هوش مصنوعی آزاد تبدیل گفتار به متنComment

رونوشت صدا و ویدئو به متن در بیش از ۱۰۰ زبان. مدل‌های متعدد Whisper. تشخیص سخنران. ثبت نام لازم نیست.

12K
رونوشتها
290.2K
دقیقه
100+
زبانها
70+
ابزارهای آزاد

با صوت و ویدئوهای در دسترس عمومی کار می‌کند. محتوای محافظت شده با DRM پشتیبانی نمی‌شود.

ارتقا برای بهبودیافته
رونوشت خصوصی
گپ زدن با رونوشت
باز کردن قفل با Pro →
پروندۀ را اینجا بگذارید یا برای مرور کلیک کنید
MP3, WAV, M4A, FLAC, MP4, MKV, MOV, WebM — تا ۲ گیگابایت
ارتقا برای بهبودیافته
رونوشت خصوصی
گپ زدن با رونوشت
باز کردن قفل با Pro →
ارتقا برای بهبودیافته
ضبط: 0:00
زمان واقعی موم (موقت)
بهبودیافته زمزمه (دقت)
وبگاه رسمی 24hours.com · ثبت نام برای 7d + صدا · حرفه اي برای پیوندهای خصوصی

گفتار به متن در زمان واقعی. هوش مصنوعی خودکاراً در حین صحبت کردن شما را اصلاح می‌کند - دقت با صحبت طولانی تر بهبود می‌یابد.

ابتدا میکروفون خود را امتحان کنید
❤️ دوست STT.ai رو به دوستانت بگو
تو از رونوشت هاي مجانيت استفاده کردي

برای دریافت ۶۰۰ دقیقه رایگان ثبت نام کنید یا از ۵ دلار در ماه برای هزاران دلار بیشتر ارتقاء پیدا کنید.

۱۰ دقیقه آزاد در روز 600 دقیقه رایگان با ثبت نام کارت اعتباري ندارم رمزگذاری شده
ثبت نام مجانی →
ذخیرۀ رمزگذاری‌شده جانب کارگزار — رونوشت هاتون توي مرورگرتون رمزگذاري شده حتي ما نميتونيم بخونيمشون ياد بگير چطور کار ميکنه →

اعتماد به نفس توسط حرفه ای ها در سراسر جهان

STT.ai چگونه کار می‌کند

سه گام برای رونویسی دقیق

۱. بارگذاری ، ضبط یا چسباندن نشانی وب

هر پرونده صوتی یا ویدئویی (MP3، WAV، MP4 و ۲۰+ قالب) را بکشید و بگذارید. از میکروفون خود در زمان واقعی ضبط کنید. یا یک پیوند از یوتیوب، ویمو، تیک تاک و بیش از ۱۳۰۰ پلتفرم را بچسبانید.

2- هوش مصنوعی با انتخاب مدل شما رونوشت می کند

مدل Whisper را که با شما سازگار است انتخاب کنید: بهبودیافته (v3 بزرگ ، دقیق‌ترین)، توربو (سرعت ، پیش‌فرض)، متوسط یا کوچک. تشخیص خودکار زبان از ۹۹ گزینه. شنونده دیاریزاسیون شناسایی می‌کند که چه کسی چه گفت.

۳. صادرات، اشتراک‌گذاری یا ادغام

دانلود به صورت TXT، SRT، VTT، DOCX، JSON یا PDF. از طریق پیوند به اشتراک بگذارید. از API ما برای ادغام رونوشت در برنامه‌ی خود استفاده کنید. برای زیرنویس، یادداشت جلسه، پادکست و غیره عالی است.

100+
زبانهای پشتیبانی‌شده
70+
ابزارهای آزاد
1,300+
بسترهای پشتیبانی‌شده
7
قالبهای صادرات

رابط برنامه‌نویسی توسعه‌دهنده اول

یکپارچه‌سازی گفتار به متن در برنامه خود در چند دقیقه. RESTful API با پخش زنده WebSocket.

REST + WebSocket — بارگذاری پرونده و جریان همزمان
چند مدل — Whisper Turbo, بزرگ V3, متوسط و کوچک
شناسه گوینده — تشخیص خودکار اینکه چه کسی چه چیزی گفته
خروجی انعطاف‌پذیر — JSON، TXT، SRT، VTT با علامت زمان کلمه
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']}")

از یک سخنرانی دیگر به سرویس متنی تغییر می دهید؟

آماده اي که بذاري بشنوي؟

اولی فایلتون رو رایگان آپلود کنید بدون کارت اعتباری، بدون ثبت نام 600 دقیقه برای شروع برنامه رایگان

شروع رونوشت

پرسشهای متداول

گفتار به متن 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 گفتار به متن the same as any other workflow. Paid plans starting at $5/month unlock longer files, private transcripts, and priority queueing.

گفتار به متن 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.

گفتار به متن می‌تواند بر روی هر یک از مدل‌های میزبان ویسپر ۸۸۰۰۰ اجرا شود — STT.ai Enhanced (Whisper large-v3، دقیق‌ترین، در برنامه‌های پرداختی)، ویسپر Large V3، ویسپر Turbo (سرعت)، ویسپر Medium و ویسپر Small.

بله. هر رونوشت به صورت SRT یا VTT صادر می‌شود — با یوتیوب، ویمو، TikTok، VLC و هر پخش‌کننده ویدئویی بزرگ کار می‌کند. ابزار زیرنویس سوزاندن آن‌ها را به عنوان زیرنویس سخت بر روی ویدئو قرار می‌دهد.

بله. فهرست‌بندی بلندگوها به طور خودکار هر صدا را برچسب می‌زند) بلندگو ۱ ، بلندگو ۲ ،... (و می‌توانید آنها را در ویرایشگر درونی تغییر نام دهید. در تمام مدلها و زبانها کار می‌کند.

بیشتر گفتار به متن کارها در کمتر از ۵ دقیقه به پایان می‌رسند. یک پرونده صوتی یک ساعته معمولاً در سریع‌ترین مدل‌های ما در ۲-۳ دقیقه به پایان می‌رسد. سرعت به مدل انتخاب شده و بار GPU جاری بستگی دارد.

گفتار به متن بیش از ۲۰ قالب را پشتیبانی می‌کند — MP3, WAV, M4A, FLAC, OGG, MP4, MKV, MOV, WebM, AVI, و بیشتر. خروجی به TXT, SRT, VTT, DOCX, JSON, or PDF.

Yes. Audio files submitted to گفتار به متن 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 گفتار به متن workflows. Free API tier includes 100 minutes/month.

بله. هر رونوشت در ویرایشگر داخلی باز می‌شود که در آن می‌توانید کلمات را تصحیح کنید، نام گویندگان را تغییر دهید، مهرهای زمانی را تنظیم کنید و یادداشت‌ها را اضافه کنید. همه تغییرات به صورت خودکار ذخیره می‌شوند.

هر رونوشت یک نشانی وب مشترک منحصربه‌فرد دریافت می‌کند. برای ارسال ایمیل به DOCX یا PDF صادر می‌شود. برنامه‌های حرفه‌ای پیوندهای دائمی و محافظت‌شده با گذرواژه را اضافه می‌کنند — برای کار مشتری مفید است.

STT.ai بیش از ۱۳۰۰ پلت فرم را از جمله یوتیوب، ویمو، تیک تاک، ساوند کلاود، زوم، گوگل میت، میزبان‌های پادکست و بیشتر را مدیریت می‌کند.