Převod videa na text

Klíčové poznatky pro video editory

• Automatický přepis ušetří až 70 % času věnovaného ručnímu zapisování — místo opisování dialogů se můžete soustředit na samotný střih.
• Titulky pro neslyšící nejsou jen „fajn věc“, ale právní povinnost — podle zákona č. 424/2023 Sb. a požadavků RRTV musíte u televizního a VOD vysílání zajistit skryté titulky ².
• Přepis není jen text, ale strukturované metadata — správně označené časové kódy a identifikace mluvčích umožňují prohledávat hodinové záznamy během vteřin.
• AI nástroje dokážou vytvořit nejen přepis, ale i shrnutí, akční body nebo SRT soubory — stačí jeden export a máte hotové titulky pro YouTube, Vimeo nebo televizní vysílání.
• Kontrola kvality přepisu je stejně důležitá jako samotný střih — i ta nejlepší AI dělá chyby v odborných termínech, dialektech nebo při šumu na pozadí.

1. Proč video editor potřebuje převod videa na text? (Reálný workflow)

Představte si typický den: dostanete hodinový rozhovor, který musíte sestříhat na desetiminutové video. Než začnete stříhat, potřebujete vědět, kde přesně padla klíčová otázka, jak zněla odpověď a zda v ní není chyba. Bez přepisu musíte nahrávku několikrát přehrávat, zapisovat si časové kódy a doufat, že vám nic neunikne. To je ztráta času i koncentrace.

Automatický převod videa na text (přepis řeči na text) vám dá během pár minut kompletní textový přepis s vyznačenými časovými kódy. Můžete ho prohledávat, kopírovat a rovnou z něj vytvářet titulky. Pro video editory v mediálním průmyslu to znamená:

• rychlejší orientaci v materiálu,
• snadnější tvorbu střihového seznamu (paper edit),
• možnost automatického generování titulků ve formátech SRT a VTT,
• lepší spolupráci s redaktory, kteří nemusí koukat na video, stačí jim text.

1.1 Kde všude se přepis hodí

• Dokumentární filmy — hodiny rozhovorů, které je třeba přepsat a vytřídit.
• Televizní magazíny — rychlá tvorba titulků pro aktuální vysílání.
• Online videa a tutoriály — přesné titulky zvyšují dostupnost a sledovanost.
• Corporate videa — interní školení, kde je potřeba archivovat obsah.

2. Před samotným přepisem: Jak připravit audio stopu

Aby AI přepis fungoval co nejlépe, musíte mu dodat kvalitní vstup. Zde jsou praktické kroky, které dělám před každým přepisem:

1. Vyčistěte audio — odstraňte šum, sykavky a dunění v pozadí. Ideální je použít dynamický kompresor a noise gate přímo v DAW nebo střihovém programu.
2. Normalizujte hlasitost — všechny hlasy by měly být zhruba stejně hlasité. Vyhnete se situaci, kdy AI „slyší“ jen jednoho mluvčího.
3. Oddělte mluvčí — pokud to jde, nahrajte každého na vlastní stopu. AI pak snáze rozpozná, kdo mluví.
4. Vyhněte se překrývání — pokud mluví dva lidé současně, přepis bude nepřesný. Ve střihu lze překrývající se pasáže snadno odstranit.

2.1 Co dělat, když je audio nekvalitní

Někdy nemáte možnost nahrávku ovlivnit (například archivní záznam z tiskové konference). V takovém případě:

• použijte nástroj na potlačení šumu (např. v Audacity nebo Adobe Audition),
• zvyšte hlasitost cílových frekvencí (okolo 2–4 kHz),
• vyzkoušejte přepis na kratším úseku, abyste otestovali přesnost.

3. Jak probíhá automatický přepis: od nahrání po export

Samotný proces přepisu je dnes velmi jednoduchý. Ukážu vám ho na příkladu nástroje Speechyou, který podporuje přes 1700 jazyků a dokáže zpracovat i delší soubory.

3.1 Nahrání a volba jazyka

Nahrajete video nebo audio soubor (nejčastěji MP4, MOV, WAV nebo MP3). Systém automaticky detekuje jazyk, nebo ho můžete nastavit ručně. Pro češtinu je důležité vybrat správný dialekt – spisovná čeština vs. obecná čeština.

3.2 Generování přepisu

Během několika minut (záleží na délce nahrávky) dostanete hotový přepis s časovými kódy. Můžete si ho prohlédnout a upravit přímo v aplikaci. Některé nástroje umožňují i poslech synchronizovaný s textem – kliknete na slovo a přehraje se příslušná část videa.

