Transkrypcja w Wordzie: jak zamienić nagranie na tekst (2026)

Microsoft Word potrafi transkrybować nagrania dzięki funkcji Transkrybuj: na karcie Narzędzia główne rozwiń strzałkę obok przycisku Dyktuj, wybierz Transkrybuj, a potem prześlij nagranie albo nagraj rozmowę bezpośrednio – Word utworzy transkrypcję ze znacznikami czasu i oznaczeniem mówców, którą wstawisz do dokumentu. Potrzebna jest subskrypcja Microsoft 365, funkcja nie jest dostępna w każdej wersji Worda, a przesyłanie nagrań ma miesięczny limit minut. Jeśli jej nie masz, do tego samego celu doprowadzi cię narzędzie do transkrypcji nagrań z eksportem do pliku DOCX.

Ten poradnik wyjaśnia, co robi Transkrybuj i czym różni się od Dyktuj, jakie są wymagania, jak przejść przez kolejne kroki, jak poradzić sobie z wywiadem i jak funkcja wypada na tle Dokumentów Google oraz wyspecjalizowanych narzędzi. Szczegóły opierają się na dokumentacji pomocy Microsoftu według stanu na październik 2026 r.; Microsoft zmienia sposób i zakres udostępniania funkcji Office, więc sprawdź, co pokazuje twoja wersja Worda. Nazwy przycisków podajemy według polskiego interfejsu; tam, gdzie mogą się różnić, dodajemy angielski odpowiednik.

Transkrybuj a Dyktuj: dwie różne funkcje

Osoby szukające „zamiany mowy na tekst w Wordzie" często trafiają w złe miejsce, bo Word ma dwie funkcje mowy ukryte pod tym samym przyciskiem.

• Dyktuj zamienia głos na pisany tekst w trakcie mówienia. Klikasz mikrofon, mówisz, a słowa pojawiają się w miejscu kursora. To zamiennik klawiatury: słucha wyłącznie mikrofonu w czasie rzeczywistym i nie przyjmuje plików. Przydatne przy pisaniu szkiców, bezużyteczne przy gotowym nagraniu.
• Transkrybuj (ang. Transcribe) pracuje na nagraniach. Przesyłasz plik audio lub wideo albo nagrywasz rozmowę w Wordzie, a w odpowiedzi dostajesz pełną transkrypcję podzieloną na sekcje, ze znacznikami czasu i oznaczeniem mówców. Przeglądasz ją w bocznym okienku, a potem dodajesz do dokumentu.

Jeśli masz wywiad, wykład, spotkanie albo notatkę głosową zapisaną już jako plik, potrzebujesz funkcji Transkrybuj.

Co jest potrzebne, zanim zaczniesz

Zanim zaczniesz szukać przycisku, sprawdź te punkty:

• Subskrypcja Microsoft 365. Transkrybuj nie jest częścią samodzielnych wersji Office kupowanych jednorazowo.
• Właściwa wersja Worda. Microsoft opisuje obecnie funkcję jako dostępną w Wordzie dla Microsoft 365 na Windowsie w dzierżawach komercyjnych (konta służbowe i szkolne zarządzane przez organizację) oraz w Wordzie dla sieci Web w dzierżawach rządowych. Sformułowania Microsoftu dotyczące dostępności zmieniały się z czasem, więc otwórz kartę Narzędzia główne i menu Dyktuj, żeby sprawdzić, czy opcja się u ciebie pojawia.
• Połączenie z internetem. Transkrypcja odbywa się w chmurze Microsoftu, nie na twoim komputerze.
• Obsługiwany plik. Microsoft wymienia MP3, WAV, M4A i MP4.
• Zapas minut w tym miesiącu. Subskrybenci Microsoft 365 mogą przetranskrybować do 300 minut przesłanych nagrań miesięcznie. Licencja Microsoft Copilot znacząco podnosi ten limit (Microsoft podaje obecnie 30 000 minut).
• Plik o rozsądnym rozmiarze. Strona pomocy Microsoftu nie podaje limitu rozmiaru pojedynczego pliku. Starsze poradniki często wskazują 200 MB na plik, a niektóre nowsze odpowiedzi na forum społeczności Microsoftu wspominają o 300 MB, więc jeśli duży plik się nie wgrywa, spróbuj go skompresować do mniejszego MP3 lub M4A.

