# Transkrypcja z podziałem na rozmówców, czyli diaryzacja

> Transkrypcja z podziałem na rozmówców z linku lub pliku. diarize=true dodaje Speaker 1, Speaker 2 w JSON, tekście, SRT i VTT. Bez dopłat.

Canonical: https://transcript1.com/pl/features/transkrypcja-z-podzialem-na-rozmowcow
Language: pl
Last updated: 2026-10-19

Przy transkrypcji z podziałem na rozmówców dostaniesz etykiety Speaker 1, Speaker 2 itd. przy każdym fragmencie tekstu. Dodaj diarize: true, gdy przepisujesz wywiad, panel lub nagrane spotkanie i chcesz oddzielić wypowiedzi uczestników.

- Speaker 1, Speaker 2 itd. przy każdym segmencie
- Podział na rozmówców w JSON, tekście, SRT i VTT
- Do obsługiwanych linków wideo i własnych plików

## Oddziel wypowiedzi, potem przypisz je do osób

### Włącz jedną opcję

Domyślnie diarize ma wartość false. Ustaw true w POST /v1/transcriptions albo przekaż diarize do narzędzia transcribe przez MCP.

### Podział wymaga transkrypcji dźwięku

Przy source=auto opcja diarize: true pomija napisy platformy i od razu uruchamia transkrypcję AI.

### Etykiety trafiają do każdego formatu

W JSON masz transcript.speakers i pole speaker w segmentach. Tekst i SRT dostają prefiks Speaker 1:, a VTT tag głosowy.

### Sprawdzisz też rozmówcę przy słowie

Pobierz JSON z include=words. Dostaniesz czasy pojedynczych słów wraz z przypisanymi etykietami rozmówców.

### Sprzecznych ustawień nie pomijamy

Połączenie source: captions z diarize: true zwróci 422 invalid_request. API nie wyłączy po cichu podziału na rozmówców.

## Jak włączyć podział na rozmówców przez API

W JSON ustaw diarize na true. Jeśli wysyłasz plik, dodaj tę samą opcję jako pole formularza. [Sprawdź dozwolone połączenia z source](https://transcript1.com/pl/docs/sources-and-options#diarize).

Włącz tę opcję do wywiadu, panelu albo rozmowy prowadzącego z gościem. Przy notatce głosowej jednej osoby zwykle wystarczą sam tekst i znaczniki czasu.

Diaryzacja audio dzieli nagranie według tego, kto mówi. Nie ustala nazwiska, nie rozpoznaje konta i nie potwierdza tożsamości po głosie.

Podział wybierasz przy tworzeniu transkrypcji, bo zmienia sposób przetwarzania nagrania. Nie dodasz go samą zmianą formatu pobrania. Przy source=auto pominiemy napisy. Własne pliki zawsze przepisujemy z audio, więc ich obsługa nie zależy od napisów na żadnej platformie.

### Upload z podziałem na rozmówców

```
curl -X POST "https://api.transcript1.com/v1/transcriptions?wait=60" \
  -H "Authorization: Bearer $TRANSCRIPT1_API_KEY" \
  -F file=@panel.m4a \
  -F diarize=true
```

## Lista rozmówców i etykieta przy każdym segmencie

W transcript.speakers znajdziesz listę etykiet, a w każdym segmencie pole speaker. Takie transkrypcje mają transcript_source: speech_to_text, bo napisy nie dostarczają informacji o rozmówcach. [Sprawdź strukturę odpowiedzi](https://transcript1.com/pl/docs/api-reference#the-transcription-object).

Po odsłuchaniu nagrania możesz przypisać Speaker 1 i Speaker 2 do konkretnych osób. Zapisz to powiązanie w aplikacji lub poprawionej kopii tekstu. W kolejnym nagraniu Speaker 1 może oznaczać zupełnie inną osobę.

Na podstawie pola speaker zbudujesz widok rozmowy. Jeśli potrzebujesz dokładniejszych czasów, pobierz include=words. Zachowaj początek i koniec segmentu w sekundach, żeby czytelnik mógł wrócić do audio.

Poniższy JSON pokazuje przykładowy układ danych. Nie przedstawia transkrypcji konkretnego panelu.

