Gratis AI Pidato ke Teks

Bimbing audio & video ke teks dalam bahasa 100+. 10+ model AI. Pendeteksian Speaker. Tidak diperlukan pendaftaran.

9.2K
transkripsi
233K
menit ditranskrip
100+
bahasa
70+
perkakas bebas

Bekerja dengan audio & video yang tersedia di publik. Isi yang dilindungi DRM tidak didukung.

Tingkatkan untuk Diperbarui
Transkrip pribadi
Percakapan dengan transkrip
Buka Kunci dengan Pro →
Jatuhkan berkas di sini atau klik untuk diramban
MP3, WAV, M4A, FLAC, MP4, MKV, MOV, WebM sembari 2GB
Tingkatkan untuk Diperbarui
Transkrip pribadi
Percakapan dengan transkrip
Buka Kunci dengan Pro →
Tingkatkan untuk Diperbarui
Rekaman: 0:00
Real-time Vosk (instant)
Enhanced Berbisik (akurat)
Link publik: 24h, hanya teks · Daftar untuk audio 7d + · Pro untuk sambungan privat

Pidato real-time dengan teks. AI auto-treksis saat Anda berbicara dengan akurasi meningkatkan dengan pidato yang lebih panjang.

Uji mikrofon Anda terlebih dahulu
❤️ Katakan pada teman-temanmu!
Anda telah menggunakan transkripsi gratis Anda

Daftar secara gratis untuk mendapatkan 600 menit/bulan, atau upgrade untuk transkripsi tak terbatas.

10 menit/hari bebas 600 menit gratis dengan signup Tidak ada kartu kredit Terenkripsi
Bebas mendaftar →
Penyimpanan terenkripsi sisi klien — transkrip Anda dienkripsi di browser Anda Bahkan kita tidak bisa membacanya. Pelajari cara kerjanya →

Dipercaya oleh profesional di seluruh dunia

Cara Kerja STT.ai

Tiga langkah menuju transkripsi yang akurat

1. Upload, Record, atau Tempel URL

Seret dan jatuhkan berkas audio atau video apapun (MP3, WAV, MP4, dan 20+ format). Rekam dari mikrofon Anda secara real-time. Atau tempelkan link dari YouTube, Vimeo, Tiktok, dan 1.300 platforms+.

2. AI Menandatangani dengan Pilihan Model Anda

Pilih dari 10+ model AI termasuk Whisper, NVIDIA Canary (#1 akurasi), dan Moonshine.

3. Ekspor, Berbagi, atau Integrate

Unduh sebagai TXT, SRT, VTT, DOCX, JSON, atau PDF. Share melalui link. Gunakan API kami untuk mengintegrasikan transkripsi ke dalam aplikasi Anda. Sempurna untuk subtitle, catatan pertemuan, podcast, dan lebih.

100+
Bahasa Didukung
70+
Perkakas Bebas
1,300+
Platform Didukung
7
Ekspor Format

API Pengembang-Pertama

Integrate speech-to-text into your app in minutes. RESTful API with real-time WebSocket streaming.

EST + WebSocket — Berkas upload dan streaming real-time
Multiple model — Whisper, Canary, Enhanced & more
Diarisasi Speaker — Auto-detect yang mengatakan apa
Keluaran fleksibel — JSON, TXT, SRT, VTT dengan penanda waktu kata
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']}")

Siap untuk menuliskan?

Tidak ada kartu kredit, tidak ada pendaftaran. 600 menit per bulan pada rencana bebas.

Mulai Mentranskrip

Pertanyaan yang Sering Diajukan

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.