Przejdź do treści
Wróć do artykułów
Opublikowano 10 lutego 2026Zaktualizowano 7 min czytaniaNagrywanie rozmów

Automatyczna transkrypcja rozmów telefonicznych: trzy drogi

Jak zamienić nagranie rozmowy telefonicznej na tekst: trzy drogi, czego oczekiwać od dokładności i dlaczego w Polsce trudniej zdobyć samo nagranie.

R
Robert Mater

W skrócie: żeby zamienić rozmowę na tekst, potrzebujesz najpierw nagrania, a to jest w Polsce trudniejsza część niż sama transkrypcja. Na iPhonie transkrypcja w aplikacji Telefon nie obsługuje polskiego, a na Androidzie nagrywanie zależy od modelu i operatora. Jeśli nagranie już masz, wystarczy wgrać plik do narzędzia. Jeśli rozmowy mają zamieniać się w tekst same, za każdym razem, transkrypcja musi dziać się po stronie numeru, a nie po stronie telefonu.

Trzy drogi, którymi nagranie staje się tekstem

DrogaKiedy ma sensCzego nie da
Transkrypcja w telefoniemasz jedną rozmowę i telefon, który to potrafina iPhonie transkrypcja nie obsługuje polskiego; na Androidzie zależy od modelu, wersji systemu i operatora
Wgranie pliku do narzędziamasz już nagranie i chcesz z niego tekstwymaga ręcznej pracy przy każdej rozmowie; nagranie musisz zdobyć wcześniej
Transkrypcja po stronie numerurozmowy mają zamieniać się w tekst automatyczniewymaga skonfigurowania numeru; nie dotyczy rozmów w komunikatorach

Poniżej każda z nich po kolei, razem z tym, na co realnie liczyć.

Droga 1: transkrypcja w telefonie

Najwygodniejsza i najmniej dostępna. Apple dodało nagrywanie razem z transkrypcją w iOS 18.1, ale transkrypcja w aplikacji Telefon obsługuje tylko wybrane odmiany angielskiego, hiszpańskiego, japońskiego, koreańskiego, chińskiego i portugalskiego. Polskiego na tej liście nie ma (dostępność funkcji iOS, sprawdzone 20 października 2026 r.). Na Androidzie bywa różnie: Google podaje, że nagrywanie w aplikacji Telefon działa tylko na niektórych urządzeniach, u niektórych operatorów i nie we wszystkich krajach (pomoc Google, sprawdzone 20 października 2026 r.), a producenci różnicują własne rozwiązania regionem sprzedaży.

Praktyczny wniosek jest taki, że nie da się na tym oprzeć procesu, bo dwie osoby w jednym zespole mogą mieć dwa różne zachowania tego samego modelu telefonu. Szerzej opisaliśmy te ograniczenia w tekście jak nagrywać rozmowy telefoniczne.

Droga 2: wgranie pliku do narzędzia

Jeśli nagranie już masz — z dyktafonu, z połączenia konferencyjnego, z systemu, który je zapisał — zamiana na tekst jest dziś prosta i tania. Wgrywasz plik i dostajesz tekst; czas zależy od długości nagrania i od narzędzia.

Trzy rzeczy, o których warto wiedzieć przed pierwszym razem:

  • Format i długość mają znaczenie. Nagranie z rozmowy telefonicznej jest wąskopasmowe, czyli zapisane w gorszej jakości niż nagranie z mikrofonu. Ta sama usługa da na nim wyraźnie słabszy wynik niż na podcaście.
  • Rozdzielenie mówców to osobna funkcja. Sama transkrypcja da Ci ścianę tekstu; przypisanie zdań do rozmówców jest oddzielną rzeczą i nie każde narzędzie ją ma.
  • Gdzie trafia plik. Wgrywając rozmowę z klientem do losowej usługi, przekazujesz jej dane osobowe klienta. Przy rozmowach firmowych to jest pytanie o umowę powierzenia, a nie o wygodę.

Droga 3: transkrypcja po stronie numeru

Rozmowa przechodzi przez numer obsługiwany przez system, więc nagranie i tekst powstają same, przy każdej rozmowie, bez pamiętania o czymkolwiek. Znika też problem z drogi pierwszej, bo nic nie zależy od modelu telefonu ani od aktualizacji Androida.

Ceną jest konfiguracja numeru, więc to nie jest rozwiązanie na jedną rozmowę. Za to jest jedyne, które działa tak samo za każdym razem i przeżywa wymianę telefonu pracownika. W Heilo wygląda to tak: notatki z rozmów telefonicznych przez numer firmowy czekają w panelu po rozmowie. W Heilo Line każdy handlowiec dostaje własny numer firmowy +48. Heilo rejestruje na nim rozmowy przychodzące i wychodzące rozpoczęte przez „Zadzwoń przez Heilo”, a transkrypcja, podsumowanie i zadania trafiają do Twojego CRM-a przez API, webhooki, Zapier lub Make, gdy skonfigurujesz integrację. Więcej o tym przeczytasz na stronie nagrywanie rozmów handlowców. Ceny netto za numer miesięcznie: Heilo Voicemail 49 zł, Heilo Select 99 zł, Heilo Line 399 zł; w Heilo Line w cenie jest 6 godzin rejestrowanych rozmów na numer w okresie rozliczeniowym, a każda kolejna godzina kosztuje 55 zł netto, liczona co do minuty i doliczana do następnej faktury (cennik).

