Lektor z AI na dedykowanych platformach kursowych

Lektor z AI na dedykowanych platformach kursowych

Eksperci nie mają problemu z głosem. Mają problem z nagrywaniem.

Doradczyni podatkowa, która zna nowe przepisy lepiej niż ktokolwiek w regionie, bez oporu napisze o nich czterdzieści stron. Ale poproś ją, żeby usiadła przed mikrofonem na sześć godzin - w cichym pokoju, bez zwykłego szumu kawiarni w tle. A potem żeby zrobiła to samo jeszcze raz w listopadzie, kiedy przepisy się zmienią. Kurs po prostu nigdy nie powstanie.

W Dioma budujemy dedykowane platformy kursowe. Od roku rozwiązujemy problem dodatkowych materiałów audio lektorem AI - narzędziem ElevenLabs, które zamienia napisany tekst w naturalnie brzmiący głos. Poniżej opisuję uczciwie, jak to robimy: jak działa, ile kosztuje, co mówi prawo od sierpnia 2026 i kiedy odradzamy to klientom.

Budowa platform kursowych

Jestem twórcą SpacePython.com, platformy do nauki Pythona od zera, którą zaprojektowałem i zbudowałem od początku do końca. Działa tam prosta rzecz, która robi ogromną różnicę: w trakcie słuchania lekcji edytor podświetla dokładnie tę linijkę kodu, o której właśnie mówi lektor. Uczący się nigdy nie gubi wątku między tym, co słyszy, a tym, co widzi. Wszystko w przeglądarce, po polsku i po angielsku. Realne lekcje są nagrane z żywym lektorem, przykłady kodu i mniej istotne treści mają dodatek w postaci AI audio.

Problem, nazwany wprost

Audio nie jest w kursie online dodatkiem. Zmienia liczbę osób, które kurs kończą. Pozwala się uczyć w drodze do pracy. I sprawia, że kurs sprawia wrażenie, jakby ktoś naprawdę uczył - a nie jakby ktoś wkleił PDF do przeglądarki.

Tyle że nagranie z żywym lektorem ma trzy koszty, które zabijają właśnie kursy pisane przez ekspertów:

  • Czas eksperta jest najdroższy. Godzina starszego prawnika jest warta więcej rozliczona klientowi niż wydana na ponowne nagranie modułu 7. Do tego dochodzi trwma i drżenie głosu.
  • Poprawki bolą nieproporcjonalnie. Zmieniasz jedno zdanie w tekście - edytujesz jedno zdanie. Zmieniasz jedno zdanie w nagraniu - albo nagrywasz cały fragment od nowa, w tym samym pokoju i z tym samym mikrofonem, albo godzisz się na słyszalną zmianę.
  • Każdy kolejny język mnoży wszystko. Kurs w pięciu językach to pięcioro lektorów, pięć terminów w studiu i pięć rund dogrywek za każdym razem, gdy zmienisz treść.

Treści, które zmieniają się co roku - przepisy podatkowe, zalecenia medyczne, procedury wewnętrzne, interfejsy programów - to dokładnie ten obszar, w którym te koszty kumulują się najgorzej. I w którym odbiorca najbardziej potrzebuje aktualnego kursu.

Co lektor AI naprawdę załatwia

Sprowadza koszt kolejnej wersji nagrania mniej więcej do kosztu znaków w tekście. Kiedy proces raz stoi, poprawiona lekcja to formalność, a nie produkcja. Na tym polega cała wartość - i jest ona duża.

Czego nie załatwia:

  • Charyzmy. Świetny wykładowca wciąż brzmi lepiej niż jakikolwiek głos generowany. Jeśli wartością kursu jest w dużej części "nauka od tej konkretnej osoby" - nagraj tę osobę.
  • Jakości tekstu. Lektor AI przeczyta dokładnie to, co napisałeś. A tekst do słuchania pisze się inaczej niż tekst do czytania: krótsze zdania, mówiony rytm, żadnego "jak pokazano w tabeli poniżej".
  • Wymowy branżowej, od ręki. Polskie sygnatury aktów prawnych, łacińskie nazwy anatomiczne, nazwy leków i produktów wymagają osobnego ustawienia. (I tak jestem pod wrażeniem, jak dużo radzi sobie samo.)