Jeśli pracujesz na Macu, masz plan rodzinny lub osobisty albo konto firmowe, w którym administrator nie włączył funkcji, opcji Transkrybuj może w ogóle nie być. Wtedy przejdź od razu do porównania i sposobu z eksportem do DOCX.

Jak przetranskrybować plik audio w Wordzie

Prześlij nagranie

1. Otwórz nowy lub istniejący dokument w Wordzie i zaloguj się kontem Microsoft 365.
2. Na karcie Narzędzia główne kliknij małą strzałkę obok Dyktuj i wybierz Transkrybuj. Po prawej otworzy się okienko.
3. Kliknij opcję przesłania nagrania (w angielskim interfejsie „Upload audio") i wybierz plik. Word prześle go i zacznie transkrypcję. Długie nagrania mogą zająć trochę czasu, więc nie zamykaj okienka, dopóki proces się nie skończy.
4. Gotowa transkrypcja jest podzielona na sekcje, z których każda ma znacznik czasu i etykietę mówcy. Kliknij znacznik czasu, żeby odtworzyć dany fragment nagrania.
5. Aby poprawić błędne słowo, najedź na sekcję i użyj ikony edycji (ołówka). Aby zmienić nazwę mówcy, edytuj etykietę i zastosuj zmianę do wszystkich sekcji tej osoby.
6. Kliknij Dodaj wszystko do dokumentu, żeby wstawić całą transkrypcję, albo dodawaj pojedyncze sekcje tam, gdzie ich potrzebujesz. Word pozwala uwzględnić lub pominąć nazwy mówców i znaczniki czasu.

Gdy tekst trafi do dokumentu, jest zwykłym tekstem Worda: możesz go formatować, dodawać nagłówki, korzystać z funkcji Znajdź i zamień oraz śledzić zmiany. Microsoft zapisuje nagranie w usłudze OneDrive, a sam dźwięk nie jest osadzany w dokumencie.

Albo nagraj bezpośrednio w Wordzie

W tym samym okienku jest opcja Rozpocznij nagrywanie. Word nagrywa przez mikrofon, a nagrywanie można wstrzymywać i wznawiać. Transkrypcja powstaje po zatrzymaniu i zapisaniu nagrania, a nie jako tekst pojawiający się na żywo na stronie. Sprawdza się to przy wywiadzie twarzą w twarz albo spotkaniu, na którym laptop leży na środku stołu. Przy wideorozmowie nagranie w Wordzie rejestruje tylko to, co słyszy twój mikrofon, więc nagranie z platformy spotkań zwykle daje czystszy dźwięk.

Jak zrobić transkrypcję wywiadu w Wordzie

Przy wywiadach Transkrybuj przydaje się najbardziej – dzięki oznaczeniu mówców. Praktyczny schemat pracy:

1. Nagrywaj czysto. Postaw dyktafon lub telefon między sobą a rozmówcą, z dala od wentylatorów i brzęczących filiżanek. Nasze wskazówki dotyczące dokładności transkrypcji omawiają mikrofony i pomieszczenia dokładniej.
2. Prześlij plik do funkcji Transkrybuj, jak opisano wyżej.
3. Najpierw zmień nazwy mówców. „Mówca 1" i „Mówca 2" stają się „Prowadzącym" i imieniem rozmówcy – dla wszystkich sekcji.
4. Popraw nazwiska i terminy. Automatyczne rozpoznawanie mowy potyka się na nazwach własnych, miejscowościach i żargonie. Popraw je raz, a resztę załatw funkcją Znajdź i zamień w dokumencie.
5. Dodaj tekst do dokumentu ze znacznikami czasu, jeśli później będziesz cytować konkretne momenty, albo bez nich, jeśli transkrypcja trafia prosto do artykułu.
6. Sprawdź cytaty z nagraniem, zanim cokolwiek opublikujesz. Kliknij znacznik czasu, posłuchaj i potwierdź brzmienie.

Uważaj na pomylonych mówców, gdy ludzie sobie przerywają albo mają podobne głosy, i traktuj pierwszą automatyczną transkrypcję jako szkic. O zgodzie rozmówców, anonimizacji i kodowaniu transkrypcji w badaniach przeczytasz w naszym poradniku o transkrypcji wywiadów.

