Jak transkrybować wideo na tekst na Macu i co macOS potrafi sam

Tekst: · Opublikowano

Wideo na tekst na Macu można transkrybować na trzy sposoby. Napisy na żywo, wbudowane w macOS, tworzą napisy do mowy z wideo w czasie rzeczywistym, w trakcie odtwarzania. Final Cut Pro, płatny edytor wideo od Apple, zamienia mowę w klipie na napisy z czasami, tylko w amerykańskim angielskim. YapToText, bezpłatna aplikacja, którą tworzę, transkrybuje sam plik wideo na Twoim Macu i daje zwykły tekst.

Wybór zależy od tego, co chcesz dostać z powrotem: napisy do śledzenia, plik napisów z czasami albo słowa do wklejenia do dokumentu. Pisanie na klawiaturze sprawia mi trudność, więc YapToText powstał po to, żeby zamieniać mowę na tekst bez klawiatury, a ścieżka dźwiękowa wideo to po prostu kolejna mowa. Potrzebny jest macOS 14 lub nowszy na układzie Apple, a pliki nie mają limitu minut.

Pobierz YapToText z Mac App StoreDo pobrania za darmo. Bez konta i bez blokad, dla macOS 14 lub nowszego na Macu z układem Apple. Kod źródłowy na GitHubie.

Ten poradnik w innych językach: English, العربية, Čeština, Dansk, Deutsch, Ελληνικά, Español, Suomi, Français, עברית, हिन्दी, Magyar, Bahasa Indonesia, Italiano, 日本語, 한국어, Norsk, Nederlands, Português, Română, Русский, Slovenčina, Svenska, ไทย, Türkçe, Українська, Tiếng Việt, 简体中文, 繁體中文

Na tej stronie: 12 sekcji
  1. Kroki
  2. Śledź wideo z Napisami na żywo
    1. Krok 1: Włącz je
    2. Krok 2: Odtwórz wideo
  3. Zrób napisy z czasami w Final Cut Pro
    1. Krok 1: Wygeneruj napisy
    2. Krok 2: Wyeksportuj je jako tekst
  4. Zamień plik wideo w tekst w YapToText
    1. Krok 1: Upuść wideo na karcie
    2. Krok 2: Weź tekst
  5. Porównaj trzy sposoby
  6. Gdy wideo się nie transkrybuje
  7. Czego YapToText nie potrafi z wideo
  8. W skrócie
  9. Poradniki
  10. Więcej poradników, po angielsku
  11. Źródła
  12. Pytania

Kroki

  1. Otwórz YapToText i przejdź na stronę <span lang="en">Utility</span>.
  2. W menu trybów karty <span lang="en">Transcribe a file</span> wybierz <span lang="en">Raw Transcription</span>, aby dostać słowa tak, jak padły, albo tryb, na przykład <span lang="en">Note</span>.
  3. Upuść plik wideo na karcie albo kliknij <span lang="en">Choose File</span> i wskaż go.
  4. Poczekaj, aż tekst pojawi się na karcie.
  5. Kliknij <span lang="en">Copy</span> albo <span lang="en">Insert</span>, aby wpisać tekst w aplikacji, w której pracujesz.

Śledź wideo z Napisami na żywo

Napisy na żywo to wbudowana w system transkrypcja Apple w czasie rzeczywistym. Apple mówi, że dźwięk jest przetwarzany na urządzeniu i że domyślnie funkcja tworzy napisy do dźwięku ze wszystkich aplikacji, więc wideo odtwarzane gdziekolwiek na Macu dostaje napisy. Napisy na żywo pomagają śledzić wideo w trakcie odtwarzania, a przewodnik Apple nie opisuje żadnego sposobu zachowania słów.

Krok 1: Włącz je

  • Ty: Wybierz menu Apple, Ustawienia systemowe, kliknij w Dostępność, a potem w Napisy na żywo i włącz je.
  • macOS: Pokazuje okno Napisy na żywo. Za pierwszym razem pobiera dane językowe, więc trzeba być raz online.
  • Sprawdź: Okno się pojawia. Apple mówi, że ukrywa się, gdy nie wykryje dźwięku. Wybierz Utrzymuj na ekranie z ikony Napisów na żywo na pasku menu, aby zostawić je widocznym.

