Firefox 160 přepisuje řeč na text pro webové stránky přímo v počítači, i v češtině
Firefox 160, který vyšel 10. listopadu, dovoluje webovým stránkám nechat si mluvené slovo přepsat do textu přímo v počítači, bez odesílání zvuku na server. Češtinu přepisuje vícejazyčný model od Nvidie, který si prohlížeč napřed stáhne. Má 785 MB a v testu jeho autorů se v češtině spletl zhruba u každého pátého až čtvrtého slova.
Mozilla vydala Firefox 160 10. listopadu 2026. V poznámkách k vydání je mezi novinkami pro vývojáře věta, která se týká i běžných uživatelů: prohlížeč nově podporuje rozhraní SpeechRecognition z Web Speech API a nabízí „on-device, real-time speech-to-text in 40 languages“, tedy přepis řeči na text v reálném čase přímo v zařízení, ve 40 jazycích. Přes to rozhraní si webová stránka může nechat převést do textu, co člověk říká do mikrofonu. Typicky jde o diktování do formuláře nebo hlasové vyhledávání.
Ve Firefoxu 159 bylo rozhraní ve výchozím stavu zapnuté jen v nočních vývojových sestaveních, jak ukazuje soubor s výchozím nastavením ve zdrojovém kódu. Ve verzi 160 platí pro všechna vydání kromě Androidu. Funkce s umělou inteligencí Mozilla do prohlížeče přidává postupně, ve Firefoxu 159 třeba změnila, co posílá chatbotu při shrnutí stránky.
Češtinu přepisuje vícejazyčný model od Nvidie
Který model přepis udělá, určuje soubor models.yaml ve zdrojovém kódu verze 160. Angličtina má vlastní model Parakeet Realtime EOU 120M o velikosti 141 MB. Ostatní podporované jazyky včetně češtiny, slovenštiny a polštiny jdou přes vícejazyčný model Nemotron 3.5 ASR Streaming 0.6B od Nvidie, který má 785 MB. V instalaci Firefoxu není. Prohlížeč ho stahuje až ve chvíli, kdy ho některá stránka poprvé potřebuje.
Nvidia na kartě modelu dělí jazyky do tří skupin. Čeština není mezi devatenácti, které označuje jako připravené k přepisu, ale mezi třinácti se „širokým pokrytím“ (broad coverage). Obě skupiny podle karty přepisují bez dalšího doučování, třetí skupina ho potřebuje. Chybovost autoři měřili na testovací sadě FLEURS jako podíl špatně přepsaných slov, a to při různé délce úseku zvuku, který model zpracuje najednou:
| jazyk | chybovost při úseku 80 ms | chybovost při úseku 1,12 s |
|---|---|---|
| němčina | 9,81 % | 8,31 % |
| polština | 19,88 % | 15,15 % |
| čeština | 24,18 % | 20,41 % |
| slovenština | 25,08 % | 21,28 % |
Čísla platí pro případ, kdy model dostane jazyk zadaný. Kratší úsek znamená rychlejší odezvu a víc chyb. Jakou délku používá Firefox, jeho dokumentace neuvádí, kód ji přebírá z modelu. V češtině tak model v testu spletl zhruba každé páté až čtvrté slovo, v němčině každé desáté až dvanácté. Když stránka jazyk neurčí a model ho pozná sám, vychází čeština ještě o jeden až necelé dva procentní body hůř.
Před stažením modelu se Firefox zeptá
Stažení nespustí stránka sama. Podle technické dokumentace Firefox nejdřív ukáže výzvu se jménem stránky a velikostí dat. Česká verze začíná otázkou „Nastavit rozpoznávání řeči?“ a pokračuje větou, že Firefox „provádí rozpoznávání řeči přímo ve vašem zařízení, takže zvuková data zůstávají v něm“. Pak uvede, kolik dat stáhne, u češtiny tedy přibližně 785 MB. Tlačítka jsou dvě: Pokračovat a Teď ne.
Odpověď si prohlížeč nepamatuje. Výzva přijde pokaždé, když je potřeba něco stáhnout, a jakmile model v počítači je, už se neptá a stránka ho použije rovnou. Nabídku ke stažení dostanou i stránky psané pro starší podobu rozhraní, které rovnou spouštějí přepis; zajišťuje to volba install_on_start, ve výchozím stavu zapnutá. Vložený rám z cizí domény rozpoznávání nepoužije, dokud mu to hlavní stránka výslovně nepovolí. Stejně se Firefox chová ke kameře a mikrofonu.
Vypnout se přepis dá v oddílu Ovládání AI
Kdo funkci nechce, vypne ji v nastavení prohlížeče v oddílu Ovládání AI přepínačem Rozpoznávání řeči. Volba platí pro celý profil. Stránky pak přepis nespustí ani s už staženým modelem. Totéž udělá zablokování všech funkcí s umělou inteligencí, které běží v počítači.
Na Macu může přepis počítat na grafickém čipu přes rozhraní Metal. Ve Windows a v Linuxu zatím pracuje procesor, podporu grafiky přes Vulkan dokumentace odkládá na druhou etapu. Na Androidu zůstává rozhraní vypnuté.
Firefox 160 přinesl i drobnosti, které uživatel uvidí hned. Přehrávač obrazu v obraze má volbu rychlosti od 0,25 do dvojnásobku. Stránkám, které se opakovaně ptají, jestli smějí otevírat e-mailové a další odkazy, to jde novým tlačítkem trvale zakázat. Prohlížeč také přehraje soubory MKV se zvukem ve formátu FLAC, MP3 nebo PCM a ve zkušební podobě přidal Mini Window, plovoucí okno nad ostatními, do kterého jde přesunout panel nebo vybranou část stránky. Server Phoronix u vydání vyzdvihl právě přepis řeči a soubory MKV. Další verze 161 má podle kalendáře vydání vyjít 24. listopadu.
Zdroje
- Mozilla: Firefox 160.0 Release Notes (10. listopadu 2026)
- Zdrojový kód Firefoxu 160: models.yaml, přiřazení jazyků k modelům a jejich velikosti
- Zdrojový kód Firefoxu 160: dokumentace SpeechRecognition, výzva ke stažení, ovládání AI, hardware
- Výchozí nastavení Firefoxu 160 a Firefoxu 159
- Česká lokalizace Firefoxu: texty výzvy ke stažení modelu a texty nastavení
- Nvidia: karta modelu Nemotron 3.5 ASR Streaming 0.6B, skupiny jazyků a chybovost na sadě FLEURS
- Phoronix: Firefox 160 Available With Speech-To-Text, MKV Files With FLAC / MP3 / PCM Audio
- Firefox Release Calendar
