Po polsku działają Good Tape, MacWhisper, Whisper Transcription, Happy Scribe, Amberscript, TurboScribe, ElevenLabs Scribe, Gemini i CallOS. Które z nich wybrać, zależy od tego, czy transkrybujesz rozmowę telefoniczną czy spotkanie, czy potrzebujesz podziału na mówców i gdzie mogą leżeć dane. Ten wpis jest dla firm, które już mają nagrania rozmów handlowych i chcą z nich tekst, notatkę albo wpis do CRM.
To pytanie wraca do nas co kilka tygodni, zwykle w wersji: „która aplikacja wypluje jakościowy transkrypt po polsku”. Odpowiedź zależy mniej od aplikacji, a bardziej od silnika mowy pod spodem i od rodzaju nagrania. W benchmarku AGH z lutego 2026 na polskich rozmowach telefonicznych ElevenLabs Scribe miał 10,6 procent błędów, a Whisper 42,3 procent.
Pocketa używamy w Sailes do rozmów po polsku na co dzień. Polski działa, a nazwiska w podziale na mówców bywają przekręcone. Dlatego przy każdym narzędziu niżej sprawdzamy to samo: czy zna polski, czy rozdziela mówców i gdzie przetwarza dane. Ceny to cenniki publiczne producentów z września 2026, przed decyzją sprawdź aktualne.
Które narzędzie wybrać dla jednej osoby: nietechnicznej, na Macu albo z małym budżetem?
Dla jednej osoby pierwszy wybór to Good Tape: działa w przeglądarce i na telefonie, zna polski, rozdziela mówców i przetwarza dane w Unii. Na Macu, gdy plik nie może opuścić komputera, wybierz MacWhisper. Przy małym budżecie TurboScribe, a do jednorazowego testu Gemini.
Good Tape jest zrobiony dla osoby nietechnicznej: wrzucasz plik na iPhonie, Androidzie albo w przeglądarce i dostajesz tekst z podziałem na mówców. Serwery stoją w Danii, a producent nie trenuje modeli na nagraniach klientów. W miesiącu masz gratis trzy nagrania po 30 minut, a plan Pro kosztuje około 13,75 euro miesięcznie za 20 godzin nagrań.
MacWhisper przetwarza plik lokalnie na Macu, więc nagranie nie wychodzi z komputera. Polski działa, a podział na mówców jest w wersji beta w planie Pro. Kosztuje 59 euro jednorazowo albo 29,99 dolara rocznie w App Store. Na iPhonie 13 i nowszych to samo robi Whisper Transcription, ale mówców rozdziela słabo, a w chmurze ma limit 25 MB na plik. Oba stoją na Whisperze, więc na rozmowie telefonicznej wypadną słabiej niż na nagraniu ze spotkania.
TurboScribe to opcja budżetowa: polski i podział na mówców działają, trzy pliki dziennie masz gratis, a plan roczny kosztuje 10 dolarów miesięcznie. Dane trzyma w USA, więc dla firmy z wymogiem danych w Unii odpada. Do jednorazowego testu wystarczy Gemini w aplikacji: w planie AI Pro przyjmie 3 godziny audio, w darmowym 10 minut, ale podział na mówców jest niepewny.
Które narzędzie wybrać dla firmy: dane w Unii, integracje albo zespół handlowców?
Firma z zapisanym wymogiem przetwarzania danych w Unii ma do wyboru Good Tape, Happy Scribe i Amberscript. Do integracji z własnym systemem służy API ElevenLabs Scribe. Dla zespołu handlowców, który chce z rozmów notatek i wpisów do CRM, a nie samego tekstu, jest CallOS.
Happy Scribe i Amberscript są kierowane do firm i rozliczają się od czasu nagrania: Happy Scribe 0,20 dolara za minutę, Amberscript 10 euro za godzinę. Oba znają polski, rozdzielają mówców i przetwarzają dane w Unii. Pasują do sporadycznych, dłuższych nagrań, więc raczej do spotkań niż do codziennych telefonów.
