Podcastepizód átirata mint AI-forrás

Scheo · 2026-11-01 · olvasási idő ~10 perc · Szerző: Schmidt Péter

Egy jó szakmai beszélgetésben sokszor több a valódi tudás, mint egy átlagos blogcikkben, mert a vendég a saját munkájából beszél. Ez a tudás viszont az AI-motorok számára nehezen hozzáférhető, amíg egy MP3-fájlban ül. A saját álláspontunk ezért egyszerű. A beszélgetés akkor ér valamit az AI-láthatóságban, ha valaki rendezett szöveggé alakítja, és saját oldalon, ellenőrzött nevekkel és számokkal közli.

Mit lát az AI-motor abból a podcastból, ami csak hangfájlként létezik?

Egy csak hangfájlként létező epizódból az AI-motor jellemzően a címet, a rövid leírást és a hallgatói platformok metaadatait éri el, a beszélgetés tartalmát legfeljebb közvetve. A webes keresésre épülő válaszmotorok szöveges oldalakból dolgoznak, ezért amit a vendég a 34. percben mond, az a saját oldaladon nem létezik kereshető formában.

Vannak közvetett utak. Az Apple Podcasts saját leiratot készít a legtöbb epizódhoz, a YouTube gépi feliratot generál, és az RSS-hírcsatornában is megadható átiratfájl. Ezek hasznosak, de három gondjuk van. A szöveg gyakran más cégének felületén él, a minősége a gépi felismerésen múlik, és a te oldalad, a te szerzőid, a te fogalmaid nem kapcsolódnak hozzá. Hogy egy adott AI-rendszer ezekből mennyit használ fel, azt a szolgáltatók részleteiben nem teszik közzé, tehát erre tervezni nem érdemes.

Mi változik, ha saját oldalon szerkesztett átirat tartozik az epizódhoz?

A szerkesztett átirattal a beszélgetés önálló, feltérképezhető, szerzőhöz köthető szöveggé válik, amelyből egy válaszmotor rövid, pontos részeket emelhet ki. Ettől még semmi nem garantált, de legalább lesz mit idézni.

Három dolog változik a gyakorlatban.

• Hozzáférés. A szöveg ott van az oldal HTML-jében, így a keresőrobotok és az AI-szolgáltatások robotjai is elolvashatják, ha a robots.txt beállításod engedi.
• Tulajdonítás. Az állítás mellett ott áll, ki mondta, milyen szerepben, melyik epizódban. Az idézhetőséghez ez legalább annyit számít, mint maga a mondat.
• Kinyerhetőség. A fejezetcímek alatt álló, rövid bekezdéseket könnyebb önállóan értelmezni, mint egy tagolatlan, ötvenperces szövegfolyamot.

Az átirat a hallássérült és a hangot éppen hallgatni nem tudó látogatókat is segíti. A W3C akadálymentesítési irányelvei a rögzített, csak hangos tartalomhoz szöveges alternatívát kérnek. Ha tehát az AI-láthatóság végül nem mozdul, az átirat akkor is hasznos munka volt.

Hogyan épül fel az ideális epizódoldal?

Az ideális epizódoldal felül megmondja, miről szól az adás és kik beszélnek benne, középen a lejátszó és a fejezetek állnak, alul pedig a teljes, szerkesztett átirat. Az alábbi sorrend jól bevált, és egy sablonba önthető, így minden epizód ugyanúgy készülhet el.

Összefoglaló

Négy-hat mondat, amely önmagában is megáll. Írd le, milyen kérdésre felel az epizód, kinek szól, és mi a legfontosabb következtetése. Ez legyen rendes szöveg, a „Mai vendégünkkel izgalmas témáról beszélgettünk” típusú felvezetés semmit nem mond el.

