IA libre Discurso al texto

Transcribe audio y vídeo al texto en más de 100 idiomas. Más de 10 modelos de IA. Detección de altavoces. No se requiere registro.

9.2K
transcripciones
233.2K
minutos transcritos
100+
idiomas
70+
herramientas gratuitas

Funciona con audio y vídeo de acceso público. El contenido protegido por DRM no es compatible.

Actualizar para mejorar
Transcripciones privadas
Charla con transcripción
Desbloquear con Pro →
Soltar archivo aquí o haga clic para navegar
MP3, WAV, M4A, FLAC, MP4, MKV, MOV, WebM — hasta 2 GB
Actualizar para mejorar
Transcripciones privadas
Charla con transcripción
Desbloquear con Pro →
Actualizar para mejorar
Grabación: 0:00
En tiempo real Vosk (instante)
Mejorado Susurro (exacto)
Enlaces públicos: 24h, sólo texto · Inscríbete para 7d + audio · Pro para enlaces privados

Discurso en tiempo real al texto. IA corrige automáticamente mientras habla — la precisión mejora con un discurso más largo.

Pon a prueba tu micrófono primero
❤️ ¡Díselo a tus amigos!
Has usado tus transcripciones gratis.

Regístrese gratis para obtener 600 minutos / mes, o actualizar para transcripciones ilimitadas.

10 min/día gratis 600 min gratis con registro Sin tarjeta de crédito Cifrado
Inscríbete gratis →
Almacenamiento cifrado del lado del cliente — Sus transcripciones están encriptadas en su navegador. Aprenda cómo funciona →

Cómo funciona STT.ai

Tres pasos para una transcripción precisa

1. Cargar, registrar o pegar URL

Arrastre y suelte cualquier archivo de audio o vídeo (MP3, WAV, MP4 y 20+ formatos). Grabe desde su micrófono en tiempo real. O pegue un enlace desde YouTube, Vimeo, TikTok y 1.300+ plataformas.

2. AI Transcribe con su elección de modelo

Elija entre más de 10 modelos de IA, incluyendo Whisper, NVIDIA Canary (precisión #1) y Moonshine. Detectar automáticamente el lenguaje de más de 100 opciones. Diarización del altavoz identifica quién dijo qué.

3. Exportar, Compartir o Integrar

Descargue como TXT, SRT, VTT, DOCX, JSON o PDF. Comparta a través del enlace. Utilice nuestra API para integrar la transcripción en su aplicación. Perfecto para subtítulos, notas de reuniones, podcasts y más.

100+
Idiomas admitidos
70+
Herramientas gratuitas
1,300+
Plataformas apoyadas
7
Exportar formatos

API de desarrollador-primero

Integre voz a texto en su aplicación en cuestión de minutos. API RESTful con streaming WebSocket en tiempo real.

REST + WebSocket — Carga de archivos y streaming en tiempo real
Modelos múltiples — Whisper, Canary, Enhanced & more
Diarización del altavoz — Autodetectar quién dijo qué
Salida flexible — JSON, TXT, SRT, VTT con marcas de tiempo de palabra
import requests

response = requests.post(
    "https://api.stt.ai/v1/transcribe",
    headers={"Authorization": f"Bearer {API_KEY}"},
    files={"file": open("meeting.mp3", "rb")},
    data={
        "model": "large-v3-turbo",
        "language": "auto",
        "diarize": "true",
        "response_format": "json",
    },
)

result = response.json()
for seg in result["segments"]:
    print(f"{seg['speaker']}: {seg['text']}")

¿Listo para transcribir?

Carga tu primer archivo gratis. Sin tarjeta de crédito, sin registro. 600 minutos al mes en el plan gratuito.

Iniciar la transcripción

Preguntas frecuentes

speech to text runs in your browser: paste a URL, upload a file, or record from your mic. STT.ai picks the AI model and returns the transcript in under 5 minutes. Export as TXT, SRT, VTT, DOCX, JSON, or PDF.

Yes — every visitor gets 600 free minutes/month on STT.ai, usable for speech to text the same as any other workflow. Paid plans starting at $5/month unlock longer files, private transcripts, and priority queueing.

speech to text runs on the same AI models as the rest of STT.ai — our best models reach 95-97% accuracy on clean speech (3-5% Word Error Rate on benchmarks). Switch models on the fly if the first pass is below your target.

speech to text can run on any of STT.ai's 10+ models — STT.ai Enhanced (most accurate), Whisper Large V3 (99 languages), NVIDIA Canary (#1 WER on supported langs), Whisper Turbo (fast), Moonshine (lightweight), and more.

Yes. Every transcript exports as SRT or VTT — works with YouTube, Vimeo, TikTok, VLC, and every major video player. The burn-subtitles tool overlays them onto video as hardsubs.

Yes. Speaker diarization automatically labels each voice (Speaker 1, Speaker 2, ...) and you can rename them in the built-in editor. Works across all models and languages.

Most speech to text jobs finish in under 5 minutes. A 1-hour audio file typically completes in 2-3 minutes with our fastest models. Speed depends on chosen model and current GPU load.

speech to text accepts 20+ formats — MP3, WAV, M4A, FLAC, OGG, MP4, MKV, MOV, WebM, AVI, and more. Output to TXT, SRT, VTT, DOCX, JSON, or PDF.

Yes. Audio files submitted to speech to text are processed and deleted by default. Pro plans add client-side encryption — even if STT.ai's database is breached, your transcripts are unreadable without your key. Data is never used for model training without explicit opt-in.

Yes. STT.ai offers a REST API with Python and Node.js SDKs, plus an MCP server for Claude and Cursor — all usable for speech to text workflows. Free API tier includes 100 minutes/month.

Yes. Every transcript opens in the built-in editor where you can correct words, rename speakers, adjust timestamps, and add notes. All changes save automatically.

Every transcript gets a unique shareable URL. Export to DOCX or PDF for email. Pro plans add password-protected and permanent links — useful for client work.

STT.ai handles 1,300+ platforms including YouTube, Vimeo, TikTok, SoundCloud, Zoom, Google Meet, podcast hosts, and more. URL transcription works with publicly-available content only — DRM-protected sources can't be transcribed.