Gymnázium Jozefa Gregora Tajovského, Banská Bystrica
Catch
Hlasová AI poznámková aplikácia pre operačný systém Android
Autor: Jakub Hudec
Trieda: III. C
Školský rok: 2025/2026
Obsah
Štruktúra obhajoby
1Úvod
Teoretická časť
2.1Psychológia myslenia
2.2AI modely (ASR a LLM)
2.3Mobilný vývoj a monetizácia
Praktická časť
3.1Architektúra aplikácie Catch
3.2Spracovateľský reťazec (AI pipeline)
3.3Vývoj, testovanie a ekonomika
4Záver
5Použitá literatúra
1 — Úvod
Prečo som si vybral túto tému
Prečo som si vybral túto tému
Mobilné aplikácie s umelou inteligenciou ma fascinujú, pretože patria medzi najrýchlejšie rozvíjajúce sa oblasti informatiky. Sám som často strácal myšlienky počas chôdze alebo cestovania a vždy som chcel mať poruke nástroj, ktorý ich zachytí len pomocou hlasu.
Moje ciele
- Hlavný cieľ: navrhnúť a naprogramovať vlastnú aplikáciu pre Android, ktorá rieši problém rýchleho zachytenia myšlienok hlasom.
- Vedľajší cieľ: posúdiť ekonomickú udržateľnosť projektu — vypočítať si prevádzkové náklady AI a vybrať vhodný monetizačný model.
Ako som postupoval
Najprv som spravil teoretickú analýzu odborných zdrojov. Potom som naprogramoval samotnú aplikáciu v jazyku Kotlin a nakoniec som vypočítal prevádzkové náklady pri rôznych scenároch použitia.
2.1 — Teoretická časť · Psychológia myslenia
Koľkokrát Vám uletí
dobrá myšlienka?
Človek hovorí
0 slov/min
Píše na telefóne
0 slov/min
Reč je takmer 4× rýchlejšia ako písanie.
„Systém 1 pracuje automaticky a rýchlo, s minimálnym úsilím a bez pocitu vedomej kontroly."
— Daniel Kahneman, Myslenie rýchle a pomalé (2012, s. 31) — práve myšlienky Systému 1 majú najkratšiu životnosť
2.2 — Teoretická časť · AI modely
Dva piliere — ASR a LLM
ASR · rozpoznávanie reči
OpenAI gpt-4o-transcribe
Multimodálny model OpenAI určený na prepis hovorenej reči do textu. Vychádza zo skúseností pôvodného modelu Whisper, ale má vyššiu presnosť pri slovenčine a spoľahlivejšie zachováva diakritiku.
- Cena: približne 0,003 € za minútu záznamu
- Rýchlosť: 2 až 6 sekúnd pre 30-sekundovú nahrávku
- Krátky slovenský prompt zlepšuje výslednú presnosť
LLM · veľký jazykový model
Google Gemini 3.5 Flash
Najnovší stredne veľký multimodálny jazykový model od spoločnosti Google. Dokáže spracovať veľmi dlhý kontext v jednej požiadavke. Bol navrhnutý tak, aby bol rýchly a finančne dostupný a zároveň si zachoval vysokú kvalitu odpovedí.
- Cena: menej ako 0,001 € za jednu poznámku
- Použitie: kategorizácia, návrh nadpisu, krátke zhrnutie
- Aktuálne najnovšia stabilná verzia (2026)
Pri písaní teoretickej časti som využíval najmä internetové a odborné elektronické zdroje, keďže problematika vývoja aplikácií s umelou inteligenciou je v slovenských knižných publikáciách spracovaná len minimálne.
2.3 — Teoretická časť · Mobilný vývoj a monetizácia
Kotlin, Compose a ekonomika SaaS
Vývojárske technológie
Kotlin
Moderný typovo bezpečný programovací jazyk. Spoločnosť Google ho od roku 2017 odporúča ako hlavný jazyk pre tvorbu Android aplikácií.
Jetpack Compose
Knižnica od spoločnosti Google na tvorbu používateľského rozhrania. Vývojár pomocou nej v jazyku Kotlin opisuje, ako má rozhranie vyzerať — knižnica sa potom sama postará o jeho vykreslenie a aktualizáciu pri zmenách údajov.
Kotlin Multiplatform
Technológia, ktorá umožňuje napísať spoločnú logiku aplikácie iba raz a následne ju použiť v aplikáciách pre Android, iOS aj počítače. V projekte Catch je takéto rozšírenie plánované na tretí a štvrtý štvrťrok 2026.
Monetizačné modely (SaaS)
SaaS — Software as a Service
Spôsob predaja softvéru, pri ktorom zákazník neplatí jednorazovo, ale priebežne za používanie. Tento model je vhodný pre aplikácie s prevádzkovými nákladmi, akou je aj Catch (volania umelej inteligencie).
Freemium + predplatné
Bezplatná verzia s obmedzeniami umožňuje vyskúšať aplikáciu. Po vyčerpaní limitu si používateľ môže predplatiť plnú verziu (Pro) za mesačný alebo ročný poplatok cez Google Play Billing.
