Na 192 nahrávkách jasné české řeči Transkripce chybně přepsala 4,3 % slov. Whisper large-v3, otevřený model, na kterém běží řada bezplatných nástrojů, jich pokazil 11,5 %, tedy 2,7krát víc. Googlův Gemini byl v češtině o něco přesnější: Flash i Pro shodně 3,4 %. Test proběhl 14. října 2026 v sedmi jazycích; níže najdete všechny výsledky i přesný popis metody.

Co znamená 4,3 % chybných slov

Míra se jmenuje WER (word error rate): podíl slov, která musí člověk opravit, smazat nebo doplnit, aby přepis odpovídal originálu. 4,3 % znamená zhruba 4 opravy na 100 slov. Nižší číslo je lepší.

V češtině se každá špatná koncovka počítá jako celé chybné slovo: „rozhodnutím“ místo „rozhodnutí“ je jedna chyba, i když věta zůstává srozumitelná. Proto je WER u jazyků s pády zpravidla vyšší než u angličtiny, i když je přepis plně použitelný.

Výsledky pro češtinu

Nástroj Chybných slov 95% rozpětí
Transkripce 4,3 % 3,3–5,4 %
Whisper large-v3 11,5 % 10,2–12,8 %
Gemini Flash 3,4 % 2,4–4,5 %
Gemini Pro 3,4 % 2,7–4,3 %

Rozdíl oproti Whisperu je velký a spolehlivý: ve všech 1 000 opakovaných výběrech (viz metoda níže) měl Whisper víc chyb. Oba modely Gemini byly v češtině zhruba o jeden procentní bod lepší než my. To říkáme otevřeně: v češtině jsme blízko, ale ne na úrovni Gemini.

Všech sedm jazyků

Stejný postup a stejný počet nahrávek jsme použili pro všechny jazyky, které naše weby pokrývají. Podíl chybných slov, nižší je lepší:

Jazyk Nahrávek Transkripce Whisper large-v3 Gemini Flash Gemini Pro
slovinština 195 8,7 % 20,2 % 8,1 % 7,5 %
chorvatština 199 5,5 % 10,9 % 5,6 % 4,8 %
čeština 192 4,3 % 11,5 % 3,4 % 3,4 %
slovenština 200 2,8 % 9,5 % 3,2 % 2,7 %
polština 199 3,9 % 4,9 % 3,1 % 2,5 %
rumunština 200 3,1 % 8,3 % 3,9 % 2,8 %
bulharština 197 4,3 % 12,1 % 6,2 % 4,6 %

Shrnutí: Transkripce dělá v šesti jazycích 2 až 3krát méně chyb než Whisper. U polštiny je rozdíl menší (3,9 % proti 4,9 %). S Gemini Flash jsme vyrovnaní ve slovinštině, chorvatštině a slovenštině, lepší v bulharštině a rumunštině, Flash je lepší v češtině a polštině. Gemini Pro je asi o bod lepší ve slovinštině, chorvatštině, češtině a polštině, v ostatních jazycích jsme vyrovnaní.

Čísla porovnávejte mezi nástroji v rámci jednoho jazyka, ne mezi jazyky: slovinské nahrávky byly například nejtěžší pro všechny nástroje.

Co tento test neříká

  • Nahrávky jsou jasně čtená řeč. Jeden mluvčí, tichá místnost, věty z Wikipedie. Porady s více lidmi, telefonáty, hluk a nářečí přinášejí víc chyb všem nástrojům. O kolik víc, tento test neměří.
  • Čísla se počítají jako chyba, když jsou zapsaná jinak. „2026“ a „dva tisíce dvacet šest“ jsou v testu různá slova. To zvyšuje výsledek všem nástrojům stejně.
  • Přesnost není všechno. Přepis s označením mluvčích, časovými značkami a titulky SRT ušetří víc práce než o bod méně chyb, pokud text stejně upravujete.

Chcete-li vědět, jak si nástroj poradí s vašimi nahrávkami, vezměte 2–3 minuty typické nahrávky, přepište je a spočítejte opravy. U Transkripce je první soubor do 30 minut zdarma.

Jak jsme testovali

  • Nahrávky: testovací část sady FLEURS (Google, licence CC BY 4.0), v níž rodilí mluvčí čtou věty z Wikipedie. Pro každý jazyk jsme pevnou hashovací funkcí vybrali asi 200 nahrávek, celkem 33–41 minut zvuku na jazyk. Pro češtinu 192 nahrávek, tedy 41 minut.
  • Transkripce: se stejným nastavením jako v aplikaci, tedy s modelem ElevenLabs Scribe v2, který používáme pro rozpoznávání řeči.
  • Whisper large-v3: otevřený model od OpenAI, spuštěný přes faster-whisper, beam 5.
  • Gemini: přes Google API, verze gemini-3.8-flash a gemini-3.1-pro-preview.
  • Hodnocení: vše malými písmeny, bez interpunkce, pak podíl chybných slov přes všechny nahrávky dohromady. Rozpětí ukazuje, kde ležel výsledek v 95 % z 1 000 opakovaných výběrů nahrávek.
  • Datum: 14. října 2026. Někteří mluvčí začali větu znovu; to přináší všem nástrojům stejné chyby.

Všechny přepisy a skript k zopakování testu máme uložené, takže test můžeme zopakovat, až se modely aktualizují.