Který model Gemini nejlépe přepisuje češtinu? Srovnání přesnosti, cen a funkcí
Převod mluveného slova na text představuje klíčový základ pro automatizaci zákaznické péče, analýzu hovorů v call centrech i chytré zápisy z firemních porad. Pokud je přepis nepřesný, selžou i navazující kroky – ať už jde o rozpoznání záměru zákazníka, automatické shrnutí nebo vyhodnocení kvality servisu. Ve druhé polovině října 2026 jsme proto na reálných českých datech otestovali čtveřici modelů Google Gemini, abychom zjistili, který z nich nabízí nejlepší poměr mezi přesností a provozními náklady.
Výsledky testu: Který model přepisuje češtinu nejlépe?
Všechny modely dostaly za úkol přepsat totožných osm nahrávek v češtině o celkové délce zhruba 4,4 minuty. Jako zdrojová data nám posloužily české VoxPopuli nahrávky z Evropského parlamentu, jejichž délka se pohybovala mezi 30 a 60 sekundami. Přesnost v tabulce udává procento slov, která model přepsal bezchybně (vychází z metriky 100-WER).

Stejná data po jednotlivých nahrávkách. Tučná černá čára je průměr.

1. Specializovaný model vítězí, ale univerzální Flash je hned za ním
Gemini 3.5 Transcribe dosáhl nejvyšší průměrné přesnosti i mediánu a vyhrál na většině testovaných nahrávek. Rozdíl pouhých 0,2 procentního bodu oproti Gemini 3.8 Flash je však na daném vzorku v rámci statistické chyby. Z pohledu samotné kvality rozpoznání slov lze oba modely považovat za rovnocenné.
2. Novější verze automaticky neznamená lepší výsledek
Test jasně ukázal, že spoléhat se slepě na vyšší číslo verze se nemusí vyplatit. Model Gemini 3.6 Flash propadl. Skončil s nejhorším výsledkem (87,1 %) a byl překonán i starším 2.5 Flash. Důvodem bylo jeho nadměrné interní „uvažování“: před samotným vygenerováním textu spotřeboval v průměru čtyřikrát více uvažovacích (thinking) tokenů, které zákazník musí zaplatit, ale kvalitu výstupu nijak nezvýšily.
💡 Praktické doporučení: Než nasadíte novou generaci modelu do produkčního prostředí, vždy ji otestujte na reprezentativním vzorku vlastních nahrávek. Rozdíly v chování a nákladech mohou být zásadní. Podrobné srovnání architektur najdete v našem článku Gemini 3 Pro vs. Gemini 3 Flash.
3. Složité nahrávky dělají potíže všem
U poloviny nahrávek se přesnost všech modelů pohybovala pod hranicí 89 %. Část chybovosti jde na vrub reálné akustické náročnosti pasáží, část způsobil přísný způsob vyhodnocování, který penalizoval i drobné odchylky v interpunkci.
Kolik stojí přepis audia do textu?
• Ručně v aplikaci Gemini (Google Workspace): Pokud máte firemní účet Google Workspace s doplňkem Gemini, přepis v rozhraní aplikace Gemini je zahrnutý v rámci vaší firemní licence bez dalších poplatků za tokeny. Omezení spočívá v podstatě jen v maximální velikosti souboru a délce nahrávky dané kontextovým oknem. Velkou výhodou je i firemní ochrana dat – Google tyto nahrávky neukládá ani na nich netrénuje své modely.
• Automatizovaně přes Gemini API: Pokud plánujete hromadné zpracování stovek hovorů z call centra, napojení na CRM nebo stavbu vlastního analyzátoru, platí se podle reálné spotřeby tokenů.
Abychom modely mohli férově porovnat, přepočítali jsme cenu na 1 minutu audia. Vycházíme z tokenů spotřebovaných v testu (vstupní audio tokeny a výstupní tokeny včetně thinking) a z ceníku Gemini Developer API (placená úroveň Standard, oficiální ceník).