Fejezetcímek

Az időbélyeges fejezetek a hallgatónak is segítenek, a szövegben pedig H2 vagy H3 szintű címek lesznek belőlük. Fogalmazz kérdésként, ahol lehet. A „Hogyan mérjük a márkaemlítést AI-válaszokban?” többet mond, mint a „Beszélgetés a mérésről”.

Kiemelt állítások

Az epizód három-öt legerősebb, ellenőrzött állítása külön listában, a mondó nevével. Itt pontosan azt írd, ami elhangzott, vagy jelöld, hogy szerkesztett változatról van szó. Ha a vendég becslést mondott, a kiemelésben is becslésként szerepeljen.

Résztvevők neve és szerepe

Minden résztvevőnél kell a teljes név, a beosztás, a cég és egy rövid mondat arról, mihez ért. Ha van a vendégnek szerzői vagy szakértői oldala nálad, linkeld. Az átiratban a beszélők neve bekezdésenként jelenjen meg, az „1. beszélő” címke senkinek nem hasznos.

PodcastEpisode jelölés

A Schema.org PodcastEpisode típusa géppel olvasható formában mondja el, hogy ez egy epizód, melyik sorozat része és melyik hangfájl tartozik hozzá. A részleteket a következő szakasz mutatja.

Hogyan néz ki a PodcastEpisode jelölés a gyakorlatban?

A jelölés az oldalon látható adatokat írja le JSON-LD formában, tehát az epizód címét, sorozatát, dátumát, résztvevőit és a hangfájlt, az átirat szövegét pedig az oldalon tartja. Az alábbi minta egy kiinduló váz, a nevek és az URL-ek helykitöltők.

{ "@context": "https://schema.org", "@type": "PodcastEpisode", "name": "Hogyan mérjük a márkaemlítést AI-válaszokban?", "url": "https://example.com/podcast/42", "episodeNumber": 42, "datePublished": "2026-10-05", "description": "Az epizód rövid összefoglalója.", "partOfSeries": { "@type": "PodcastSeries", "name": "A podcast neve", "url": "https://example.com/podcast" }, "author": { "@type": "Person", "name": "Házigazda Neve", "jobTitle": "Házigazda" }, "contributor": { "@type": "Person", "name": "Vendég Neve", "jobTitle": "Beosztása" }, "associatedMedia": { "@type": "AudioObject", "contentUrl": "https://example.com/audio/42.mp3", "encodingFormat": "audio/mpeg", "duration": "PT48M" } }

Két dologra figyelj. A jelölésben csak olyan adat szerepeljen, amely az oldalon is látszik, ezt a Google strukturált adatokra vonatkozó általános irányelvei is kérik. A másik, hogy a Google strukturált adat galériájában tudomásunk szerint nincs külön podcast-kiemelés, ezért a jelölés értéke az egyértelműsítés. Látványos találati megjelenést ne várj tőle.

Hogyan lesz a nyers gépi leiratból közölhető szöveg?

A nyers leiratból négy-öt szerkesztési menetben lesz közölhető szöveg, és minden menet mást javít, először a pontosságot, utána az olvashatóságot. Ha egyszerre próbálsz mindent megoldani, a hibák átcsúsznak.

1. Gépi leirat és beszélőfelismerés. Készítsd el a leiratot olyan eszközzel, amely a magyart jól kezeli, és lehetőleg tiszta hangsávból dolgozz. Tedd mellé a szószedetet a vendég nevével, cégével és az epizód szakszavaival.
2. Tényhűségi menet hanggal együtt. Hallgasd vissza a bizonytalan részeket, a neveket és a számokat. Itt még ne fogalmazz át semmit, csak azt javítsd, amit a gép félrehallott. A hosszú csendeknél és zenei átvezetőknél külön figyelj, mert a felismerő ilyenkor nem elhangzott mondatokat is beírhat.
3. Olvashatósági menet. Vedd ki a töltelékszavakat, az újrakezdett mondatokat és az önismétlést. A beszélő stílusa maradjon meg, a jelentés pedig ne változzon. Ha egy mondat csak hanghordozással volt egyértelmű, írd ki úgy, ahogy gondolta, és szükség esetén kérdezz vissza.
4. Tagolás. Vágd rövid bekezdésekre, tedd be a fejezetcímeket, és nevezd meg a beszélőt. Ahol a vendég azt mondja, „ez” vagy „az a dolog”, ott a szöveg nevezze meg, miről van szó, különben a részlet önmagában érthetetlen marad.
5. Jóváhagyás. Küldd el a vendégnek az átiratot, legalább a rá vonatkozó adatokat és a kiemelt állításokat. Egy rossz szám vagy beosztás kellemetlenebb a szövegben, mint a hangban, mert másolható.

