Večina napak pri pretvorbi govora v besedilo nastane v posnetku, ne v programu. Največ pridobiš s štirimi stvarmi: mikrofon blizu govorca, malo hrupa v ozadju, en govorec naenkrat in pravi jezik. Nato govori v celih stavkih in enakomerno, imena in števila izgovori razločno in besedilo enkrat preberi, preden ga uporabiš. Pri slovenščini je še ena ovira: mnoga vgrajena orodja je ne podpirajo ali ji manjkajo funkcije, zato je izbira orodja del natančnosti.
| Težava v besedilu | Najverjetnejši vzrok | Kaj spremeniti |
|---|---|---|
| Manjkajoče ali popačene besede | Mikrofon predaleč ali hrup | Telefon bližje, tišji prostor |
| Cele povedi napačne | Napačen jezik ali mešanje dveh jezikov | Pravi jezik; en jezik na posnetek |
| Napačna imena in blagovne znamke | Redke besede, ki jih sistem ne pričakuje | Izgovori razločno, enkrat črkuj, popravi pozneje |
| Dva glasova zlita v enega | Ljudje govorijo drug čez drugega | Izmenično; kratek premor pred odgovorom |
| Sploh nič | Tih ali skoraj tih posnetek | Preveri raven vhoda; najprej preizkusi kratek posnetek |
Mikrofon in prostor
Googlova priporočila za storitev Cloud Speech-to-Text so jasna: „Position the microphone as close as possible to the person that is speaking, particularly when background noise is present“ (mikrofon čim bližje govorcu, posebej ob hrupu). V praksi:
- Telefon drži blizu ust, ko narekuješ, približno tako kot med klicem, in odprtine mikrofona ne pokrij s prsti ali ovitkom.
- Izberi tih prostor. Izklopi glasbo, televizijo in ventilatorje. Majhna soba z mehkim pohištvom odmeva manj kot kuhinja ali stopnišče.
- Izogni se vetru. Zunaj se obrni stran od vetra ali uporabi mikrofon na slušalkah.
- Ne kriči. Google svetuje tudi, naj se izogneš prekrmiljenju (clipping). Glasnejši govor tik ob mikrofonu popači signal.
- Sestanek snemaj s sredine mize, ne s konca, da vsak glas pride do telefona s podobno jakostjo.
Kako govoriš
- Celi stavki, enakomeren tempo. Ni ti treba govoriti počasi, a enakomeren govor s kratkimi premori med mislimi se prepiše bolje kot izbruhi.
- En jezik na posnetek. Preklapljanje med slovenščino, angleščino ali hrvaščino sredi stavka zmede mnoge sisteme. Če moraš navesti tuj izraz, naj bo kratek.
- Knjižno, kadar je pomembno. Kako dobro orodja razumejo narečja in pogovorne oblike, za slovenščino nismo merili. Pri besedilih, kjer šteje vsaka beseda, govori bolj knjižno.
- Imena in števila razločno. Nenavadno ime povej enkrat počasi ali ga črkuj: „Tjaša, T J A Š A“. „Petnajst“ in „petdeset“ se lahko slišita podobno; po potrebi reci „ena pet“.
- Izmenično. Ko dva govorita hkrati, sta običajno oba napačna.
- Po začetku snemanja in pred koncem kratko počakaj, da prva in zadnja beseda nista odrezani.
Nastavitve, ki štejejo
- Preveri, ali orodje sploh podpira slovenščino. Za prepise WhatsAppa na Androidu, napredno glasovno tipkanje v Gboardu (samodejna ločila), Snemalnik na Pixlu, Samsungov Transcript assist in Zoomov zvočni prepis slovenščine na seznamih jezikov ni (preverjeno 25. do 28. septembra 2026). Z napačno nastavljenim jezikom je rezultat neuporaben. Več v vodniku WhatsApp prepis in slovenščina.
- Dodaj imena in izraze, če ima orodje seznam besed ali fraz. Googlova dokumentacija priporoča namige za besede in fraze „to add names and terms to the vocabulary“.
- Obdrži izvirno datoteko. Vsako ponovno snemanje ali stiskanje izgubi podrobnosti. Prepiši datoteko, ki jo je naredil snemalnik, ne kopije, predvajane skozi zvočnik. Za svojo storitev Google priporoča formate brez izgub (FLAC ali LINEAR16) in frekvenco vzorčenja 16.000 Hz.
- Naknadno ne dodajaj odstranjevanja šuma. Google za svojo storitev odsvetuje samodejno uravnavanje jakosti in odstranjevanje šuma ter piše, da je razpoznavalnik narejen tako, da glasove in hrup v ozadju prezre sam.
