Cele mai multe greșeli de recunoaștere vocală pornesc din sunet, nu din program. Cel mai mult câștigi din patru lucruri: microfonul aproape de cel care vorbește, puțin zgomot de fond, o singură persoană vorbind odată și limba potrivită. În română mai e un punct înainte de toate: instrumentul trebuie să accepte româna, iar multe funcții integrate în telefon nu o acceptă. Apoi vorbește în propoziții întregi, într-un ritm constant, spune clar numele și cifrele și citește textul o dată înainte să-l folosești.
| Problema din text | Cauza probabilă | Ce schimbi |
|---|---|---|
| Cuvinte lipsă sau stâlcite | Microfon prea departe sau zgomot | Telefonul mai aproape, un loc mai liniștit |
| Pasaje întregi greșite | Limba setată greșit sau româna neacceptată | Verifici limba; folosești un instrument care acceptă româna |
| Nume și termeni greșiți | Cuvinte rare, pe care sistemul nu le așteaptă | Le spui clar, le spui o dată pe litere, le corectezi după |
| Două voci amestecate | Oameni care vorbesc peste alții | Pe rând; o pauză înainte de răspuns |
| Nimic | Înregistrare goală sau extrem de încetă | Verifici nivelul; testezi întâi cu un clip scurt |
Acceptă instrumentul româna?
Înainte să dai vina pe microfon, verifică limba. Ce am găsit în paginile oficiale, la 25 și 26 septembrie 2026:
| Instrument | Română? |
|---|---|
| Transcrierile de mesaje vocale WhatsApp (Android și iPhone) | Nu apare în listă |
| Recorder pe Pixel | Nu apare în listă |
| Tastarea vocală avansată din Gboard (Pixel 6 și mai nou) | Nu (doar engleză, franceză, germană, italiană, japoneză, spaniolă) |
| Dictarea obișnuită din Gboard | Google spune că „nu funcționează pentru toate limbile”; verifică limbile tastaturii |
| Asistența la transcriere Samsung (Galaxy AI) | Da, potrivit Samsung România |
| Transcrierea audio Zoom pentru înregistrările din cloud | Da, printre cele 19 limbi |
| Retexta | Da, în lista de limbi (din codul aplicației; netestat pe telefon) |
Un instrument setat pe engleză care primește română nu dă „o transcriere cu greșeli”, ci un text fără sens.
Microfonul și camera
Recomandările Google pentru serviciul său Cloud Speech-to-Text o spun simplu: „Position the microphone as close as possible to the person that is speaking, particularly when background noise is present.” În practică:
- Ține telefonul aproape de gură când dictezi, cam ca la o convorbire, și nu acoperi microfonul cu degetele sau cu husa.
- Alege o cameră liniștită. Oprește muzica, televizorul și ventilatorul. O cameră mică, cu mobilier moale, face mai puțin ecou decât bucătăria sau casa scării.
- Evită vântul. Afară, stai cu spatele la vânt sau folosește o cască cu microfon.
- Nu striga. Google recomandă și să eviți saturarea sunetului („avoid audio clipping”). Vorbitul mai tare decât normal, aproape de microfon, distorsionează semnalul.
- La o ședință, pune telefonul în mijlocul mesei, nu la un capăt, ca toate vocile să ajungă la el cam la fel de tare.
Cum vorbești
- Propoziții întregi, ritm constant. Nu trebuie să vorbești rar, dar o vorbire constantă, cu pauze scurte între idei, se transcrie mai bine decât rafalele.
- O limbă pe înregistrare. Schimbarea limbii în mijlocul frazei încurcă multe sisteme. Cuvintele englezești strecurate în română („avem un call, trimit un follow-up până la deadline”) sunt o sursă tipică de erori: dacă poți, spune-le în română sau verifică-le în text.
- Spune clar numele și cifrele. Un nume neobișnuit îl spui o dată rar sau pe litere: „Ioniță, I O N I Ț Ă”. Spune „cincisprezece” sau „unu cinci”, ca să nu se audă „cincizeci”.
- Pe rând. Când doi oameni vorbesc deodată, de obicei ies greșit amândoi.
- O pauză scurtă după ce pornești înregistrarea și înainte să o oprești, ca să nu se taie primul și ultimul cuvânt.
Setările care contează
- Alege limba vorbită acolo unde instrumentul o cere. Gboard, transcrierile WhatsApp și aplicațiile de reportofon au fiecare propria setare de limbă. Ghidul despre transcrierea WhatsApp în română arată setarea din WhatsApp.
- Adaugă nume și termeni dacă instrumentul are un vocabular sau o listă de expresii. Documentația Google recomandă indicii de cuvinte și expresii „to add names and terms to the vocabulary”.
- Păstrează fișierul original. Fiecare reînregistrare sau recomprimare pierde detalii. Transcrie fișierul făcut de reportofon, nu o copie înregistrată de pe un difuzor. Pentru serviciul său, Google recomandă formate fără pierderi (FLAC sau LINEAR16) și o frecvență de eșantionare de 16.000 Hz.
