> This is a page from the ElevenLabs documentation. For a complete page index, fetch https://elevenlabs.io/docs/llms.txt. For the full documentation in a single file, fetch https://elevenlabs.io/docs/llms-full.txt.

# Krótki przewodnik po Speech to Text

Ten przewodnik pokaże ci, jak zamienić nagranie mowy na tekst za pomocą API Speech to Text.

> **Tip**
>
> Użyj [umiejętności zamiany mowy na tekst ElevenLabs](https://github.com/elevenlabs/skills/tree/main/speech-to-text), aby transkrybować audio z pomocą asystenta AI do programowania:
>
> ```bash
> npx skills add elevenlabs/skills --skill speech-to-text
> ```

> **Info**
>
> Ten tutorial pokazuje, jak korzystać z API Batch Speech to Text. Przewodniki po API Realtime Speech to Text znajdziesz tutaj:
> [streaming po stronie klienta](/docs/pl/eleven-api/guides/how-to/speech-to-text/realtime/client-side-streaming) lub
> [streaming po stronie serwera](/docs/pl/eleven-api/guides/how-to/speech-to-text/realtime/server-side-streaming).

## Korzystanie z API Speech to Text

#### Utwórz klucz API

[Utwórz klucz API w panelu tutaj](https://elevenlabs.io/app/api/api-keys), którego użyjesz, aby bezpiecznie [uzyskać dostęp do API](/docs/pl/api-reference/authentication).

Przechowuj klucz jako zarządzany sekret i przekaż go do SDK jako zmienną środowiskową w pliku `.env` lub bezpośrednio w konfiguracji aplikacji — zależnie od preferencji.

**`.env`**

```js title=".env"
ELEVENLABS_API_KEY=<your_api_key_here>
```

#### Zainstaluj SDK

#### SDK

Użyjemy też biblioteki `dotenv`, aby wczytać klucz API ze zmiennej środowiskowej.

```python
pip install elevenlabs
pip install python-dotenv
```

```typescript
npm install @elevenlabs/elevenlabs-js
npm install dotenv
```

#### CLI

Zainstaluj CLI ElevenLabs. Zalecamy Homebrew (macOS) lub Scoop (Windows).

**`Homebrew (macOS)`**

```bash title="Homebrew (macOS)"
brew install elevenlabs/tap/elevenlabs
```

**`Scoop (Windows)`**

```powershell title="Scoop (Windows)"
scoop bucket add elevenlabs https://github.com/elevenlabs/scoop-bucket
scoop install elevenlabs
```

**`npm`**

```bash title="npm"
npm install -g @elevenlabs/cli
```

**`curl`**

```bash title="curl"
curl --proto '=https' --tlsv1.2 -LsSf https://github.com/elevenlabs/cli/releases/latest/download/elevenlabs-cli-installer.sh | sh
```

> **Tip**
>
> Pracujesz z asystentem AI do kodowania? Uruchom `elevenlabs generate-skills` w projekcie, aby zapisać
> `SKILL.md` dla każdej grupy poleceń w `skills/`. Dzięki temu asystent zna pełny zakres CLI
> bez wklejania dokumentacji. Użyj `--output-dir`, aby zapisać je w innym miejscu. Polecenie odczytuje
> wbudowaną definicję API CLI, więc nie potrzebuje klucza API i działa offline — oraz jest zgodne
> z zainstalowaną wersją CLI.

Następnie się uwierzytelnij — otworzy się przeglądarka, aby autoryzować CLI:

```bash
elevenlabs auth login
```

#### Wyślij żądanie API

#### SDK

Utwórz plik `example.py` lub `example.mts`, zależnie od wybranego języka, i dodaj ten kod:

```python maxLines=0
# example.py
import os
from dotenv import load_dotenv
from io import BytesIO
import requests
from elevenlabs.client import ElevenLabs

load_dotenv()

elevenlabs = ElevenLabs(
  api_key=os.getenv("ELEVENLABS_API_KEY"),
)

audio_url = (
    "https://storage.googleapis.com/eleven-public-cdn/audio/marketing/nicole.mp3"
)
response = requests.get(audio_url)
audio_data = BytesIO(response.content)

transcription = elevenlabs.speech_to_text.convert(
    file=audio_data,
    model_id="scribe_v2", # Model to use
    tag_audio_events=True, # Tag audio events like laughter, applause, etc.
    language_code="eng", # Language of the audio file. If set to None, the model will detect the language automatically.
    diarize=True, # Whether to annotate who is speaking
)

print(transcription)
```

```typescript maxLines=0
// example.mts
import { ElevenLabsClient } from "@elevenlabs/elevenlabs-js";
import "dotenv/config";

const elevenlabs = new ElevenLabsClient();

const response = await fetch(
  "https://storage.googleapis.com/eleven-public-cdn/audio/marketing/nicole.mp3"
);
const audioBlob = new Blob([await response.arrayBuffer()], { type: "audio/mp3" });

const transcription = await elevenlabs.speechToText.convert({
  file: audioBlob,
  modelId: "scribe_v2", // Model to use
  tagAudioEvents: true, // Tag audio events like laughter, applause, etc.
  languageCode: "eng", // Language of the audio file. If set to null, the model will detect the language automatically.
  diarize: true, // Whether to annotate who is speaking
});

console.log(transcription);
```

Następnie uruchom plik:

```python
python example.py
```

```typescript
npx tsx example.mts
```

W konsoli powinna pojawić się transkrypcja pliku audio.

> **Note**
>
> W przypadku nagrań medycznych i klinicznych ustaw `model_id` na `scribe_v2_medical`. Format żądania
> jest taki sam jak dla `scribe_v2`, a cena również. Zobacz [Scribe v2 Medical](/docs/pl/overview/models#scribe-v2-medical).

#### CLI

Pobierz przykładowe nagranie, a potem je transkrybuj:

```bash
curl -O https://storage.googleapis.com/eleven-public-cdn/audio/marketing/nicole.mp3

elevenlabs speech-to-text convert \
  --file nicole.mp3 \
  --model-id scribe_v2 \
  --tag-audio-events true \
  --language-code eng \
  --diarize true
```

Transkrypcja pojawi się w terminalu.

W przypadku nagrań medycznych i klinicznych podaj `--model-id scribe_v2_medical`.

## Kolejne kroki

#### [Transkrypcja wsadowa](/docs/pl/eleven-api/guides/how-to/speech-to-text/batch)

Transkrybuj wcześniej nagrane pliki audio z diarystyką mówców i tagowaniem zdarzeń

#### [Transkrypcja w czasie rzeczywistym](/docs/pl/eleven-api/guides/how-to/speech-to-text/realtime)

Przesyłaj audio strumieniowo i otrzymuj transkrypcje w czasie rzeczywistym

#### [Dokumentacja API](/docs/pl/api-reference/speech-to-text/convert)

Poznaj wszystkie parametry i formaty odpowiedzi Speech to Text