Bod zvratu
Prevádzkové náklady predstavujú približne 0,005 € na jednu poznámku. Pri stovke aktívnych používateľov s desaťpercentnou mierou konverzie na Pro plán je projekt finančne sebestačný.
3.1 — Praktická časť · Architektúra aplikácie
Architektúra — od telefónu po cloud
Android klient
Kotlin
100 % Kotlin kód
Jetpack Compose
Rozhranie Material 3
Room DB
Lokálne SQLite
WorkManager
Fronta na synchronizáciu
HTTPS / JSON
Server (Hetzner EÚ)
Node.js + Express
REST API server
PostgreSQL
Účty používateľov, synchronizácia
Nginx + SSL
Reverzný proxy
Volania AI
Služby umelej inteligencie
OpenAI gpt-4o-transcribe
Prepis hlasu na text (slovenčina)
Google Gemini 3.5 Flash
Kategorizácia, zhrnutie a návrh nadpisu
Obrázok č. 1: Architektúra aplikácie Catch (Zdroj: vlastný)
3.2 — Praktická časť · Spracovateľský reťazec
Cesta poznámky — od reči po databázu
01
Záznam hlasu
Android MediaRecorder · 16 kHz mono · M4A
~0 €
→
02
Whisper API
OpenAI · slovenský prompt · plná diakritika
~0,003 € / minúta záznamu
→
03
Gemini 3.5 Flash
Kategória, nadpis a zhrnutie
< 0,001 € / poznámka
→
04
Room DB
Lokálne SQLite · šifrované
~0 €
→
05
Synchronizácia (WorkManager)
Na pozadí · iba pre Pro · Hetzner EÚ
~0 €
Celkové náklady / poznámka: ~0,005 €
Latencia spracovania: 5 – 12 s (závisí od dĺžky)
Záloha pri offline režime: áno (fronta na neskoršie odoslanie)
3.3 — Praktická časť · Vývoj, testovanie a ekonomika
Konkrétne výsledky vývoja
0
jednotkových testov
prechádza
8,27
MB
veľkosť AAB
5–12s
latencia
AI spracovanie
0%
Kotlin
žiadna Java
Bezplatný
€0
navždy
- 10 hlasových poznámok mesačne
- Maximálne 2 minúty na nahrávku
- Prepis hlasu na text
Najobľúbenejšie
Pro — mesačný
€2,99
za mesiac
- Neobmedzené hlasové poznámky
- Synchronizácia s cloudom (EÚ)
- Plné AI: kategorizácia, zhrnutie, nadpis
Ušetríte 42 %
Pro — ročný
€20,90
za rok
- Všetko z mesačného plánu
- 7-dňová bezplatná skúšobná verzia
- Najvýhodnejšia cena
Tabuľka č. 1: Porovnanie predplatných plánov aplikácie Catch (Zdroj: vlastný)
4 — Záver
Čo sa podarilo a ďalšie smerovanie
✓ Čo sa mi podarilo
- Navrhol a naprogramoval som funkčnú aplikáciu pre Android
- Integroval som modely OpenAI gpt-4o-transcribe a Google Gemini 3.5 Flash
- Napísal som 158 jednotkových testov a aplikáciu som manuálne testoval na zariadení Samsung Galaxy S21 FE
- Aplikáciu som zverejnil v otvorenej beta verzii — je dostupná na catch.vidy.sk
- Vypracoval som monetizačný model a kalkuláciu prevádzkových nákladov
→ Ako chcem v práci pokračovať
- Vytvoriť desktopovú verziu cez Kotlin Multiplatform (tretí štvrťrok 2026)
- Pripraviť verziu pre operačný systém iOS (štvrtý štvrťrok 2026)
- Pridať offline režim s lokálne spustenými modelmi
- Doladiť kategorizáciu vlastným fine-tuningom modelu
- Overiť ekonomický model po oficiálnom uvedení v Google Play Store v júni 2026
5 — Použitá literatúra · Pridajte sa
Zdroje a stiahnutie aplikácie
Pramene
- KAHNEMAN, D.: Myslenie rýchle a pomalé. Bratislava: Aktuell, 2012. 543 s. ISBN 978-80-89153-99-6.
Zdroje
- OpenAI gpt-4o-transcribe. In: platform.openai.com [online]. 2025. Dostupné na: https://platform.openai.com/docs/models/gpt-4o-transcribe
- Gemini 3.5 Flash. In: ai.google.dev [online]. 2025. Dostupné na: https://ai.google.dev/gemini-api/docs/models
- Kotlin Documentation. In: kotlinlang.org [online]. 2025. Dostupné na: https://kotlinlang.org/docs/home.html
- Jetpack Compose. In: developer.android.com [online]. 2025. Dostupné na: https://developer.android.com/jetpack/compose
Stiahnite si aplikáciu
catch.vidy.sk
Ďakujem za pozornosť.
Jakub Hudec · III. C · 2025/2026