Egy kitalált, szemléltető példa. A gépi leirat ezt adja. „hát ugye a szkíma markap az ilyen tulajdonképpen olyan hogy a gépnek megmondod hogy mi micsoda és ugye akkor a dzsí ess szí ben azt is látod”. A szerkesztett változat így fest. „A schema markup géppel olvasható formában mondja meg, mi micsoda az oldalon. Az adatokat a Google Search Console-ban is ellenőrizheted.” A második mondat jelentése csak akkor maradhat így, ha a hanganyagból ez derül ki, kétség esetén kérdezd meg a beszélőt.

Saját tapasztalatunk szerint egy nyers leirat szerkesztése többszörösen hosszabb idő, mint maga az epizód, és a gépi felismerés javulásával ez a munka rövidül, de nem tűnik el. Egy nyelvi modell segíthet a tisztításban, ám hajlamos simára írni a bizonytalan helyeket, ezért a modell kimenetét is össze kell vetni a hanggal.

Mit ellenőrizz a nevekben, a számokban és a szakkifejezésekben?

Közlés előtt minden tulajdonnevet, számot és szakszót egyenként vess össze a hanggal és egy megbízható forrással, mert az AI-válasz ezeket a részeket veszi át a legkönnyebben. Az alábbi lista nyomtatható, és epizódonként végigmehetsz rajta.

Nevek

• A résztvevők neve betűre egyezik a saját névjegyükkel, ékezettel együtt.
• A cégnevek hivatalos írásmódban állnak, a márkanevek nagybetűi is helyesek.
• A beosztások a felvétel idejére igazak, és jelölted, ha azóta változtak.
• Az említett embereknél és intézményeknél a helyes nevet írtad, a magyar ragozás is rendben van.
• A beszélők neve minden bekezdésnél a valódi megszólalóhoz tartozik.

Számok és dátumok

• Minden százalék, összeg, év és darabszám egyezik a hanggal.
• A hasonló alakú számokat (tizenöt és ötven, ezer és millió) kétszer hallgattad vissza.
• A mértékegység és a viszonyítási alap szerepel a mondatban.
• Ami becslés volt, az a szövegben is becslés maradt.
• A külső adatnál ellenőrizted az eredeti forrást, és jelölted, ha a vendég fejből mondta.

Szakkifejezések

• Egy fogalom a szövegben végig ugyanúgy szerepel, a szószedet szerint.
• Az angol szakszavak helyes írásmódban állnak, a rövidítést az első előfordulásnál feloldottad.
• A termék- és funkcióneveket a gyártó dokumentációja alapján ellenőrizted.
• Az elavult állításokhoz szerkesztői megjegyzést tettél, dátummal.

Mi hivatalos, mi tapasztalat és mi feltételezés ebben a témában?

Az epizódoldal technikai alapjai dokumentáltak, a hatás mértékéről viszont nincs nyilvános, megbízható adat, ezért érdemes a háromféle tudást külön kezelni.