Model | Cena / 1 mil. tokenů (vstup audio, výstup vč. thinking) | Spotřeba tokenů /1 min.(vstup / výstup) | Cena/1 min audia | Cena/1h audia |
Gemini 2.5 Flash | 1,00 USD / 2,50 USD | ~1 920 / ~515 | ~0,32 ¢ | ~0,19 USD |
Gemini 3.6 Flash | 1,50 USD / 9,00 USD | ~1 500 / ~1 100 | ~1,22 ¢ | ~0,73 USD |
Gemini 3.8 Flash | 0,75 USD / 3,75 USD (do 31. 12. 2026) 1,50 USD / 7,50 USD (od 1. 1. 2027) | ~1 500 / ~754 | ~0,40 ¢ (do 31. 12. 2026) ~0,79 ¢ (od 1. 1. 2027) | ~0,24 USD (do 31. 12. 2026) ~0,47 USD (od 1. 1. 2027) |
Gemini 3.5 Transcribe | 2,00 USD / 12,00 USD* | 1 500 / ~175 | ~0,50 ¢ | ~0,30 USD |
Důležité faktory výpočtu:
Předvídatelnost: Gemini 3.5 Transcribe má fixní kalkulaci (Google uvádí ~0,003 USD za minutu audia a 0,002 USD za minutu výstupního textu, v součtu ~0,005 USD/min). U modelů Flash cena mírně kolísá podle toho, kolik thinking tokenů model vygeneruje.
Proč propadl Gemini 3.6 Flash: Vygeneroval v průměru 440 thinking tokenů na nahrávku (oproti 110 u verze 2.5 Flash), což při vysoké sazbě 9,00 USD za milion výstupních tokenů vystřelilo cenu na 1,22 ¢ za minutu.
Textový prompt: Pevný textový příkaz (cca 113 tokenů) jsme z výpočtu vynechali, u delších nahrávek má zanedbatelný vliv.
Který model tedy zvolit?
Pro přepis českých hovorů doporučujeme gemini-3.5-transcribe.
Nejlepší přesnost v této analýze: nejvyšší průměr i medián a nejvíc vítězství na jednotlivých nahrávkách.
Předvídatelná a nízká cena: přibližně půl centu za minutu audia (asi 0,30 USD za hodinu), bez kolísání způsobeného thinking tokeny.
Vytvořený přesně pro tento úkol: automatická detekce jazyka, rozpoznání mluvčích (diarizace), časové značky na úrovni slov a podpora vlastního slovníku. To vše se pro analýzu hovorů hodí a obecné modely Flash to nenabízejí.
Upozornění: Šlo o rychlý experiment, ne o důkladné vyhodnocení. Pořadí dvou nejlepších modelů berte jako remízu a odstup ostatních jako signál, který stojí za ověření.
Samotný přepis je jen začátek. Jak z něj vytěžit maximum pro byznys?
Převést hlas na text je dnes díky modelům jako Gemini otázka několika sekund a zlomků centů. Skutečná přidaná hodnota pro firmu ale začíná až v momentě, kdy s přepisem začnete dál pracovat.
Přesný přepis otevírá dveře k okamžité automatizaci:
Automatické shrnutí hovorů a úkolů: Obchodníci a operátoři nemusí po každém telefonátu trávit 10 minut psaním poznámek do CRM – AI vytáhne klíčové body, dohodnuté termíny i další kroky.
Hlídání kvality servisu a compliance: Systém dokáže automaticky zkontrolovat, zda v call centru zazněly povinné zákonné formulace nebo zda zákazník neodchází nespokojený.
Sémantické vyhledávání v archivu porad: Rychlé dohledání jakéhokoliv rozhodnutí napříč stovkami hodin interních porad a workshopů.
Aby celý řetězec fungoval spolehlivě a bezpečně, potřebujete nejen správně vybraný model, ale především robustní architekturu v Google Cloud, napojení na vaše firemní systémy a bezpečné zacházení s citlivými daty.
Chcete do procesů zapojit AI bez zbytečných přešlapů?
V Appsatori pomáháme firmám měnit technologické experimenty v reálné firemní nástroje. Máme za sebou desítky úspěšných implementací cloudových a AI řešení – od dravých digitálních scale-upů až po velké enterprise společnosti s přísnými nároky na bezpečnost a škálovatelnost.
Rádi se podíváme na vaše konkrétní workflow, navrhneme optimální architekturu na Google Cloud a spočítáme návratnost ještě předtím, než napíšete první řádek kódu.
Domluvte si s námi nezávaznou konzultaci a proberme, jak může hlasová AI ušetřit čas a náklady právě ve vaší firmě.
Časté otázky
Který model Gemini je nejlepší pro přepis češtiny?
Na základě testování na reálných českých datech je pro přepis českých hovorů doporučován model Gemini 3.5 Transcribe. Tento model dosáhl nejvyšší průměrné přesnosti a nabízí funkce vytvořené přímo pro tento úkol, jako je rozpoznání mluvčích, automatická detekce jazyka a časové značky na úrovni slov.
Znamená novější verze modelu vždy lepší a přesnější přepis?
Ne, test jasně ukázal, že vyšší číslo verze automaticky nezaručuje lepší výsledek. Například model Gemini 3.6 Flash v testování propadl s nejhorším výsledkem (87,1 %) a v přesnosti ho překonal i starší model 2.5 Flash.
Kolik stojí přepis audia do textu pomocí Gemini?
Při ručním přepisu v aplikaci Gemini (Google Workspace) je služba zahrnuta v rámci vaší firemní licence bez dalších poplatků za tokeny. Pokud využijete automatizované zpracování přes Gemini API s doporučovaným modelem Gemini 3.5 Transcribe, vychází cena na přibližně 0,50 centu za minutu audia, což je zhruba 0,30 USD za hodinu.
Jsou mé firemní nahrávky při přepisu přes Google Workspace v bezpečí?
Ano, pokud využíváte firemní účet Google Workspace s doplňkem Gemini, je velkou výhodou firemní ochrana dat. Google tyto nahrávky nikam neukládá a ani na nich netrénuje své modely.
Proč byl model Gemini 3.6 Flash v testu nepřesný a zároveň drahý?
Model Gemini 3.6 Flash před samotným vygenerováním textu spotřeboval v průměru čtyřikrát více uvažovacích (thinking) tokenů, které sice musí zákazník zaplatit, ale kvalitu výstupu nijak nezvýšily. Při sazbě 9,00 USD za milion výstupních tokenů se tak cena vyšplhala až na 1,22 ¢ za minutu.
Související články
• Gemini Code Assist končí: termíny a přechod na Antigravity
• Gemini 4 Argon & Carbon: kde je najdete a jak se k nim dostat
• Gemini for Business, Gemini Enterprise, nebo Gemini ve Workspace? Rozdíly v tarifech



