godzinnego wywiadu zostaje przepisana w 2–4 minuty. Trzy rzeczy, których warto nie pomijać:

  1. Dodaj słownik nazw własnych, jeśli narzędzie to umożliwia. Nazwiska polityków, nazwy instytucji, terminy fachowe — to wszystko znacząco poprawia precyzję.
  2. Włącz diaryzację (rozdzielenie mówców). Przy dwóch osobach jest dziś niemal bezbłędna.
  3. Zażądaj kodów czasowych. Przy finalnej weryfikacji wystarczy kliknąć, by odsłuchać dokładny moment zamiast skanować całe nagranie.

4. Weryfikacja i cytaty

Ten etap nie podlega automatyzacji — i nie powinien. Zasada: nigdy nie publikuj cytatu, którego nie zweryfikowałeś odsłuchem.

Praktyczny proces:

  1. Przeczytaj cały transkrypt szybkim tempem. Zaznacz (podświetl) fragmenty, które potencjalnie zacytujesz.
  2. Przy każdym zaznaczonym fragmencie kliknij kod czasowy, odsłuchaj 5 sekund przed i 5 sekund po cytacie.
  3. Sprawdzaj słowo po słowie. Popraw wszystko, co AI przepisała źle (zwykle: nazwy własne, terminy obce, formy potoczne).
  4. Dla zdania, które trafia do publikacji, zweryfikuj interpunkcję i akcent. To, co w mowie wygląda jak pauza, w tekście jest przecinkiem albo kropką — i może zmienić sens.

Budżet czasowy: ile to realnie trwa

Dla godzinnego wywiadu o przeciętnej jakości dźwięku:

Różnica 227 minut na jednym wywiadzie. Dla dziennikarza prowadzącego trzy wywiady tygodniowo to ponad 11 godzin uwolnionego czasu — półtora dnia roboczego tygodniowo.

Co z wywiadami wrażliwymi

Niektóre rozmowy wymagają większej ostrożności przy wyborze narzędzia:

  • Sygnaliści i anonimowe źródła: wybierz narzędzie, które gwarantuje usunięcie nagrania po przetworzeniu i nie używa go do trenowania modeli. Przeczytaj politykę prywatności, nie tylko opis marketingowy.
  • Wywiady badawcze z osobami nieletnimi: oprócz bezpieczeństwa technicznego potrzebujesz pisemnej zgody opiekuna prawnego. AI transkrypcja tego wymogu nie zwalnia.
  • Dane osobowe a RODO: jako badacz lub dziennikarz przetwarzasz dane osobowe. Upewnij się, że dostawca usługi zapewnia odpowiednią umowę powierzenia (DPA) — szczególnie jeśli pracujesz na grancie wymagającym formalnej dokumentacji.

Dla tematów wrażliwych poświęć 10 minut na sprawdzenie, gdzie i jak długo przechowywane jest nagranie. Te informacje powinny być jednoznaczne w polityce prywatności dostawcy — jeśli są niejasne, to sygnał ostrzegawczy.

Specyfika polskiego: na co AI nadal się potyka

Mimo postępów, polszczyzna stawia kilka konkretnych wyzwań:

  • Słowa fonetycznie podobne: „może" vs „morze", „bać" vs „bądź". W szybkim tempie AI dziś zwykle wybiera dobrze, ale zdarzają się błędy.
  • Wstawki angielskie: „zrobimy machine learning na tym datasetu" — model musi zdecydować, czy fonetycznie przepisać „masiyn lerning" czy zachować angielski. Dobre nastrojenie języka w narzędziu znacznie pomaga.
  • Gwary i regionalizmy: śląski, kaszubski, góralski. AI typowo „normalizuje" w stronę standardowego polskiego — co dla badaczy folkloru i językoznawców jest problemem.
  • Liczby i kwoty: „dwa tysiące pięćset" vs „2500 zł". Sprawdź, jak narzędzie domyślnie rozpisuje — i czy konsekwentnie w całym tekście.

Częste błędy, których warto unikać

  • Cytowanie bez odsłuchu: nawet najlepsza AI ma około 5 % błędów. To 50 błędów na godzinnym wywiadzie. Większość bez znaczenia, jeden może zmienić sens.
  • Poleganie wyłącznie na automatycznym podsumowaniu: podsumowanie to dobry punkt startowy, ale gubi niuanse. Do tekstu — przeczytaj transkrypt sam.
  • Usuwanie oryginalnego nagrania: dopóki materiał nie zostanie opublikowany i nie miną terminy ewentualnych roszczeń, zachowaj nagranie. W sporze o cytat to jedyny dowód.

Podsumowanie

Transkrypcja wywiadu w 2026 roku nie jest już tym samym zadaniem co pięć lat temu. AI oddaje ci czas, który wcześniej szedł na słuchanie tych samych dziesięciu sekund w kółko — a ten czas możesz przeznaczyć na to, dlaczego zostałeś dziennikarzem lub badaczem. Więcej praktycznych porad znajdziesz w Jak szybko przepisać audio na tekst po polsku oraz w Najlepsze narzędzia do transkrypcji języka polskiego.

Sprawdź AI transkrypcję na własnym wywiadzie. Pierwsza transkrypcja jest darmowa — załaduj plik na transkrybator.pl i przekonaj się, ile zajmuje przetworzenie godzinnej rozmowy.