3.3 Export do formátů pro střih a titulky

Nejčastější formáty, které jako video editor využijete:

• SRT (SubRip) — standardní formát titulků pro YouTube, Vimeo, televizní vysílání.
• VTT (WebVTT) — pro webová videa a HTML5 přehrávače.
• TXT — čistý textový přepis bez časových kódů.
• JSON — strukturovaná data pro další zpracování (např. do střihového programu).

4. Tvorba titulků pro osoby se sluchovým postižením (SDH)

Nejde jen o komfort, ale o zákon. Podle zákona č. 424/2023 Sb. a požadavků RRTV musí provozovatelé televizního vysílání a VOD služeb zajistit skryté titulky pro nejméně 70 % vysílacího času ². Pro video editory to znamená, že umět vytvářet skryté titulky pro neslyšící (SDH) je základní dovednost.

Jaké parametry by měly SDH titulky splňovat? Podle dokumentu Asociace organizací neslyšících, nedoslýchavých a jejich přátel (ASNEP) ¹:

• Maximálně dva řádky na obrazovce.
• Doba zobrazení 3–6 sekund v závislosti na délce textu.
• Identifikace mluvčího – jméno nebo barevné rozlišení.
• Zvukové efekty v hranatých závorkách (např. [zvuk klaksonu]).
• Hudba označená symbolem ♪ nebo textem [hudba].

4.1 Automatické vs. ruční titulkování

I když AI dokáže vygenerovat základní přepis, SDH titulky vyžadují lidskou kontrolu. AI nerozpozná ironii, nesprávně přepíše cizí slova a neoznačí zvukové efekty. Proto je ideální workflow:

1. Nechat AI vytvořit hrubý přepis a SRT.
2. Projít text, opravit chyby a doplnit identifikaci mluvčích.
3. Zkontrolovat časování – každá věta by měla být na obrazovce dostatečně dlouho.
4. Exportovat finální SRT a vložit do střihového programu.

5. Porovnání workflow: Manuální vs. automatizovaný převod videa na text

Následující tabulka ukazuje praktické rozdíly mezi oběma přístupy. Vychází z reálné zkušenosti – data jsou orientační, ale odpovídají průměrným hodnotám v malé produkci.

6. Praktická kontrola kvality: checklist pro video editory

Než přepis nebo titulky odešlete do světa, projděte si tento seznam:

• Časové kódy odpovídají videu – první slovo začíná přesně v místě, kde mluvčí začíná.
• Žádné chyby ve jménech a odborných termínech – AI často plete méně známá slova.
• Identifikace mluvčích – každý mluvčí je označený, ideálně i barvou.
• Délka titulků – žádný titulek není kratší než 1 sekunda ani delší než 7 sekund.
• Maximálně 42 znaků na řádek (pro SDH) – delší řádky se špatně čtou.
• Zvukové efekty a hudba – doplněny v hranatých závorkách.
• Interpunkce – tečky, čárky a otazníky musí být na správných místech.

7. Pohled produktového týmu: Jak jsme navrhovali přepis pro editory

— Corneliu z Speechyou

Když jsme v Speechyou navrhovali workflow pro převod videa na text, neptali jsme se „Jak udělat co nejpřesnější přepis?“, ale „Jak editorovi ušetřit co nejvíc času a zároveň mu dát kontrolu nad výsledkem?“. Věděli jsme, že video editor není překladatel – potřebuje nástroj, který se přizpůsobí jeho tempu, ne naopak.

Rozhodli jsme se pro přístup, kde je přepis jen začátek. Podporujeme přes 1700 jazyků, protože naše komunita editorů pracuje s globálním obsahem. Ale klíčová je možnost ihned exportovat do formátů, které editoři skutečně používají: SRT pro titulky, VTT pro web a JSON pro integraci do střihových programů.

Největší výzvou byla čeština – skloňování, dlouhé věty a dialekty. Proto jsme do trénovacích dat zařadili tisíce hodin českého mluveného slova z různých regionů. Výsledek není dokonalý, ale s každou aktualizací se zlepšuje. A hlavně – editor má vždy možnost text upravit, než ho použije dál. To je pro nás základ: technologie má sloužit, ne diktovat.

8. Implementace do stávajícího workflow: Krok za krokem

Pokud chcete převod videa na text začlenit do své každodenní praxe, postupujte takto:

1. Vyberte jeden nástroj a otestujte ho na krátkém vzorku (5–10 minut).
2. Nastavte si šablonu pro export – například výchozí formát SRT, český jazyk, identifikaci mluvčích.
3. Vytvořte si proces kontroly – stejný checklist jako výše, ale přizpůsobený vašemu typu obsahu.
4. Integrujte do střihového programu – některé nástroje (včetně Speechyou) umožňují přímý export do Premiere Pro, DaVinci Resolve nebo Final Cut.
5. Školte tým – všichni editoři by měli vědět, jak přepis použít a jak kontrolovat kvalitu.
6. Průběžně vyhodnocujte – po měsíci porovnejte, kolik času jste ušetřili vs. kolik času věnujete korekturám.