### Skrócona odpowiedź JSON

```
{
  "status": "completed",
  "transcript_source": "speech_to_text",
  "transcript": {
    "speakers": ["Speaker 1", "Speaker 2"],
    "segments": [
      { "start": 0, "end": 3.4, "speaker": "Speaker 1", "language": "en", "text": "Good morning." },
      { "start": 3.4, "end": 7.9, "speaker": "Speaker 2", "language": "en", "text": "Thanks for having me." }
    ]
  }
}
```

## Jak rozmówcy wyglądają w pliku z napisami

Przy format=srt tekst poprzedza etykieta Speaker 1:. WebVTT używa tagu głosowego, a format=text daje osobną, podpisaną linijkę na segment. [Porównaj formaty napisów](https://transcript1.com/pl/features/jak-stworzyc-plik-srt), zanim wybierzesz plik do odtwarzacza.

Sprawdź, jak twój odtwarzacz wyświetla tagi VTT i jak edytor traktuje prefiksy SRT. Etykieta przy każdej wypowiedzi pomaga w analizie wywiadu, ale w napisach do filmu może przeszkadzać.

Wygląd popraw w pliku z napisami lub aplikacji. Zachowaj sprawdzone powiązanie osób z numerowanymi etykietami.

Gdy kilka osób mówi jednocześnie, mikrofon jest daleko albo muzyka zagłusza rozmowę, trudniej odczytać zarówno słowa, jak i zmianę rozmówcy. Odsłuchaj miejsca, w których etykieta zmienia się niespodziewanie. Przy kolejnym nagraniu pomogą osobne mikrofony i wypowiedzi bez przekrzykiwania się.

### format=vtt

```
WEBVTT

00:00:00.000 --> 00:00:03.400
<v Speaker 1>Good morning.

00:00:03.400 --> 00:00:07.900
<v Speaker 2>Thanks for having me.
```

## Zanim podpiszesz cytat nazwiskiem

Znajdź wyraźną wymianę zdań na początku nagrania i zapisz, która etykieta odpowiada której osobie. Sprawdź też kilka późniejszych wypowiedzi. Jeśli nie słychać, kto mówi, zaznacz niepewność zamiast zgadywać po kontekście.

W [badaniach opartych na wywiadach](https://transcript1.com/pl/use-cases/transkrypcja-wywiadu) stosuj te same zasady sprawdzania w każdej sesji. Identyfikatory uczestników i swoje uwagi trzymaj osobno od wypowiedzi. Przed publikacją cytatu z panelu potwierdź nazwisko na podstawie nagrania i dostępnego ci kontekstu.

Etykiety nie służą do uwierzytelniania rozmówcy ani porównywania tożsamości między nagraniami. Ta sama osoba może brzmieć inaczej po zmianie mikrofonu, a nakładających się głosów nie zawsze da się rozdzielić na osobne segmenty.

| Co zauważysz | Co sprawdzić |
| --- | --- |
| Etykieta zmienia się w trakcie wypowiedzi jednej osoby | Odsłuchaj fragment przed zmianą i po niej. W razie potrzeby popraw roboczą kopię tekstu. |
| Dwie osoby mówią jednocześnie | Sprawdź słowa i ich przypisanie. Zaznacz niepewność tam, gdzie audio nie pozwala rozstrzygnąć. |
| Ta sama etykieta pojawia się w innym nagraniu | Ustal powiązanie z uczestnikami od nowa dla tego nagrania. |

## Najczęstsze pytania

### Czy w tekście pojawią się imiona rozmówców?

Nie. Dostaniesz Speaker 1, Speaker 2 itd. Nie znamy prawdziwych imion. Po odsłuchaniu nagrania przypisz etykiety do osób w swojej aplikacji lub dokumencie.

### Można dodać rozmówców do napisów z YouTube?

Napisy YouTube nie mówią nam, kto się wypowiada. Przy source=auto ustawienie diarize: true pomija napisy i uruchamia transkrypcję AI. Połączenie source: captions z diarize: true odrzucimy.

### Czy podział na rozmówców kosztuje dodatkowo?

Nie. Z diarize i bez niego zużywasz 1 kredyt za każdą rozpoczętą minutę nagrania.

## Sprawdź też

- [Wywiady i badania jakościowe](https://transcript1.com/pl/use-cases/transkrypcja-wywiadu)
- [Czasy i napisy SRT/VTT](https://transcript1.com/pl/features/jak-stworzyc-plik-srt)
- [Linki i ustawienia (dokumentacja)](https://transcript1.com/pl/docs/sources-and-options)