ElevenLabs Scribe to najlepiej udokumentowany silnik dla polskiego, ale to API, nie aplikacja. Wybierasz go, gdy transkrypcja ma wejść do własnego systemu: do CRM, do automatyzacji albo do narzędzia, które sam budujesz. Rozdziela mówców i kosztuje 0,22 dolara za godzinę nagrania. Przetwarzanie w Unii jest tylko w planie Enterprise, więc przy wymogu danych w Unii zapytaj o to przed podpisaniem umowy.
CallOS jest dla zespołu od trzech handlowców w górę. Zna polski i rozdziela mówców, ale różni się celem: z rozmowy powstaje nie tylko transkrypt, ale notatka, wpis do CRM, zadanie i feedback dla handlowca. Analiza próbna jest bezpłatna, a abonament to 100 zł miesięcznie za handlowca. Miejsce przetwarzania danych zapisujemy w umowie powierzenia.
Co nie działa po polsku i dlaczego: Otter, ChatGPT, NotebookLM i Claude
Cztery popularne narzędzia nie nadają się do transkrypcji rozmów po polsku, każde z innego powodu. Otter nie ma polskiego. ChatGPT gubi podział na mówców i działa niestabilnie. NotebookLM nie eksportuje transkryptu. Claude nie przyjmuje audio.
Otter obsługuje sześć języków i polskiego wśród nich nie ma. Nie pomoże ani lepsze nagranie, ani droższy plan, bo problem jest w silniku, nie w pliku. To samo dotyczy notatek Gemini w Google Meet, które znają osiem języków bez polskiego.
ChatGPT zwróci tekst po polsku, ale bez podziału na mówców, a wynik jest niestabilny. Do notatki z rozmowy handlowej to za mało, bo nie wiadomo, co obiecał handlowiec, a co klient. NotebookLM przetworzy nagranie, ale nie eksportuje transkryptu, więc tekst nie wychodzi z jego notatnika.
Claude nie przyjmuje plików audio, więc transkrypcji nie zrobi w ogóle. ChatGPT, NotebookLM i Claude mają miejsce dopiero po transkrypcji: dostają gotowy tekst i robią z niego podsumowanie albo listę zadań. Do samej transkrypcji weź narzędzie z dwóch poprzednich sekcji.
Kiedy transkrypcja po polsku nie działa nawet w dobrym narzędziu
Transkrypcja po polsku zawodzi w pięciu sytuacjach niezależnie od narzędzia. Pierwsza to rozmowa telefoniczna zamiast czystej mowy. Kolejne to hałas, nagranie tylko jednej strony i rozmowa na słuchawkach Bluetooth. Piąta to dane, które nie mogą opuścić Unii, gdy narzędzie przetwarza je gdzie indziej.
Rozmowa telefoniczna to inne nagranie niż spotkanie. W benchmarku AGH z lutego 2026 ElevenLabs Scribe miał na czystej mowie 2,3–3,3 procent błędów, a na polskich rozmowach telefonicznych 10,6 procent. Whisper w tym samym badaniu miał na rozmowach 42,3 procent, a Whisper large-v3 jest dobry na czystej mowie i wyraźnie słabszy na telefonie. Narzędzie do rozmów testuj więc na rozmowie z telefonu, nie na nagraniu ze spotkania.
Hałas i nagranie jednostronne psują wynik, zanim plik trafi do silnika. Dla hali, magazynu i auta producenci urządzeń nie publikują danych o jakości, więc zrób test na jednej rozmowie, zanim kupisz sprzęt dla zespołu. Część aplikacji na Androida nagrywa tylko Ciebie, bez drugiej strony, a transkrypt połowy rozmowy nie nadaje się do notatki.
Słuchawki Bluetooth wyłączają urządzenia MagSafe. Plaud i Pocket zbierają dźwięk z obudowy telefonu, więc gdy rozmawiasz przez słuchawki, nagranie nie powstaje. Dla handlowca, który dzwoni z auta, zostaje nagrywanie w sieci operatora albo centrala VoIP.