Mówimy o tym klientom na pierwszym spotkaniu. Platforma, która obiecuje więcej, niż audio potrafi, kończy ze złymi opiniami.

Jak to działa krok po kroku

Ten sam schemat wdrażamy niezależnie od tematyki kursu. Cztery elementy.

  1. Tekst dla lektora jest osobną treścią. Każda lekcja ma dwa teksty: ten, który widzi uczestnik, i ten, który czyta lektor. Trzymamy je osobno, z historią zmian. System sam rozpoznaje, że tekst dla lektora się zmienił, i sam wie, że trzeba wygenerować nowe audio. Nie ma przycisku "wygeneruj ponownie", o którym ktoś zapomni.
  2. Razem z nagraniem dostajemy mapę czasu. ElevenLabs zwraca nie tylko plik dźwiękowy, ale też informację, w której sekundzie wypowiadana jest która litera tekstu. To działa jak napisy w karaoke - dzięki temu możemy podświetlać dokładnie ten fragment, o którym właśnie mówi lektor.

    To detal, który ma największe znaczenie i który najczęściej się pomija. Bez tej mapy wpisujesz czasy ręcznie do arkusza. Działa przy pokazie dla klienta, rozpada się przy trzydziestej lekcji. Z nią wszystko wylicza się samo i przeżywa każdą poprawkę tekstu.
  3. Czas zamieniamy na fragmenty lekcji. Pojedyncze litery są zbyt drobne, żeby sterować nimi ekranem. Składamy je więc w fragmenty i każdemu przypisujemy to, co ma się podświetlić. Na SpacePythonie są to linie kodu. Na platformie nietechnicznej to samo wskazuje na coś zupełnie innego: klauzulę w umowie, obszar na schemacie anatomicznym, wiersz w tabeli, krok procedury. Odtwarzacz zostaje ten sam - zmienia się tylko to, co podświetla.
  4. Pliki zapisane są Ciebie. Nagrania powstają raz i lądują na Twoim serwerze. Nie płacisz za każde odsłuchanie i nie zależysz od cudzej awarii. Jeśli dźwięk się nie wczyta, lekcja nadal działa jako tekst. Tekst dla lektora jest przy okazji gotową transkrypcją, co pomaga osobom, które wolą czytać.

Platforma kursowa w kilku językach

To tutaj dedykowana platforma zwraca swój koszt. Skoro lektor czyta tekst, a nie odtwarza nagranie, dodanie języka oznacza tylko przetłumaczenie tekstu i ponowne wygenerowanie audio. Podświetlanie ustawia się samo, bo wynika z mapy czasu, a nie z czyjejś ręcznej pracy.

Systemy wielojęzyczne budujemy standardowo - wdrażaliśmy u klientów wersje polską, angielską, niemiecką i kolejne. Teraz audio jedzie tym samym torem, zamiast być wąskim utrudnieniem. Dla polskiej firmy szkoleniowej celującej w rynek niemiecki (Niemcy, Austria, Szwajcaria) to różnica między "kiedyś" a "w przyszłym kwartale".

Jedno zastrzeżenie warto powiedzieć głośno: tłumaczenie maszynowe tekstu specjalistycznego bez sprawdzenia przez eksperta jest nie do przyjęcia. Ten proces usuwa koszt nagrania, nie koszt dobrego tłumaczenia.

Co mówi prawo od sierpnia 2026

Stan rzeczy zmienił się kilka dni przed powstaniem tego artykułu.