Krok 2: Odtwórz wideo

  • Ty: Odtwórz wideo. Jeśli okno robi napisy do Twojego mikrofonu, kliknij ikonę mikrofonu w jego rogu albo wybierz Audio komputera z ikony Napisów na żywo na pasku menu.
  • macOS: Transkrybuje mowę do okna Napisy na żywo w trakcie odtwarzania.
  • Sprawdź: Napisy pojawiają się, gdy ludzie mówią. Apple mówi, że ich dokładność może być różna i nie należy na nich polegać w sytuacjach wysokiego ryzyka ani w razie zagrożenia.

Apple podaje dwa ograniczenia. Napisy na żywo wymagają Maca z układem Apple i nie są dostępne we wszystkich językach, krajach i regionach. Jego strona o dostępności funkcji wymienia angielski (Australia, Kanada, Indie, Singapur, Wielka Brytania i Stany Zjednoczone), francuski (Kanada i Francja), niemiecki (Niemcy), japoński, koreański, mandaryński (Chiny kontynentalne i Tajwan), kantoński (Chiny kontynentalne i Hongkong) oraz hiszpański (Meksyk, Hiszpania i Stany Zjednoczone).

Zrób napisy z czasami w Final Cut Pro

Funkcja Generate Captions w Final Cut Pro (który nie ma polskiego interfejsu) zamienia mowę w klipach w napisy z czasami. To droga Apple do pliku napisów, kosztuje pieniądze i działa tylko w amerykańskim angielskim.

Krok 1: Wygeneruj napisy

  • Ty: W Final Cut Pro zaznacz na osi czasu klipy z mową, a potem wybierz Edit, Generate Captions, Closed Captions albo naciśnij Shift-Command-C.
  • Sprawdź: Klipy napisów pojawiają się we własnym pasie na górze osi czasu. Za pierwszym razem Final Cut Pro pobiera swój model językowy, więc trzeba być raz online.

Krok 2: Wyeksportuj je jako tekst

  • Ty: Przekonwertuj napisy, które wychodzą w formacie iTT, na SRT, a potem wyeksportuj je jako osobny plik. Przewodnik Apple opisuje oba kroki.
  • Sprawdź: Plik SRT otwiera się w zwykłym edytorze tekstu. Apple opisuje każdy napis w nim jako numer, czas początku i końca oraz tekst.
  • Cena. $299.99 jednorazowo albo w ramach Apple Creator Studio, które jest bezpłatne przez 30 dni, a potem kosztuje $12.99 miesięcznie lub $129 rocznie dla nowych subskrybentów. Sprawdzone 3 października 2026.
  • Mac. Final Cut Pro wymaga macOS 15.6 lub nowszego, a Generate Captions wymaga Maca z układem Apple.
  • Język. Generate Captions działa tylko w amerykańskim angielskim.

Final Cut Pro chętnie zrobi więc napisy do Twojego wideo, o ile wszyscy w nim mówią amerykańskim angielskim. Apple dodaje, że hałas w tle, muzyka lub osoby mówiące jednocześnie mogą zaburzyć dokładność i czasy, i radzi najpierw użyć Voice Isolation i Noise Removal.

Zamień plik wideo w tekst w YapToText

YapToText czyta plik wideo i transkrybuje jego mowę modelem Whisper Large v3 Turbo (Q5), modelem mowy wewnątrz aplikacji, na Twoim Macu. Jest bezpłatny w Mac App Store, bez konta. Upuść wideo na karcie, a słowa wrócą jako zwykły tekst, który wkleisz gdziekolwiek.

Krok 1: Upuść wideo na karcie

  • Ty: Otwórz YapToText i przejdź na stronę Utility. W menu trybów karty Transcribe a file wybierz Raw Transcription, aby dostać słowa tak, jak padły, albo tryb, na przykład Note, aby je ukształtować. Potem upuść wideo na karcie albo kliknij Choose File i wskaż je.
  • YapToText: Rozpoznaje plik po zawartości, a nie po rozszerzeniu, transkrybuje jego mowę na Twoim Macu i uruchamia wybrany tryb.
  • Sprawdź: Tekst pojawia się na karcie. Jeśli zamiast tego pokaże się błąd, poprawki są w drabince poniżej.

Krok 2: Weź tekst

  • Ty: Kliknij Copy albo Insert, aby wpisać tekst w aplikacji, w której pracujesz.
  • YapToText: Przekazuje zwykły tekst. Send below przekazuje go do następnej karty, która przepisuje tekst przez tryb, na przykład Note lub Clean Up.
  • Sprawdź: Słowa są w Twoim dokumencie.

