A beszédfelismerési hibák többsége a hangban kezdődik, nem a szoftverben. A legtöbbet négy dolog hozza: a mikrofon közel a beszélőhöz, kevés háttérzaj, egyszerre egy beszélő és a helyes nyelv. Utána beszélj egész mondatokban, egyenletes tempóban, mondd tisztán a neveket és számokat, és használat előtt olvasd el egyszer a szöveget. Az AI-átírás ezután rendbe teszi az írásjeleket és a töltelékszavakat, de egy rosszul átírt szót nem tud megjavítani.
| Hiba a szövegben | Legvalószínűbb ok | Mit változtass |
|---|---|---|
| Hiányzó vagy összezavart szavak | Túl messze a mikrofon, vagy zaj | Vidd közelebb a telefont, menj csendesebb helyre |
| Egész bekezdések hibásak | Rossz nyelvbeállítás, vagy két nyelv keveredik | Magyar beszédhez olyan eszköz, amely támogatja a magyart; egy felvétel, egy nyelv |
| Hibás nevek és márkanevek | Ritka szavak, amelyekre a rendszer nem számít | Mondd tisztán, betűzd egyszer, utána javítsd |
| Két hang összemosódik | Egymás szavába vágás | Beszéljetek felváltva, válasz előtt tarts szünetet |
| Egyáltalán nincs szöveg | Néma vagy nagyon halk felvétel | Ellenőrizd a hangerőt, előbb próbálj egy rövid klippel |
Mikrofon és helyiség
A Google a Cloud Speech-to-Text szolgáltatásához írt ajánlásaiban egyértelmű: „Position the microphone as close as possible to the person that is speaking, particularly when background noise is present.” Vagyis a mikrofon legyen a lehető legközelebb a beszélőhöz, különösen háttérzajnál. A gyakorlatban:
- Tartsd a telefont közel a szádhoz, amikor diktálsz, nagyjából olyan közel, mint telefonáláskor, és ne takard el az ujjaddal vagy a tokkal a mikrofon nyílását.
- Válassz csendes helyiséget. Kapcsold ki a zenét, a tévét, a ventilátort. Egy kis, puha bútorokkal berendezett szoba kevésbé visszhangzik, mint a konyha vagy a lépcsőház.
- Kerüld a szelet. Kint fordíts hátat a szélnek, vagy használj headsetet.
- Ne kiabálj. A Google azt is tanácsolja: „avoid audio clipping”. A mikrofonhoz közel a normálisnál hangosabb beszéd torzítja a jelet.
- Megbeszélést az asztal közepéről rögzíts, ne a végéről, hogy minden hang hasonló erővel érje el a telefont.
Ahogy beszélsz
- Egész mondatok, egyenletes tempó. Nem kell lassan beszélned, de a gondolatok közti rövid szünetekkel tagolt beszéd jobban átírható, mint a hadarás.
- Egy felvétel, egy nyelv. Ha mondat közben nyelvet váltasz, sok rendszer összezavarodik. Ha más nyelven kell idézned, legyen rövid.
- A neveket és számokat mondd tisztán. Egy szokatlan nevet mondj ki egyszer lassan, vagy betűzd: „Szőcs, sz, ő, cs”. A „tizenöt” és az „ötven” ne legyen összetéveszthető; ha kell, mondd kétszer.
- Beszéljetek felváltva. Ha ketten egyszerre beszéltek, általában mindkettő rosszul jön ki.
- Tarts rövid szünetet a felvétel indítása után és leállítása előtt, hogy az első és az utolsó szó ne vágódjon le.
A beállítások, amelyek számítanak
- Magyar beszédhez magyart támogató eszköz kell. A Gboard hangalapú gépelése, a WhatsApp átirata és a telefonok diktafonjai saját nyelvbeállítással dolgoznak, és egy rossz beállítás tönkreteszi az eredményt. Magyarul ráadásul több beépített funkció nem is működik: a WhatsApp androidos átirata csak angolul, portugálul, spanyolul és oroszul ír át, a Pixel Hangfelvevő valós idejű átírásának nyelvei között sincs magyar, és a Gboard speciális hangvezérelt írása sem támogatja a magyart. Részletek: WhatsApp átirat magyarul.
- Add hozzá a neveket és szakszavakat, ha az eszközödnek van szótára vagy kifejezéslistája. A Google dokumentációja szó- és kifejezéstippeket ajánl, „to add names and terms to the vocabulary”.
- Tartsd meg az eredeti fájlt. Minden újrafelvétel és újratömörítés részleteket veszít. A diktafon által készített fájlt írasd át, ne egy hangszóróról újra felvett másolatot. A Google a saját szolgáltatásához veszteségmentes formátumot (FLAC vagy LINEAR16) és 16 000 Hz-es mintavételt ajánl.
- Ne tegyél rá utólag zajszűrést. A Google a saját szolgáltatásánál nem javasolja az automatikus hangerő-szabályozást és a zajcsökkentést, és azt írja, hogy a felismerője külön zajszűrés nélkül is figyelmen kívül hagyja a háttérhangokat és zajt.
Nehezen érthető felvétel
Ha a felvétel már elkészült, és nehezen érthető:
- Írasd át egyszer az egészet, és nézd meg, melyik rész nem sikerült.