Artykuł 50 unijnego AI Act obowiązuje od 2 sierpnia 2026 roku. Od tej daty każdy, kto udostępnia lub stosuje systemy AI, musi informować o tym użytkowników. Przepisy działają od razu, niezależnie od tego, kiedy dany system trafił na rynek. Treści opublikowane przed tą datą nie wymagają wstecznego oznaczania. Jedyne odroczenie dotyczy obowiązku technicznego znakowania plików w systemach, które były na rynku wcześniej - te mają czas do 2 grudnia 2026 roku. Kary sięgają 15 mln euro lub 3% światowego rocznego obrotu, w zależności od tego, która kwota jest wyższa.

Dla platformy kursowej wygląda to prościej, niż brzmi. Obowiązek techniczny - czyli oznaczanie plików tak, żeby program potrafił rozpoznać, że powstały w AI - spoczywa na dostawcy narzędzia, nie na Tobie. Po Twojej stronie zostaje uczciwa informacja dla uczestnika. Co robimy domyślnie:

  • Widoczna etykieta przy lekcji: ta narracja została wygenerowana przez AI, a oto tekst, z którego powstała. Uczestnicy reagują na to znacznie lepiej, niż zakładają właściciele platform. To ukrywanie niszczy zaufanie.
  • Pisemna zgoda zawsze, gdy klonujemy głos konkretnego eksperta zamiast używać gotowego głosu z biblioteki. Zgoda powinna określać, w których kursach i językach głos może zostać użyty oraz co dzieje się z nim po zakończeniu współpracy. Klonowanie głosu żywej osoby to zupełnie inna sprawa prawna niż użycie głosu wygenerowanego - i to właśnie ten punkt najczęściej umyka klientom.

To odczytanie przepisów okiem programisty, na potrzeby planowania - nie porada prawna. W kwestiach wiążących powinien wypowiedzieć się Twój radca prawny.

Kiedy odradzamy lektora AI

  • Gdy atutem jest sam prowadzący. Coaching, szkolenia terapeutyczne, wystąpienia publiczne - wszędzie tam, gdzie głos jest produktem.
  • Gdy odbiorcy usłyszą w tym tanią wersję. Niektóre grupy zawodowe są na to wrażliwsze niż inne. Proponujemy puścić pięciominutową próbkę prawdziwemu uczestnikowi, zanim ktokolwiek podejmie decyzję.
  • Gdy kurs jest bardzo mały. Trzy lekcje w jednym języku nie uzasadniają budowy całego procesu. Zatrudnij lektora.
  • Gdy chodzi wyłącznie o dostępność. Czytniki ekranu robią to już dziś, zwykle lepiej, a użytkownik ma tam swój ulubiony głos i tempo. Lektor AI to element kursu, a nie zamiennik dostępności - choć dobra transkrypcja służy obu celom.

Studia przypadku

Biuro rachunkowe z kursem, który co roku się dezaktualizował

Problem. Trójmiejskie biuro rachunkowe miało dwunastomodułowy kurs wdrożeniowy dla działów finansowych swoich klientów. Co styczeń mniej więcej cztery moduły przestawały być aktualne. Ponowne nagranie oznaczało minimum pięć dni pracy wspólnika w najgorętszym miesiącu roku, więc w praktyce kurs po prostu się starzał.

Co zbudowaliśmy. Teksty dla lektora jako osobne fragmenty treści z automatycznym wykrywaniem zmian. Nocne przetwarzanie, które generuje od nowa wyłącznie te moduły, w których coś się zmieniło. Narrację zsynchronizowaną z omawianymi polami formularza na ekranie.

Efekt. Styczniowa aktualizacja spadła z pięciu dni pracy wspólnika do trzech godzin redakcji. Reszta dzieje się w nocy, sama. Ukończalność kursu wzrosła z 33% do 74% w ciągu ośmiu miesięcy.

Gabinet medyczny i przygotowanie pacjenta do zabiegu

Problem. Pacjenci musieli rozumieć przebieg zabiegu, zanim podpisali zgodę. Materiałów pisemnych nie czytali, a wideo było zbyt drogie w utrzymaniu przy zmieniających się zaleceniach.