Co ma znaczenie przy wideo:

  • Popularne formaty. Czyta wszystko, co macOS potrafi zdekodować. Kontenery, które rozpoznaje, to między innymi MP4, MOV, M4V, 3GP, M4A, WAV, AIFF, CAF, FLAC, MP3 i AMR oraz Ogg tam, gdzie macOS go obsługuje.
  • Bez limitu minut. Plik nie ma limitu czasu i nic nie jest liczone. 30-minutowe zabezpieczenie dotyczy tylko pojedynczego dyktowania na żywo. Wideo dłuższe niż 4 minuty jest cięte w cichych miejscach na kawałki po około 2 minuty.
  • 29 języków. Wybór Language na stronie AI Models wymienia 29 języków plus Auto-detect i zaczyna od języka systemowego Twojego Maca. Poradnik o językach je wymienia.

To samo zadanie jest w panelu paska menu jako Transcribe file i na stronie History jako Transcribe File. Przy nagraniu głosowym zamiast wideo poradnik o transkrypcji nagrań z Dyktafonu na Macu zaczyna od transkrypcji Apple.

Strona History w YapToText: pole wyszukiwania, filtry daty i trybu oraz dyktowania oznaczone trybem, aplikacją i godziną.
Rysunek 1. Transcribe File leży na dole strony History, na tym samym pasku co Export.

Porównaj trzy sposoby

Sprawdzone 3 października 2026 na stronach wsparcia Apple i apple.com.

Napisy na żywoFinal Cut ProYapToText
KosztZa darmo, wbudowane w macOS$299.99 jednorazowo albo Apple Creator Studio za $12.99 miesięcznie po 30 dniach za darmoZa darmo, bez planu płatnego
Jaki Mac jest potrzebnyUkład ApplemacOS 15.6 lub nowszy; układ Apple dla Generate CaptionsmacOS 14 lub nowszy, układ Apple
Pracuje naDźwięku odtwarzanym na Macu albo mikrofonie, na bieżącoKlipach na osi czasu Final Cut ProPliku wideo lub audio
Co dostajeszNapisy w oknie w trakcie odtwarzaniaNapisy z czasami, do wyeksportowania jako plik SRTZwykły tekst do skopiowania lub wstawienia
Znaczniki czasuNie opisanoTak, każdy napis ma czasNie
Języki8 języków, w wymienionych regionachTylko amerykański angielski29 języków plus Auto-detect
Gdzie działaNa urządzeniu, według AppleNie podano; model językowy pobiera się razNa Twoim Macu

Napisy na żywo służą do śledzenia, Final Cut Pro do publikowania napisów, a YapToText do samych słów. Wybierz według tego, co chcesz dostać z powrotem: napisy do oglądania, plik napisów z czasami albo zwykły tekst. Jeśli wolisz uruchamiać Whisper samodzielnie z Terminala, opisuje to poradnik o lokalnym Whisper na Macu.

Plakat z App Store z nagłówkiem Nothing leaves your Mac nad stroną AI Models w YapToText, na której oba modele są oznaczone jako Included.
Rysunek 2. Wersja z App Store ma model mowy w środku, więc wideo nigdy nie musi być wysyłane, żeby stać się tekstem.

Gdy wideo się nie transkrybuje

Zacznij od pliku, potem ustawienia. W razie wątpliwości daj YapToText samo audio.

  1. Najpierw odtwórz. Jeśli nie słychać mowy albo jest tylko muzyka, model mowy nie ma czego transkrybować.
  2. Wyeksportuj samo audio. W QuickTime Player wybierz Plik, Eksportuj jako, Tylko dźwięk. Apple mówi, że zapisuje to plik audio Apple MPEG 4 ze ścieżką AAC, który możesz upuścić na karcie zamiast wideo.
  3. Sprawdź ochronę przed kopiowaniem. Jeśli menu Eksportuj w QuickTime Player nie pokazuje żadnych opcji, Apple mówi, że nagranie może być zabezpieczone prawami autorskimi i nie może być dystrybuowane.
  4. Ustaw język. Przy wideo w innym języku wybierz ten język albo Auto-detect language w wyborze Language na stronie AI Models.
  5. Wypróbuj większy model mowy. Pobierz go z Dictation Model Library na stronie AI Models i uruchom plik ponownie. Pobranie modelu to jedyne użycie sieci, które aplikacja zaczyna.

Poradnik o AI Models wyjaśnia każdy model i jego rozmiar.