- A hibás részeket hallgasd vissza lassítva, fejhallgatóval, és gépeld be magad.
- Amit nem hallasz, jelöld [érthetetlen] címkével, ne találgass. Egy idézetben vagy jegyzőkönyvben egy kitalált szó rosszabb, mint egy hézag.
- A nagyon távoli beszédtől ne várj csodát. Ha te is alig hallod, a szoftver sem fogja megbízhatóan visszaadni.
Így teszteld magad a pontosságot
A beszédfelismerés pontosságát általában szóhibaaránnyal (WER, word error rate) mérik: WER = (S + D + I) / N, ahol S a helyettesített, D a kihagyott, I a betoldott szavak száma, N pedig a helyes referenciaszöveg szavainak száma. Minél kisebb, annál jobb.
Otthoni változat, öt perc:
- Válassz egy nagyjából 100 szavas bekezdést néhány névvel és számmal.
- Olvasd fel az eszközödbe a szokásos körülmények között.
- Számold meg a hibás, hiányzó és betoldott szavakat, és oszd el a bekezdés szavainak számával.
- Változtass egy dolgon (távolság, helyiség, beállítás), és ismételd meg.
Az eredmény megmutatja, mi segít a te hangodnál, a te telefonodon, a te szobádban. Az eszközöket általában nem hasonlítja össze: egy közzétett pontossági szám csak arra a hanganyagra érvényes, amelyen mérték. A magyarban a toldalékok miatt egy rossz végződés is hibás szónak számít, ezért a WER magyar szövegen szigorúbbnak tűnhet.
Mit javít az AI-átírás, és mit nem?
A Retexta, a felhőalapú hangból szöveg és AI-íróapp Androidra, előbb átír, aztán át is tudja fogalmazni a szöveget. Az átfogalmazás megbízhatóan rendbe teszi azt, ami a nyers átiratot nehezen olvashatóvá teszi:
- írásjelek, nagybetűk és bekezdések;
- töltelékszavak és nekifutások („szóval, ööö, izé”);
- ismétlések és töredékes mondatok.
Ha csak rendbe tennéd az átiratot, a Clean up a text cél (a More templates alatt) az app leírása szerint megtartja a szöveged, és javítja a nyelvtant, az írásjeleket és a gördülékenységet. Az írási célok, például a Write a message vagy a Take notes, tovább mennek, és átszerkesztik, amit mondtál. A menük angolul vannak, magyar felület nincs.
Amit az átfogalmazás nem tud: hogy a „Szőcs” helyett „szöcs” hangzott el, vagy hogy a „tizenöt” valójában „ötven” volt. Sőt, egy félrehallott szóból is gördülékeny, helyesnek tűnő mondatot formálhat. Ezért a neveket, számokat, dátumokat és összegeket vesd össze a felvétellel. A Retexta az eredményeket így jelöli: „AI-generated. Check important details.”
Két részlet, amely a pontosságot segíti: a Retexta magától felismeri a beszélt nyelvet (nem kell kiválasztanod, és a magyar szerepel a listájában), így egy rövid klipnél egy teljes első mondat többet ad neki, mint egyetlen szó. Ha pedig a felvétel néma vagy nagyon halk, ezt jelzi, és nem ad vissza kitalált szöveget („Transcription finished, but no text was produced”).
A Retexta ingyenesen kipróbálható: új felhasználóként kapsz néhány ingyenes Pro-eredményt, amelyeket az appban nézhetsz meg, utánuk a Transcript only célhoz is Retexta Pro vagy kredit kell. Az átfogalmazó célok és az Import audio a Retexta Pro részei, az eredmények másolásához, megosztásához és exportálásához pedig Retexta Pro vagy kredit kell.
Olvass tovább
Hangjegyzetet rögzítesz? Hangfelvétel szöveggé alakítása Androidon. Gépelés helyett diktálnál? E-mail diktálása Androidon. Két hang egy felvételen: interjú átírása. Fájlformátumok: MP3 szöveggé alakítása. Többet az appról: Retexta, hangból szöveg Androidra.
Források
Ellenőrizte a FLAME Apps: 2026. szeptember 25. és 26.
- Google Cloud, Best practices, Cloud Speech-to-Text (angolul; utolsó frissítés 2026. szeptember 18.): mikrofonhelyzet, torzítás, mintavétel, veszteségmentes kodekek, nincs hangerő-szabályozás és zajcsökkentés, szó- és kifejezéstippek. Ezek a Google saját szolgáltatásához szóló ajánlások.
- Wikipedia, Word error rate (angolul): WER = (S + D + I) / N.
- WhatsApp Súgóközpont, How to turn voice message transcripts on or off (angolul), Pixel telefon súgó, Átiratok létrehozása, szerkesztése és kezelése, Gboard Súgó, A speciális hangvezérelt írási funkciók használata: a támogatott nyelvek.
- A Retexta kódja (Android, 2026.1.23-as verzió): automatikus nyelvfelismerés és nyelvlista (
RecordScreen.kt,TranscriptionLanguageCatalog.kt), a Clean up a text cél leírása és a hibaüzenetek (az app szövegei).