Czego naprawdę spodziewać się po dokładności

Nie ma jednej liczby, którą dałoby się tu uczciwie podać, i każda taka liczba w poradniku jest podejrzana. Wynik zależy od kilku rzeczy naraz:

  • Jakość połączenia. Rozmowa przez głośnik w samochodzie i rozmowa ze słuchawki to dwa różne materiały wejściowe.
  • Liczba mówców i wchodzenie sobie w słowo. Nakładające się głosy psują transkrypcję bardziej niż szum tła.
  • Nazwy własne, adresy, numery. To właśnie w nich pojawia się większość błędów, a jednocześnie to one są zwykle powodem, dla którego w ogóle chcemy tekst.
  • Długość. Im dłuższa rozmowa, tym większa szansa, że gdzieś w środku coś się rozjedzie.

Rozsądne oczekiwanie brzmi: tekst będzie dobry do przeszukiwania i do przypomnienia sobie ustaleń, a nie będzie dokumentem, pod którym można się podpisać bez czytania. Źródłem prawdy zostaje nagranie, nie transkrypcja. W Heilo nagranie jest przechowywane domyślnie 365 dni, a potem usuwane; transkrypcja zostaje. Ważne ustalenia sprawdź więc w nagraniu wcześniej.

Jak sprawdzić dokładność na rozmowach własnego zespołu, opisuje test jakości transkrypcji na 20 nagraniach.

Polski jest trudniejszy niż angielski

To nie jest narzekanie, tylko właściwość języka. Fleksja sprawia, że to samo nazwisko pojawia się w kilku formach, a system musi je rozpoznać jako jedno. Do tego dochodzą liczebniki odmieniane przez przypadki, skróty branżowe i nazwy firm, które nie wyglądają jak polskie słowa.

Praktyczne skutki, które zobaczysz od razu:

  • Nazwiska i nazwy firm wymagają poprawki częściej niż reszta tekstu.
  • Kwoty i daty warto sprawdzić w nagraniu, zanim się na nie powołasz.
  • Krótkie potwierdzenia w rodzaju „mhm” bywają gubione, a czasem to one niosą zgodę.

Dlatego przy rozmowach z klientami sensowniejsze jest traktowanie transkrypcji jako mapy nagrania — pozwala znaleźć moment, w którym padło ustalenie — niż jako zamiennika odsłuchu.

Kiedy sam tekst nie wystarcza

W firmie problemem rzadko jest brak tekstu. Problemem jest to, że tekst leży osobno od kontaktu, od terminu i od zadania, które z rozmowy wynikło. Trzy tygodnie później nikt nie pamięta, w którym pliku szukać.

Użyteczna transkrypcja to taka, która trafia tam, gdzie pracujesz: przypisana do kontaktu, z wyciągniętymi ustaleniami i następnym krokiem, dostępna dla całego zespołu, również dla połączeń, których nikt nie odebrał. Przy nieodebranych połączeniach Heilo Voicemail zamienia wiadomość na tekst, gdy ustawisz przekierowanie u operatora. Opisaliśmy to w tekście jak zamienić pocztę głosową na tekst.

Podsumowanie

Zamiana rozmowy na tekst dawno przestała być trudną częścią. Trudna część jest wcześniej — w zdobyciu nagrania, na które w polskim telefonie często nie ma sposobu — i później, w tym, żeby tekst nie wylądował w folderze, do którego nikt nie zagląda. Dla jednej rozmowy wystarczy wgrać plik do narzędzia. Dla firmy liczy się to, żeby tekst powstawał sam i trafiał tam, gdzie jest sprawa klienta.

Chcesz, żeby transkrypcja powstawała automatycznie przy każdej rozmowie na numerze firmowym? Zobacz: Nagrywanie rozmów telefonicznych dla firm. Wynik jednej rozmowy obejrzysz w demo Heilo; połączenie z numerem demo jest płatne według taryfy Twojego operatora.

FAQ

Czy mogę wgrać nagranie rozmowy z klientem do dowolnej usługi transkrypcji?

Technicznie tak, prawnie to jest przekazanie danych osobowych klienta podmiotowi zewnętrznemu. Przy rozmowach firmowych potrzebujesz umowy powierzenia i wiedzy, gdzie te dane są przetwarzane. Osobno opisaliśmy obowiązki przy nagrywaniu: prawo nagrywania rozmów telefonicznych.

Czy transkrypcja działa na żywo, w trakcie rozmowy?

Bywa dostępna, ale przy rozmowie telefonicznej rzadko jest tym, czego naprawdę potrzeba. Tekst na żywo trudno czytać i jednocześnie rozmawiać; użyteczniejsze jest podsumowanie po zakończeniu.

Dlaczego transkrypcja gubi nazwiska i kwoty?

Bo to są słowa, których model nie może zgadnąć z kontekstu tak łatwo jak zwykłych zdań, a nagranie telefoniczne jest wąskopasmowe. To jednocześnie najczęstsze miejsce błędów i najczęstszy powód, dla którego chcemy tekst — dlatego akurat te fragmenty warto sprawdzić w nagraniu.

Czy da się transkrybować rozmowy z WhatsAppa?

To osobny problem, bo takie połączenie nie przechodzi przez sieć telefoniczną i nie da się go nagrać w sposób, na którym można polegać. Opisaliśmy go w tekście o nagrywaniu rozmów w komunikatorach.

Ile trwa transkrypcja nagrania?

Przy wgrywaniu pliku zależy to od długości nagrania i od narzędzia. W Heilo przetwarzanie zaczyna się automatycznie po zakończeniu rozmowy, a nagranie, transkrypcja i podsumowanie pojawiają się w panelu po chwili. Nie obiecujemy konkretnego czasu.