Na AI transkripciji i diktiranju zarađuje nekoliko aplikacija koje su izašle 2023, ubrzo pošto je OpenAI objavio otvoreni model Whisper: MacWhisper, Superwhisper, AudioPen i BoltAI. Nove aplikacije iz 2025–2026. uglavnom zarađuju stotine dolara mesečno. Cena diktiranja pada, a za naše jezike najveći nedostatak nije usluga, već dobar kvalitet bez interneta.
Ispod su brojke, modeli naplate i stanje sa srpskim, hrvatskim i bosanskim. Svi podaci prikupljeni su 16. novembra 2026, sa izvorom pored svake brojke.
Lideri iz 2023: koliko zarađuju
MacWhisper je aplikacija za Mac koju pravi jedan programer iz Holandije. Prepisuje audio i video fajlove na samom računaru, bez slanja na server. Pro verzija se plaća jednokratno 64 € preko Gumroad-a, a u App Store-u postoji posebna verzija na pretplatu (Voibe, prikaz). Brojač prodaje na Gumroad-u procenjuje njen ukupan prihod na oko 2,2 miliona dolara (profitable.app). To je procena: brojač uključuje i besplatna preuzimanja (Steal What Works). Programer daje 30% popusta studentima, neprofitnim organizacijama i novinarima, što dosta govori o tome ko plaća (Voibe, cene).
Superwhisper je diktiranje sa lokalnim ili cloud modelima: 8,49 $ mesečno, 84,99 $ godišnje ili 249,99 $ doživotno (TechCrunch, 2. maj 2026). Po sekundarnim izvorima, dostigao je „sedmocifren“ godišnji prihod bez investitora i ima oko šest zaposlenih sa punim radnim vremenom (aiwiki).
AudioPen pretvara neuređenu glasovnu belešku u čist tekst za 99 $ godišnje (TechCrunch). Po rečima osnivača, donosi 15–20 hiljada dolara mesečno od preko 5.000 korisnika koji plaćaju (Indie Hackers).
BoltAI, Mac klijent za lokalne modele i korisnikove sopstvene API ključeve, stigao je do 30 hiljada dolara mesečno u martu 2025. na trajnim licencama. Marža je blizu 90%, jer ne preprodaje AI kredite. I to su reči osnivača (Indie Hackers).
| Aplikacija | Šta radi | Cena | Prihod | Pouzdanost |
|---|---|---|---|---|
| MacWhisper | Lokalna transkripcija fajlova, Mac | 64 € jednokratno | ~2,2 mil. $ ukupno | Procena treće strane |
| Superwhisper | Diktiranje, lokalno i u cloud-u | 8,49 $/mes. ili 249,99 $ doživotno | „Sedmocifren“ godišnje | Sekundarni izvori |
| AudioPen | Glasovna beleška → čist tekst | 99 $/god. | 15–20 hilj. $/mes. | Reči osnivača |
| BoltAI | Mac klijent za lokalne modele | Trajna licenca, ~79 $ | 30 hilj. $/mes. (mart 2025) | Reči osnivača |
Sve četiri su stigle rano, dok je Whisper bio nov i konkurencije gotovo nije bilo.
Novajlije iz 2025–2026: stotine dolara
TrustMRR je katalog startapa koji prihod proverava direktnom vezom sa Stripe-om i drugim sistemima plaćanja. Stanje na dan 16. novembra 2026:
- Speechyou, snimanje i transkripcija sastanaka: 1.286 $ za poslednjih 30 dana, 84 pretplate (TrustMRR).
- Fast-Transcriber: 560 $ za 30 dana (TrustMRR).
- VoxBee, transkripcija bez interneta za macOS i Linux: 54 $ za 30 dana (TrustMRR).
- Yapper, diktiranje za Windows uz jednokratnu licencu od 20 €: ukupno 22 $ za sve vreme (TrustMRR).
Cloud aplikacija za diktiranje Voicy počela je da naplaćuje u februaru 2025, a do avgusta je stigla do oko 1.600 $ mesečno, po rečima osnivača (Voibe).
Zašto diktiranje stalno pojeftinjuje
Cenu pritiskaju tri sile odjednom.
- Besplatan otvoreni kod. Handy je otvorena i besplatna aplikacija za diktiranje za Mac, Windows i Linux (TechCrunch). Kod aplikacije VoiceInk objavljen je pod GPL licencom i drugi programeri su ga već kopirali (ecosyste.ms).
- Licence po ceni kafe. Dictato prodaje diktiranje bez interneta za 9,99 € zauvek, sa dve godine ažuriranja. TechCrunch broji „desetine“ aplikacija za diktiranje na tržištu (TechCrunch).
- Novac investitora na vrhu. Wispr Flow je tokom 2025. prikupio 30 pa još 25 miliona dolara (thebridge.jp). Nudi besplatnih 2.000 reči nedeljno na računaru i planove od 15 $ mesečno, a Latka procenjuje njegov prihod na oko 10 miliona dolara godišnje (Latka).
Između besplatnog koda odozdo i dobro finansiranog lidera odozgo, obično diktiranje na engleskom ima malo prostora.
Jednokratna licenca, pretplata ili mesta za tim
Model naplate zavisi od toga koliko košta usluživanje još jednog korisnika.