Hivatalosan igazolt. A Schema.org leírja a PodcastEpisode, a PodcastSeries és az AudioObject típust. A Google szerint az AI-funkciókban való megjelenéshez nem kell külön jelölés vagy speciális optimalizálás, a keresésre vonatkozó alapelvek érvényesek, a strukturált adatnak pedig egyeznie kell az oldalon látható tartalommal. Az OpenAI dokumentálja a robotjait, így a robots.txt fájlban szabályozható a hozzáférésük. A W3C szöveges alternatívát kér a rögzített hangtartalomhoz.

Saját tapasztalat. A gépi leirat a neveken, a számokon és a kevert magyar-angol szakszavakon hibázik a legtöbbet. A szerkesztés időigénye jóval nagyobb, mint amire a legtöbben számítanak, és a résztvevők jóváhagyása sokszor olyan hibát is kiszűr, amit a szerkesztő nem hallott meg.

Szakmai feltételezés. Úgy gondoljuk, hogy a kérdés alakú fejezetcímek, a névvel ellátott állítások és a rövid, önálló bekezdések növelik az esélyét annak, hogy egy válaszmotor kiemel egy részt. Ezt következtetjük a keresőrendszerek működéséből, ok-okozati bizonyítékunk nincs rá. Azt is feltételezzük, hogy az eredeti, máshol nem olvasható szakmai tartalom értékesebb egy forrást kereső rendszernek, de ennek súlyát egyetlen szolgáltató sem közli.

Milyen hibák viszik el az átirat értékét?

A leggyakoribb hiba a szerkesztetlen, tagolatlan szöveg közlése, mert a pontatlan, nehezen olvasható átirat a saját hitelességedet rontja. Több gyakori csapda is van, amelyet érdemes előre kizárni.

• Az átirat csak gombnyomásra, JavaScriptből töltődik be, ezért a robotok nem biztos, hogy látják. Tedd a szöveget az oldal alap HTML-jébe, a lenyitható rész is maradjon a forrásban.
• Az átirat PDF-ben vagy a lejátszó felületén él, és az oldalon nincs belőle semmi.
• Minden epizód ugyanarra az oldalra kerül, így egyetlen hosszú oldal próbál száz témáról szólni. Minden adásnak saját URL kell.
• Az AI-összefoglaló olyat állít, ami nem hangzott el, és ezt senki nem veti össze a hanggal.
• Az oldal nincs belső linkekkel összekötve a kapcsolódó cikkeiddel, ezért a szöveg magában áll.

Melyik epizóddal érdemes kezdeni?

Azokkal az adásokkal kezdj, amelyek máig érvényes tudást tartalmaznak, és a vendég olyat mond bennük, ami máshol nem olvasható. Egy teljes archívum feldolgozása sok munka, ezért érdemes sorrendet állítani.

1. Nézd meg a letöltési adatokat, és írd ki a legtöbbet hallgatott tíz epizódot.
2. Húzd ki azokat, amelyek aktuális hírről vagy azóta megszűnt eszközről szólnak.
3. Vesd össze a maradékot a Search Console keresési kifejezéseivel és az ügyfeleid visszatérő kérdéseivel.
4. Az első három-öt epizódból készíts teljes oldalt, és közben finomítsd a sablont és a szószedetet.

Új adásnál a szerkesztést már a felvétel előtt elkezdheted. Kérd el a vendégtől a neve és a cége helyes írásmódját, a hivatkozott adatok forrását, és írd fel a várható szakszavakat. Ezzel a tényhűségi menet jóval rövidebb lehet.

Források és további olvasnivalók

• Google Search Central, a strukturált adatok általános irányelvei
• Google Search Central, AI-funkciók és a webhelyed
• Schema.org, PodcastEpisode, PodcastSeries és AudioObject típusok
• OpenAI dokumentáció, az OpenAI robotjainak áttekintése
• W3C Web Accessibility Initiative, Transcripts útmutató és WCAG 2.2, 1.2.1 sikerkritérium
• Apple Podcasts for Creators, az átiratok dokumentációja