Co zbudowaliśmy. Krótkie lekcje z narracją zsynchronizowaną ze schematem anatomicznym, w trzech językach, z zapisem tekstowym przy każdym fragmencie i wyraźną informacją: "narracja wygenerowana przez AI; treść medyczna napisana i zatwierdzona przez dr X".

Efekt. O 42% mniej telefonów do rejestracji z pytaniami przed zabiegiem, w ciągu dwóch miesięcy.

Lista kontrolna - zanim zaczniesz

Jeśli planujesz coś takiego u siebie, to są pytania, które naprawdę mają znaczenie - mniej więcej w tej kolejności:

  • Czy teksty dla lektora są trzymane osobno od treści lekcji i czy widać historię ich zmian?
  • Czy system sam wie, że tekst się zmienił - czy zależy to od pamięci konkretnej osoby?
  • Czy przy generowaniu zapisujesz mapę czasu, czy planujesz wpisywać czasy ręcznie? (Rób to pierwsze.)
  • Co ma się podświetlać w Twojej lekcji: linia, klauzula, obszar schematu, krok procedury, fragment grafiki?
  • Gdzie przechowujesz pliki audio i kto płaci za każde odsłuchanie? (Na Twoim serwerze: najtaniej)
  • Jak wygląda lekcja, kiedy dźwięk się nie wczyta?
  • Kto z imienia i nazwiska odpowiada za treść każdego tekstu?
  • Gdzie widnieje informacja, że narrację wygenerowała AI - i czy widać ją bez szukania?
  • Jeśli klonujesz czyjś głos: czy zgoda jest pisemna, ograniczona zakresem i możliwa do cofnięcia?
  • Kto sprawdza tłumaczenia?

FAQ

Czy narracja generowana przez AI szkodzi SEO?
Sama w sobie nie. Google patrzy na to, czy treść jest wartościowa, a nie na to, jak powstała. Szkodzi natomiast ukrywanie i treść pusta merytorycznie. Publikuj więc transkrypcje, podpisuj autorów z imienia i nazwiska i mów wprost, skąd wziął się głos.

Czy możemy użyć sklonowanego głosu naszego eksperta?
Technicznie tak i daje to najlepszy efekt, gdy ekspert jest dla odbiorców rozpoznawalny. Znacząco podnosi to jednak stawkę prawną i wymaga pisemnej zgody, jeszcze zanim nagracie pierwszą próbkę.

Ile to kosztuje w utrzymaniu?
Płacisz za liczbę znaków, więc koszt zależy od długości tekstów i od tego, jak często je zmieniasz. Ponieważ pliki serwujemy z Twojej strony, samo odsłuchanie nie kosztuje nic - i to sprawia, że model działa nawet przy tysiącach uczestników.

Ile trwa stworzenie dedykowanej platformy kursowej?
Zwykle 6-8 tygodni. Najwięcej zależy od tego, czy treść kursu jest już uporządkowana, czy jest zlepkiem różnych formatów.

Czy to działa w językach innych niż polski i angielski?
Tak - i tu leży największa wartość. Proces jest niezależny od języka. Jedyne, czego nie da się zautomatyzować, to sprawdzenie tłumaczenia przez eksperta.

Jeśli potrzebujesz czegoś podobnego

Tworzymy dedykowane platformy kursowe: samą platformę, panel administracyjny, z którego Twój zespół naprawdę korzysta, wersje językowe i opisany wyżej proces audio. Nie kurs zamknięty w cudzym serwisie. Twój własny system, na Twoim serwerze.

Większość naszych klientów to najpierw eksperci, a dopiero potem właściciele platform: kancelarie, gabinety lekarskie i psychologiczne, biura rachunkowe, firmy szkoleniowe i ludzie z wąską, wartościową wiedzą, którzy nie mają najmniejszej ochoty zostać firmą informatyczną. Jeśli masz wiedzę i treść, a technologia jest jedyną rzeczą, która dzieli je od gotowego produktu - to dokładnie ta rozmowa, którą lubimy prowadzić.