8.1 Časté chyby při implementaci

• Spoléhání se na AI bez kontroly – i ta nejlepší AI udělá chybu, která v titulcích vypadá trapně.
• Ignorování metadat – bez časových kódů a identifikace mluvčích je přepis k ničemu.
• Příliš dlouhé věty – v titulcích musíte text rozdělit na kratší celky, jinak je nečitelný.

Často kladené otázky (FAQ)

Jaký je nejlepší formát titulků pro video editory?

Nejčastěji se používá SRT – podporuje ho téměř každý střihový program a všechny hlavní platformy (YouTube, Vimeo, Facebook). Pro webová videa je vhodný VTT, který umožňuje pokročilejší formátování (např. barva písma nebo pozice titulků).

Může AI přepis nahradit lidského titulkáře?

U běžného obsahu (rozhovory, vlogy, tutoriály) ano, ale s výhradami. Pro skryté titulky pro neslyšící (SDH) je lidská kontrola nezbytná – AI nedokáže spolehlivě označit zvukové efekty, hudbu ani ironii. Ideální je kombinace: AI udělá 80 % práce, člověk doladí zbytek.

Kolik stojí automatický převod videa na text?

Ceny se liší podle nástroje a objemu. Některé služby nabízejí bezplatné zkušební verze (např. Speechyou umožňuje až 3 přepisy denně zdarma bez nutnosti zadávat platební údaje). Komerční tarify se pohybují od 0,50 Kč do 5 Kč za minutu nahrávky v závislosti na jazyce a funkcích.

Podporuje přepis i jiné jazyky než češtinu?

Ano, většina moderních nástrojů podporuje desítky až stovky jazyků. Speechyou například podporuje přes 1700 jazyků včetně regionálních dialektů. Důležité je, aby systém automaticky detekoval jazyk, nebo abyste měli možnost ho nastavit ručně.

Jak dlouho trvá přepis hodinového videa?

Samotné generování trvá obvykle 5–15 minut v závislosti na délce a vytížení serveru. Pak je potřeba počítat s 30–60 minutami na korekturu a úpravy. Celkově je to stále mnohem rychlejší než ruční přepis (4–8 hodin).

Musím mít pro přepis speciální hardware?

Ne, všechny moderní nástroje fungují plně v cloudu. Potřebujete jen stabilní internetové připojení a webový prohlížeč. Nahrávku odešlete na server, který ji zpracuje a vrátí hotový přepis. Výjimkou jsou offline nástroje, které vyžadují výkonnější grafickou kartu.

Jak zajistit, aby přepis splňoval požadavky RRTV na přístupnost?

Postupujte podle směrnice WCAG 2.2 a normy EN 301 549, které jsou podrobně popsány v návodném dokumentu Ministerstva průmyslu a obchodu ³. Základní pravidla: titulky musí být synchronizované, čitelné (dostatečná velikost písma, kontrast) a musí obsahovat identifikaci mluvčích a zvukových efektů.

Závěr: Začněte s jedním kliknutím

Převod videa na text není budoucnost – je to současnost. Video editoři, kteří automatizaci ignorují, ztrácejí desítky hodin měsíčně. Ať už pracujete na dokumentu, televizním pořadu nebo online videu, přepis vám ušetří čas, zlepší kvalitu a pomůže splnit legislativní požadavky.

Vyzkoušejte Speechyou ještě dnes – registrace je zdarma a prvních několik přepisů zvládnete bez placení. Stačí nahrát video a během pár minut máte hotový text i titulky.

Začněte na https://app.speechyou.com/sign-up

Zdroje:

1. <a id="ref1"></a>ASNEP – Technické a funkční parametry titulků pro osoby se sluchovým postižením. https://www.asnep.cz/technicke-a-funkcni-parametry-titulku-pro-osoby-se-sluchovym-postizenim/
2. <a id="ref2"></a>RRTV – Požadavky na přístupnost služeb. https://rrtv.gov.cz/cz/static/prehledy/pozadavky-na-pristupnost-sluzeb/index.htm
3. <a id="ref3"></a>Ministerstvo průmyslu a obchodu – Návodný dokument F – Přístup k audiovizuálním mediálním službám (TV/VoD). https://mpo.gov.cz/assets/cz/podnikani/pristupnost-vyrobku-a-sluzeb/2026/3/Navodny-dokument-F-_-Pristup-k-audiovizualnim-medialnim-sluzbam_1.pdf