- Jednokratna licenca kad se sve obrađuje na korisnikovom računaru: novi kupac programera skoro ništa ne košta. Tako prodaju MacWhisper (64 €), BoltAI (oko 79 $) i VoiceInk (25–49 $) (zekaiwork, TechCrunch).
- Pretplata kad zvuk ide na server: svaki minut košta, pa cloud aplikacije traže 8–15 $ mesečno.
- Mesta za timove donose rast. TypingMind je počeo sa ličnim licencama od 39–99 $, a krajem 2025. timski planovi su, po sekundarnom izvoru, činili više od polovine njegovih 130–160 hiljada dolara mesečno (nomadpreneur). Meetily, otvoreni program za zapisnike sa sastanaka bez interneta, naplaćuje 10 $ po korisniku mesečno uz godišnje plaćanje (Meetily), a Granola od 18 $ mesečno (Granola).
- Katalozi poput Setapp-a, pretplate na paket Mac aplikacija: programerima deli 70% članarine prema korišćenju i dodaje 20% ako je pretplatnika doveo sam programer (Setapp).
Koliko AI greši na srpskom, hrvatskom i bosanskom
Ovde se slika menja. Za engleski i velike jezike otvoreni modeli su već dobri: u jednom testu Whisper large-v3 pogrešio je 5,2% reči na engleskom i 2,7% na španskom (inferenceapis). Udeo pogrešnih reči (WER) je standardna mera kvaliteta transkripcije.
Za naše jezike brojke su drugačije. Na testu FLEURS, Whisper large-v3-turbo pogrešio je 13,0% reči na srpskom i hrvatskom i 22,3% na bosanskom, dok je cloud servis na srpskom imao 2,8% (LokalBot, PR #197). Te brojke potiču iz zahteva za izmenu na GitHub-u, ne iz recenziranog rada.
Postoji i problem pisma. Whisper piše srpski latinicom i kad se očekuje ćirilica. Kad se rezultat poredi sa ćiriličnim tekstom, greška je 93%, a posle prebacivanja u isto pismo 21% (inferenceapis). Isti test navodi da model često meša srpski i bosanski pri automatskom prepoznavanju jezika. Za institucije koje rade na ćirilici to nije sitnica.
Usluga postoji, nedostaje kvalitet bez interneta
Bilo bi pogrešno reći da za naše jezike nema ničega. Veliki cloud servisi ih već podržavaju: ElevenLabs i AssemblyAI srpski, Speechmatics hrvatski (ElevenLabs, AssemblyAI, Speechmatics). Ko može da pošalje snimak na strani server, dobiće dobar tekst.
Nedostatak je drugde: dobar kvalitet bez interneta. Advokati, lekari, novinari sa izvorima, sudovi i lokalne uprave često ne smeju ili ne žele da šalju snimke van svog računara. Za njih ostaju otvoreni modeli, a oni na ovim jezicima greše nekoliko puta više nego na engleskom. Razliku pravi dorada: izbor pisma, rečnici, interpunkcija, model obučen na lokalnom govoru.
Ko u regionu zarađuje na govoru i jeziku
Javnih podataka je malo, i svi pokazuju prodaju organizacijama, ne pojedincima.
AlfaNum iz Novog Sada od 2003. godine pravi prepoznavanje i sintezu govora za srpski, hrvatski, makedonski i crnogorski (AlfaNum). Firma ima manje od 20 zaposlenih (Infostud), a procene prihoda se razilaze od manje od milion do 5,5 miliona dolara (SignalHire, ZoomInfo). Tracxn je vodi kao neaktivnu (Tracxn), pa ove procene treba uzeti sa rezervom.
Tvorcima YugoGPT-a, jezičkog modela za srpski, hrvatski i bosanski, obraćale su se velike banke, kompanije i država (Joberty). Podaci o prihodu nisu javni.
Malu aplikaciju za ove jezike sa javnim prihodom nismo našli. Nije poznato ni koliko su ljudi i firme u Srbiji, Hrvatskoj i Bosni spremni da plate za takav alat. Potražnja možda postoji, ali je niko nije javno pokazao brojkama.
Šta koristiti ako vam treba tekst iz snimka
Za korisnika, pad cena je dobra vest. Ako snimak pretvarate u tekst povremeno, dovoljan je alat u pregledaču, na primer naša online transkripcija audio snimka. Ako snimci ne smeju da napuste računar, postoje programi koji rade bez interneta: MacWhisper na Mac-u, otvoreni Handy i Meetily, ili naš program Konspekt za transkripciju bez interneta. Kod naših jezika vredi pre kupovine probati na sopstvenom snimku i proveriti pismo i padeže.
Koliko su ove brojke pouzdane
Samo brojke sa TrustMRR-a provereno su povezane sa sistemom plaćanja. Prihodi AudioPen-a, BoltAI-ja i Voicy-ja su reči osnivača. MacWhisper je procena treće strane koja uključuje i besplatna preuzimanja, Superwhisper i udeo timskih planova kod TypingMind-a dolaze iz sekundarnih izvora, a Wispr Flow je Latkina procena. Greške Whisper-a na našim jezicima uzete su iz zahteva na GitHub-u i tehničkog bloga, ne iz recenziranih studija. Prihodi AlfaNum-a su samo procene agregatora.
I postoji greška preživelog: čujemo za aplikacije koje su zaradile. One koje nisu retko bilo šta objave, pa su stvarne šanse nove aplikacije verovatno lošije nego što ovaj spisak pokazuje.