Příprava studijních materiálů z nahrané přednášky je typickým příkladem práce, kterou generativní AI během krátké doby zásadně zjednodušila. Před dvěma lety jsem ručně přenášel nahrávku, přepis, slajdy a tři základní prompty mezi samostatnými nástroji. Dnes stačí k nahrávce a slajdům jediný pokyn, po kterém vznikne zkontrolované shrnutí, obsah nad rámec prezentace, slovníček a hotové PDF pro studenty.

Před dvěma lety jsem měl funkční postup, který by dnes působil skoro archeologicky. Nahrál jsem přednášku, nechal ji rozpoznat, otevřel web ChatGPT a vložil přepis. Pak přišly tři základní prompty: pro souhrn přednášky, obsah nad rámec slajdů a slovníček pojmů.

Na konci vzniklo chronologické shrnutí přednášky, přehled toho, co zaznělo nad rámec slajdů, a slovníček pojmů pro studenty. Výsledek byl užitečný. Cesta k němu byla ruční pipeline, ve které jsem suploval integraci mezi jednotlivými službami.

Tři prompty, které fungovaly

Ruční postup měl jednu výhodu: dobře jsem viděl, co se v každém kroku děje. Přepis zůstal oddělený od slajdů, takže se nejprve zachovala chronologie skutečného výkladu. Prezentace potom pomohla opravit odborné termíny a odlišit doplnění z hodiny od obsahu, který už studenti měli v PDF.

Bohužel jsem při každé přednášce opakoval stejnou sadu mechanických úkonů. Nahrát soubor, stáhnout přepis, přenést text, přiložit slajdy, hlídat prompty a nakonec z výsledku vyrobit dokument. Na jednu přednášku to šlo. U celého semestru začalo být zřejmé, že kolečko potřebuje automatizaci.

Od přednášky k prototypu

V září 2025 jsem tento postup ukázal na AI Monday Plzeň. V listopadu jsem o AI ve vysokoškolské výuce mluvil také na Dnech AI na ZČU. V té době už postup nebyl pouze soukromým experimentem: používal jsem jej při výuce a mohl popsat jeho přínosy i místa, kde stále potřebuje lidskou kontrolu.

Další posun přišel se studenty na AimtecHackathonu 2026. Z prototypování vznikl uTeach AI, který vede uživatele od nahrávky přes přepis a shrnutí až k exportu. Pro samotné zpracování využívá malé lokální jazykové modely.

Webová aplikace ukázala, že se celý postup dá zabalit do jednoho nástroje. Zároveň stále potřebovala vlastní rozhraní a pevně připravený proces. Mezitím se rychle posouvaly nástroje, které dokážou postup sestavit a provést podle popsaných pravidel.

Vedlejší produkt z Oxfordu

Během workshopu o agentní AI v Oxfordu jsem lidem mimo IT ukazoval praktické použití Codexu. Potřeboval jsem, aby agent dokázal spolehlivě poslat nahrávku do UWebASR, počkat na výsledek a vrátit přepis v požadovaném formátu.

Vedlejším produktem proto vznikl veřejný UWebASR Client & Skill. Samostatný krok, který jsem dříve prováděl ručně, dostal popsané rozhraní a pravidla. Agent jej může použít jako nástroj, aniž bych pokaždé znovu vysvětloval technické detaily přepisu.

Odtud byl již jen krůček ke skillu AI summary přednášek. Ten skládá dohromady přepis, celé slajdy, pravidla pro syntézu obsahu i kontrolu výsledného PDF. Součástí workflow je také ověření, že ve výsledku nechybí text, nerozbily se znaky a stránky nejsou oříznuté.

Jedna věta místo ruční pipeline

Do složky stačí uložit nahrávku a odpovídající PDF se slajdy. Pak lze zadat jediný pokyn:

Použij $ai-summary-prednasek na 2026/01/ite01.mp3.

Agent, v mém případě OpenAI Codex, najde slajdy se stejným názvem, před spuštěním je potvrdí, přednášku přepíše a zpracuje celý přepis i prezentaci. Výsledkem je Markdown a PDF se třemi jasně oddělenými částmi: shrnutím hlavních bodů, obsahem nad rámec prezentace a abecedním slovníčkem.

Pořád zde zůstává prostor pro kontrolu. Přepis může zkomolit odborný termín, model může některý bod zařadit nepřesně a nahrávání výuky má vlastní pravidla soukromí. Rozdíl je v tom, že opakovatelné kroky, formátování a technickou kontrolu již nemusím pokaždé skládat ručně.

Dva roky jsou v AI docela dlouhá doba

Když se na celou cestu podívám zpětně, působí jako několik generací nástrojů. Ve skutečnosti se odehrála během pouhých dvou let: od kopírování mezi weby přes studentský prototyp s lokálními modely až po agenta, který celý postup provede podle jednoho zadání.

Výstup se přitom příliš nezměnil. Pořád chci studentům dát srozumitelné shrnutí, zachytit podstatné odbočky z výkladu a vysvětlit pojmy, které mohou brzdit porozumění. Proměnila se hlavně cesta, kterou se k materiálu dostanu.

A co vy, už nahráváte svoje přednášky?

Ilustrovaná časová osa vede od nahrávky a slajdů přes několik ručních kroků k agentnímu workflow a hotovému studijnímu materiálu
Během dvou let se z ručního řetězce několika nástrojů stal opakovatelný postup spuštěný jediným pokynem.

Odkazy

Číst dále