Dane poza Unią to próg, którego nie przeskoczy żadna jakość. TurboScribe przetwarza dane w USA, ElevenLabs daje Unię tylko w planie Enterprise, Plaud trzyma nagrania w swojej chmurze, a Pocket nie opisuje regionu przetwarzania. Jeśli Twoja polityka wymaga danych w Unii, zostają Good Tape, Happy Scribe, Amberscript, narzędzia lokalne albo CallOS z umową powierzenia. Przed podpisaniem sprawdź trzy rzeczy: umowę powierzenia, kraj serwerów i wyłączenie trenowania modeli na Twoich nagraniach.
Najczęstsze pytania o transkrypcję rozmów po polsku
Czy ChatGPT zrobi transkrypcję po polsku? Nie w sposób, na którym da się oprzeć notatkę. ChatGPT zwraca tekst bez podziału na mówców, a wynik jest niestabilny. Do samej transkrypcji weź Good Tape albo inne narzędzie z listy wyżej, a ChatGPT użyj dopiero do pracy na gotowym tekście.
Które narzędzie trzyma dane w Unii? Zależy od narzędzia i od planu. Good Tape przetwarza dane w Danii, Happy Scribe i Amberscript w Unii, a MacWhisper i Whisper Transcription w ogóle nie wysyłają pliku z urządzenia. ElevenLabs Scribe daje Unię tylko w planie Enterprise, TurboScribe trzyma dane w USA, a Pocket nie opisuje regionu. W CallOS miejsce przetwarzania zapisujemy w umowie powierzenia.
Czy transkrypcja z telefonu jest tak dobra jak ze spotkania? Nie. W benchmarku AGH z lutego 2026 ten sam silnik ElevenLabs Scribe miał na czystej mowie 2,3–3,3 procent błędów, a na polskich rozmowach telefonicznych 10,6 procent. Whisper na tych samych rozmowach miał 42,3 procent. Narzędzie do rozmów telefonicznych testuj na rozmowie telefonicznej.
Czy da się zrobić transkrypcję po polsku bez wysyłania nagrania do chmury? Tak. MacWhisper na Macu i Whisper Transcription na iPhonie 13 i nowszych przetwarzają plik lokalnie. Płacisz za to słabszym podziałem na mówców i gorszym wynikiem na rozmowach telefonicznych, bo oba stoją na Whisperze.
Podsumowanie: transkrypcja rozmów po polsku
Po polsku działają Good Tape, MacWhisper, Whisper Transcription, Happy Scribe, Amberscript, TurboScribe, ElevenLabs Scribe, Gemini i CallOS. Otter nie zna polskiego, ChatGPT gubi mówców, NotebookLM nie eksportuje, a Claude nie przyjmuje audio.
Silnik i rodzaj nagrania ważą więcej niż aplikacja. W benchmarku AGH z lutego 2026 na polskich rozmowach telefonicznych ElevenLabs Scribe miał 10,6 procent błędów, a Whisper 42,3 procent.
Zanim kupisz plan dla zespołu, sprawdź na jednej własnej rozmowie z telefonu trzy rzeczy: polski, podział na mówców i kraj przetwarzania danych.
Bezpłatna analiza próbna w CallOS
Jeśli masz zespół handlowców i chcesz, żeby z każdej rozmowy powstawała notatka, zadania w CRM i feedback dla handlowca, zacznij od analizy próbnej CallOS. Po zgłoszeniu odzywamy się w ciągu jednego dnia roboczego, konfigurujemy CallOS na maksymalnie trzech Twoich rozmowach i pokazujemy wyniki na spotkaniu. Analiza próbna jest bezpłatna, a abonament po wdrożeniu to 100 zł miesięcznie za handlowca plus koszty analizy AI według zużycia.
Zobacz, jak działa CallOS