Težko razumljiv posnetek
Če je posnetek že narejen in težko razumljiv:
- Celo datoteko enkrat prepiši in poglej, kateri deli ne uspejo.
- Neuspele dele poslušaj počasneje s slušalkami in jih natipkaj sam.
- Kar ne slišiš, označi z [nerazumljivo], namesto da ugibaš. Uganjena beseda v navedku ali zapisniku je slabša od praznine.
- Od zelo oddaljenega govora ne pričakuj čudežev. Če glas komaj slišiš ti, ga tudi program ne bo zanesljivo razbral.
Kako natančnost preizkusiš sam
Natančnost pretvorbe govora v besedilo se običajno meri s stopnjo napačnih besed (WER, word error rate): WER = (S + D + I) / N, kjer je S število zamenjanih besed, D izpuščenih, I dodanih, N pa število besed v pravilnem referenčnem besedilu. Nižje je boljše.
Domača različica vzame pet minut:
- Izberi odstavek s približno 100 besedami, nekaj imeni in števili.
- Preberi ga na glas v svoje orodje, v običajnih razmerah.
- Preštej besede, ki so napačne, manjkajo ali so odveč, in deli s številom besed v odstavku.
- Spremeni eno stvar (razdalja, prostor, orodje) in ponovi.
Rezultat ti pove, kaj pomaga pri tvojem glasu, telefonu in prostoru. Orodij na splošno ne primerja: objavljena številka natančnosti velja samo za zvok, na katerem je bila izmerjena.
Kaj popravi preoblikovanje z AI in česa ne
Retexta, aplikacija za Android, ki v oblaku pretvori govor v besedilo in piše z AI, najprej prepiše in nato lahko besedilo preoblikuje. Preoblikovanje zanesljivo uredi stvari, zaradi katerih se surovi prepisi berejo težko:
- ločila, velike začetnice in odstavke;
- mašila in napačne začetke („no, torej, ee, mislim“);
- ponovljene fraze in polomljene stavke.
Če želiš prepis samo urediti, je tu cilj Clean up a text (pod More templates), ki ga aplikacija opiše kot „Keep your text, fix grammar, punctuation and flow“. Cilji pisanja, kot sta Write a message in Take notes, gredo dlje in povedano preuredijo. Meniji so v angleščini, slovenskega vmesnika ni.
Preoblikovanje pa ne ve, da je bilo „Tjaša“ slišano kot „Taša“ ali da bi moralo biti „petdeset“ namesto „petnajst“. Napačno slišano besedo lahko celo spremeni v tekoč stavek, ki je videti pravilen. Zato imena, števila, datume in zneske preveri ob posnetku. Retexta rezultate označi z „AI-generated. Check important details.“ Kako dobro prepozna slovenski govor, nismo merili.
Dve podrobnosti aplikacije, ki pomagata: Retexta jezik govora prepozna sama, zato ji kratek posnetek s celim prvim stavkom da več kot ena sama beseda. Če je posnetek tih ali skoraj tih, to pove, namesto da bi vrnila besedilo („Transcription finished, but no text was produced“).
Retexto lahko preizkusiš brezplačno: kot nov uporabnik dobiš nekaj brezplačnih rezultatov Pro za ogled v aplikaciji, po njih pa tudi Transcript only zahteva Retexta Pro ali kredite. Cilji preoblikovanja in Import audio spadajo v Retexta Pro, za kopiranje, deljenje in izvoz rezultatov pa potrebuješ Retexta Pro ali kredite.
Beri naprej
Snemaš glasovni posnetek? Glej glasovni posnetek v besedilo. Narekuješ namesto tipkanja? Preberi narekovanje e-pošte na Androidu. Dva glasova na posnetku: prepis intervjuja. Formati datotek: MP3 v besedilo. Več o aplikaciji: Retexta, govor v besedilo za Android.
Viri
Preverila ekipa FLAME Apps 25. in 28. septembra 2026.
- Google Cloud, Best practices, Cloud Speech-to-Text (v angleščini, zadnja posodobitev 18. septembra 2026): položaj mikrofona, prekrmiljenje, frekvenca vzorčenja, kodeki brez izgub, brez uravnavanja jakosti in odstranjevanja šuma, namigi za besede in fraze. To so priporočila za Googlovo storitev.
- Wikipedia, Word error rate (v angleščini): definicija WER = (S + D + I) / N.
- Seznami jezikov: WhatsApp, Gboard, napredno glasovno tipkanje, Pixel Snemalnik, Samsung Voice Recorder, Zoom audio transcription.
- Koda aplikacije Retexta (Android, različica 2026.1.23): samodejno prepoznavanje jezika (
RecordScreen.kt,TranscriptionLanguageCatalog.kt), opis cilja Clean up a text in sporočila o napakah (nizi aplikacije).