Czego YapToText nie potrafi z wideo

  • Oznaczeń mówców. Nie mówi, kto mówi, więc rozmowa wraca jako tekst bez przypisanych nazwisk.
  • Znaczników czasu i napisów. Nie dodaje znaczników czasu i nie eksportuje SRT ani innego pliku napisów. Do napisów z czasami droga Apple to Final Cut Pro.
  • Tłumaczenia w trakcie transkrypcji. Transkrybuje to, co padło, i tego nie tłumaczy. Aby przetłumaczyć potem, zaznacz tekst i poproś Quick Edit o inny język albo uruchom Translate to English, jedną z wbudowanych AI Actions.
  • Wideo ze strumienia. Otwiera pliki na Twoim Macu, więc wideo, które gra tylko w przeglądarce, nie jest czymś, co może odczytać.
  • Niektórych Maców i wersji. Potrzebuje macOS 14 lub nowszego na układzie Apple, a dla Maców z procesorem Intel nic nie obiecuję. Wersja z Homebrew jest bez modeli i nie transkrybuje, dopóki nie pobierzesz modelu mowy. Opisuje to poradnik instalacji.

Jeśli ważne jest, kto co powiedział, tę różnicę opisuje strona porównująca YapToText i MacWhisper przy transkrypcji plików, a poradnik o Quick Edit pokazuje, jak przetłumaczyć lub skrócić transkrypcję po jej wstawieniu. YapToText daje to, co zostało powiedziane, a nie to, kto to powiedział ani kiedy.

Plakat z App Store z nagłówkiem Edit anything by voice: karta Quick Edit słucha, stosuje edycję i kończy.
Rysunek 3. Quick Edit działa na tekście zaznaczonym w dowolnej aplikacji, więc transkrypcję można przetłumaczyć lub skrócić po jej wstawieniu.

W skrócie

  • Do śledzenia. Włącz Napisy na żywo w Ustawieniach systemowych, Dostępność, na Macu z układem Apple.
  • Do pliku napisów z czasami. Użyj Generate Captions w Final Cut Pro, w amerykańskim angielskim, a potem wyeksportuj SRT.
  • Do słów jako tekstu. Upuść wideo na karcie Transcribe a file w YapToText, za darmo i na Twoim Macu.

Wideo wchodzi, słowa wychodzą i nic nie opuszcza Twojego Maca. Jeśli wideo się nie transkrybuje, a drabinka nie pomogła, naciśnij Copy Diagnostics w Settings, About i zgłoś problem na GitHubie (po angielsku), podając typ pliku. Czytam każde zgłoszenie.

Pobierz YapToText z Mac App StoreDo pobrania za darmo. Bez konta i bez blokad, dla macOS 14 lub nowszego na Macu z układem Apple. Kod źródłowy na GitHubie.

Kto to pisze. Ryleigh Newman tworzy oprogramowanie, ma trudności z pisaniem na klawiaturze i codziennie dyktuje w YapToText, aplikacji opisanej na tej stronie. Ta strona jest tłumaczeniem z angielskiego. Interfejs aplikacji i reszta witryny są po angielsku. Więcej o projekcie, po angielsku.

Poradniki

Więcej poradników, po angielsku

Źródła

Pytania

Czy Mac potrafi transkrybować wideo na tekst?

Tak, na trzy sposoby. Napisy na żywo pokazują napisy w czasie rzeczywistym, gdy wideo gra na Macu z układem Apple, Final Cut Pro generuje napisy z czasami w amerykańskim angielskim, a YapToText za darmo zamienia plik wideo w zwykły tekst na Twoim Macu.

Jak za darmo transkrybować wideo na Macu?

YapToText. Otwórz jego stronę Utility, upuść wideo na karcie Transcribe a file i skopiuj tekst. Jest bezpłatny, transkrybuje na Twoim Macu i wymaga macOS 14 lub nowszego na układzie Apple.

Czy mogę transkrybować wideo lokalnie na Macu?

Tak. YapToText transkrybuje plik modelem Whisper na Twoim Macu i niczego nie wysyła, a Apple mówi, że Napisy na żywo przetwarzają dźwięk na urządzeniu. Jedyne użycie sieci przez YapToText to pobranie modelu, które uruchamiasz samodzielnie.

Czy YapToText dodaje znaczniki czasu lub nazwy mówców?

Nie. Zwraca zwykły tekst, bez znaczników czasu, napisów i oznaczeń mówców. Do napisów z czasami Final Cut Pro od Apple generuje je w amerykańskim angielskim i może wyeksportować jako SRT.

Czy YapToText ma limit długości przy transkrypcji wideo?

Nie. Plik nie ma limitu minut i nic nie jest liczone. 30-minutowe zabezpieczenie dotyczy tylko pojedynczego dyktowania na żywo. Długie wideo jest cięte w cichych miejscach i transkrybowane po kawałku.