Jak transkrybować wiadomości głosowe WhatsApp — i co zrobić, gdy audio jest w innym języku

Trzyminutowa notatka głosowa zawsze nadchodzi w najgorszym momencie: jesteś na spotkaniu, w głośnym miejscu lub po prostu nie możesz teraz słuchać. Dobra wiadomość: w większości przypadków nie potrzebujesz żadnej dodatkowej aplikacji — WhatsApp sam transkrybuje wiadomości głosowe, bezpośrednio na urządzeniu. Mniej dobra wiadomość: transkrypcja zawodzi w przewidywalnych sytuacjach, a jest jeden przypadek, którego nie potrafi rozwiązać — gdy audio jest w języku, którego nie znasz.

Ten przewodnik obejmuje wszystkie trzy scenariusze, od najprostszego do najbardziej pomijanego.

1. Wbudowana ścieżka: natywna transkrypcja WhatsApp

Od końca 2024 roku WhatsApp natywnie transkrybuje wiadomości głosowe w rosnącej liczbie języków. Ważne są dwa aspekty:

• Transkrypcja odbywa się na twoim urządzeniu. Audio nie jest wysyłane na serwer transkrypcji — przetwarzanie jest lokalne, a szyfrowanie end-to-end czatu pozostaje nienaruszone. To powód, by preferować natywną funkcję zamiast dowolnej aplikacji firmy trzeciej.
• Jest opcjonalna i działa dla poszczególnych wiadomości. Włączasz ją raz, a następnie transkrybujesz tylko te notatki głosowe, które chcesz.

Ścieżka (dokładne nazwy menu różnią się nieznacznie w zależności od wersji):

1. Ustawienia → Czaty → Transkrypcje wiadomości głosowych — włącz to i wybierz język. Urządzenie raz pobiera mały pakiet językowy.
2. W czacie przytrzymaj notatkę głosową → Transkrybuj. Tekst pojawia się pod samą wiadomością.

Jeśli opcji tam nie ma, zaktualizuj aplikację — funkcja była wdrażana etapami i wymaga w miarę nowej wersji WhatsApp (a na iPhonie — również nowego systemu iOS).

2. Gdzie natywna transkrypcja zawodzi — i co możesz z tym zrobić

Transkrypcja na urządzeniu jest dobra, ale to nie magia. Sposoby, w jakie zawodzi, są przewidywalne:

• Zaszumione audio, muzyka w tle lub zbyt daleki mikrofon. Lokalny model jest kompaktowy; jego jakość spada szybciej niż w przypadku transkrybera po stronie serwera. Nie ma przycisku, który by to naprawił — poproś o ponowne nagranie audio lub odsłuchaj z prędkością 1,5×.
• Mieszane języki w jednej wiadomości ("i wtedy on powiedział isso não foi o que combinamos…") — transkrypcja podąża za skonfigurowanym językiem i zniekształca fragment w innym języku.
• Dużo slangu, nazwy własne, terminy techniczne. W tekście pojawiają się luki dokładnie tam, gdzie były ważne słowa.
• WhatsApp Web / Desktop: transkrypcja to funkcja telefonu; w przeglądarce może po prostu jej nie być. Transkrybuj na telefonie.

Czego nie robić: przesyłaj dalej notatkę głosową do jakiejś nieznanej „aplikacji do transkrypcji WhatsApp”. Przesyłanie dalej zabiera wiadomość z zaszyfrowanego czatu i przekazuje ją serwerowi firmy trzeciej z polityką prywatności, której nie czytałeś. W przypadku osobistych lub służbowych nagrań rzadko jest to rozsądna wymiana — zwłaszcza że lokalna ścieżka jest dostępna za darmo.

3. Przypadek, którego transkrypcja nie potrafi rozwiązać: audio jest w innym języku

Oto najszybciej rosnący scenariusz — i taki, którego nie naprawi żaden przycisk „Transkrybuj”: dostawca w Chinach, klient w USA, krewny, który wyemigrował. Notatka głosowa dociera, transkrypcja nawet działa… a tekst nadal jest w języku, którego nie znasz.

Możesz oczywiście wkleić transkrypcję do tłumacza tekstu. To działa raz. Ale spójrz na to, czym stał się ten proces: odsłuchaj → transkrybuj → skopiuj → wklej → przetłumacz → napisz odpowiedź → przetłumacz z powrotem → nagraj. Każda pętla to tarcie, a robocze konwersacje wykonują dziesięć takich pętli dziennie. Prawdziwym problemem przestało być „zamienienie audio na tekst” — to prowadzenie rozmowy w wielu językach.

Ten problem ma własną kategorię — tłumacz głosowy — i jedno kryterium decyduje o wyborze: czy to jednorazowa fraza, czy rozmowa, która będzie trwać?

• Jednorazowa fraza: pętla transkrybuj-skopiuj-przetłumacz jest w porządku, a sprawdzi się każda aplikacja do tłumaczenia.
• Trwająca rozmowa: łańcuch notatek głosowych jest objawem — rozmawiacie przez wiadomości, ponieważ rozmowa na żywo była niemożliwa. To właśnie przypadek dla tłumaczenia spotkań na żywo: w InterMIND każda ze stron mówi we własnym języku podczas połączenia i słyszy drugą w swoim, w 22 językach, z opóźnieniem dźwięku u słuchacza poniżej sekundy — nic do transkrybowania, kopiowania czy wklejania. A spotkanie kończy się notatką podsumowującą dla tych, którzy je przegapili.

Chcesz poczuć różnicę bez umawiania czegokolwiek: otwórz /demo, odtwórz fragment audio (może to być ta dokładnie notatka głosowa) blisko mikrofonu i posłuchaj tłumaczenia na żywo zamiast je czytać.

Praktyczne podsumowanie

Transkrypcja WhatsApp to jedna z tych funkcji, które już masz w kieszeni, a połowa z nas nigdy ich nie włączyła. Włącz ją. A gdy transkrypcja nadal jest nieczytelna, ponieważ problemem jest język — problem zmienił nazwę, a narzędzie również: to rozmowa, a nie fraza.

— The Mind.com Team