- Nu adăuga reducere de zgomot după. Google recomandă să nu folosești controlul automat al amplificării și reducerea zgomotului pentru serviciul său și spune că recunoașterea e făcută să ignore vocile și zgomotul din fundal fără filtre suplimentare.
Înregistrări care se aud greu
Dacă înregistrarea e deja făcută și se înțelege greu:
- Transcrie tot fișierul o dată și vezi care părți nu merg.
- Ascultă părțile ratate mai încet, cu căști, și scrie-le tu.
- Marchează ce nu auzi cu [neclar], în loc să ghicești. Un cuvânt ghicit într-un citat sau într-o minută e mai rău decât un gol.
- Nu te aștepta la minuni de la vorbirea de departe. Dacă tu abia auzi o voce, nici programul nu o va recupera sigur.
Cum testezi singur precizia
Precizia recunoașterii vocale se măsoară de obicei ca rata de eroare pe cuvânt (WER): WER = (S + D + I) / N, unde S e numărul de cuvinte înlocuite, D cele șterse, I cele adăugate, iar N numărul de cuvinte din textul de referință corect. Cu cât e mai mică, cu atât mai bine.
Varianta de acasă durează cinci minute:
- Alege un paragraf de circa 100 de cuvinte, cu câteva nume, cifre și diacritice.
- Citește-l cu voce tare în instrumentul tău, în condițiile obișnuite.
- Numără cuvintele greșite, lipsă sau adăugate și împarte la numărul de cuvinte din paragraf.
- Schimbă un singur lucru (distanța, camera, setarea de limbă) și repetă.
Rezultatul îți spune ce ajută pentru vocea ta, telefonul tău și camera ta. Nu compară instrumentele în general: o cifră de precizie publicată e valabilă doar pentru sunetul pe care a fost măsurată.
Ce repară o rescriere AI și ce nu
Retexta, o aplicație Android de voce în text și scriere cu AI care procesează audio în cloud, transcrie întâi și poate apoi rescrie textul. Rescrierea rezolvă bine ce face greu de citit o transcriere brută:
- punctuația, majusculele și paragrafele;
- ezitările și începuturile de frază abandonate („deci, ăăă, adică”);
- expresiile repetate și propozițiile rupte.
Dacă vrei doar transcrierea curățată, scopul Clean up a text (la More templates) e descris în aplicație așa: păstrează textul tău, corectează gramatica, punctuația și cursivitatea. Scopurile de scriere, cum ar fi Write a message sau Take notes, merg mai departe și restructurează ce ai spus. Meniurile sunt în engleză, fără interfață în română.
Ce nu poate face o rescriere e să știe că „Ioniță” a fost auzit „Ionică” sau că „cincisprezece” trebuia să fie „cincizeci”. Poate chiar să transforme un cuvânt auzit greșit într-o propoziție fluentă, care pare corectă. Verifică deci numele, cifrele, datele și sumele cu înregistrarea. Retexta marchează rezultatele cu „AI-generated. Check important details.”
Două detalii ale aplicației care ajută la precizie: Retexta recunoaște singură limba vorbită, așa că un clip cu o primă propoziție întreagă îi dă mai mult material decât un singur cuvânt. Iar dacă o înregistrare e goală sau extrem de încetă, spune asta în loc să întoarcă text („Transcription finished, but no text was produced”).
Retexta se încearcă gratuit: ca utilizator nou primești câteva rezultate Pro gratuite, pe care le vezi în aplicație, iar după ele și Transcript only cere Retexta Pro sau credite. Scopurile de rescriere și Import audio fac parte din Retexta Pro, iar copierea, partajarea sau exportul rezultatelor cer Retexta Pro sau credite.
Citește mai departe
Înregistrezi o notă vocală? Vezi transcriere audio în text pe Android. Dictezi în loc să tastezi? Citește dictare e-mail pe Android. Două voci într-o înregistrare: cum transcrii un interviu. Formate de fișiere: MP3 în text. Mai multe despre aplicație: Retexta, voce în text pentru Android.
Surse
Verificat de FLAME Apps la 25 și 26 septembrie 2026.
- Google Cloud, Best practices, Cloud Speech-to-Text (în engleză, actualizat la 18 septembrie 2026): poziția microfonului, saturare, frecvența de eșantionare, codecuri fără pierderi, fără control de amplificare sau reducere de zgomot, indicii de cuvinte. Sunt recomandări pentru serviciul Google.
- Wikipedia, Word error rate (în engleză): definiția WER = (S + D + I) / N.
- Ajutor Gboard, Introduceți text prin voce și Folosiți funcțiile avansate de tastare vocală; Ajutor Pixel, Creează, editează și gestionează transcrieri; Samsung România, Asistența la transcriere cu Galaxy AI; Centrul de ajutor WhatsApp, voice message transcripts; Zoom Support, Using audio transcription for cloud recordings: limbile acceptate.
- Codul aplicației Retexta (Android, versiunea 2026.1.23): recunoașterea automată a limbii și lista de limbi (
RecordScreen.kt,TranscriptionLanguageCatalog.kt), descrierea scopului Clean up a text și mesajele de eroare (textele aplicației).