Ograniczenia, o których warto wiedzieć

Transkrybuj jest wygodne, ale ma realne ograniczenia:

• Miesięczny limit minut. 300 minut przesłanych nagrań miesięcznie to mniej więcej pięć godzinnych wywiadów. Intensywni użytkownicy szybko go wyczerpują.
• Ograniczona dostępność. Zależy od rodzaju subskrypcji, platformy i organizacji, więc nie możesz zakładać, że współpracownik czy klient też ją ma.
• Jeden język na plik. Język transkrypcji wybierasz w ustawieniach okienka; nagrania, w których mówcy przechodzą z polskiego na angielski i z powrotem, wychodzą słabo. Microsoft podaje, że funkcja obsługuje ponad 80 ustawień regionalnych.
• Ograniczony eksport. Wynik trafia do dokumentu Worda. Nie ma bezpośredniego eksportu do formatów napisów, takich jak SRT.
• Przetwarzanie w chmurze. Nagranie jest przesyłane do Microsoftu i przechowywane w OneDrive. W większości zastosowań to w porządku, ale przy wrażliwych nagraniach warto sprawdzić to z zasadami organizacji i wymogami RODO.

Word Transkrybuj, Dokumenty Google czy osobne narzędzie

Osoby szukające transkrypcji w Dokumentach Google zwykle liczą na odpowiednik tej funkcji. Nie do końca go znajdą. Pisanie głosem w Dokumentach Google (Narzędzia > Pisanie głosem) to dyktowanie na żywo: działa w aktualnych wersjach Chrome, Edge i Safari, słucha mikrofonu i wpisuje to, co usłyszy. Nie ma przesyłania plików. Można odtworzyć nagranie przez głośniki do mikrofonu, ale wynik jest zwykle słaby, a całe nagranie trzeba przesłuchać w czasie rzeczywistym.

Word Transkrybuj to naturalny wybór, jeśli już go masz i mieścisz się w miesięcznym limicie. Pisanie głosem w Dokumentach Google najlepiej nadaje się do dyktowania własnych myśli, a nie do transkrypcji nagrań. Osobna usługa sprawdzi się, gdy nie masz właściwej wersji Worda, potrzebujesz więcej minut lub języków, chcesz plików z napisami albo pracujesz z osobami bez Microsoft 365. Inne wyspecjalizowane narzędzia, takie jak Otter, TurboScribe czy Whisper uruchamiany lokalnie, również eksportują do formatów, które Word otworzy.

Jak przenieść transkrypcję z Audiotexta do Worda

Jeśli funkcja Transkrybuj nie jest dla ciebie dostępna, najszybsza droga do Worda to eksport z osobnego narzędzia. W Audiotexta eksport do DOCX należy do planu Pro; w darmowym planie eksportujesz plik TXT i wklejasz go do Worda:

1. Otwórz aplikację webową Audiotexta i prześlij plik audio lub wideo albo wklej link. Transkrypcję plików do 30 minut zaczniesz bez konta.
2. Wybierz język nagrania albo pozwól go wykryć automatycznie i przy wywiadach i spotkaniach zostaw włączone oznaczenie mówców.
3. Przejrzyj transkrypcję: popraw nazwiska i terminy, nadaj mówcom nazwy.
4. Wyeksportuj plik DOCX (Pro) i otwórz go w Wordzie albo wyeksportuj TXT (w darmowym planie, także bez konta) i wklej tekst. Nazwy mówców, akapity i, jeśli je zostawisz, znaczniki czasu trafią do dokumentu jako zwykły tekst, który możesz formatować, komentować i edytować w trybie śledzenia zmian.

TXT sprawdzi się też w każdym innym edytorze. Darmowy plan obejmuje 120 minut miesięcznie; co dodają płatne plany, znajdziesz na stronie z cennikiem. Szerszy przegląd możliwości, w tym aplikacji desktopowych i narzędzi lokalnych, znajdziesz w poradniku jak zamienić nagranie audio na tekst.

Niezależnie od narzędzia ostatni krok jest zawsze ten sam: przeczytaj transkrypcję raz, słuchając nagrania, zanim zaczniesz na niej polegać. Rozpoznawanie mowy jest wystarczająco dobre, żeby oszczędzić godziny przepisywania, ale nazwiska, liczby i cytaty zasługują na ludzką kontrolę.