Laisva AI Kalba tekstui

Atsekti garsą ir vaizdo įrašą į tekstą 100+ kalbomis. 10+ AI modeliai. Garsiakalbio aptikimas. Nereikia užsiregistruoti.

9.3K
Transkripcija
235.9K
minučių pertraukimas
100+
kalbos
70+
laisvos priemonės

Veikia su viešai prieinama garso ir vaizdo medžiaga. DRM apsaugotas turinys nepalaikomas.

Atnaujinti tobulinimui
Private transcript
Pokalbis su stenograma
Atrakinti su Pro →
Numeskite failą čia arba spustelėkite norėdami naršyti
MP3, WAV, M4A, FLAC, MP4, MKV, MOV, WebM – iki 2GB
Atnaujinti tobulinimui
Private transcript
Pokalbis su stenograma
Atrakinti su Pro →
Atnaujinti tobulinimui
Įrašas: 0:00
Realusis laikas Voskas (nuolat)
Sustiprintas Visper (tikslus)
Viešosios nuorodos: 24h, tik tekstas · Užsiregistruoti skirtas 7d + audio · Pro asmeniniams ryšiams

Kalbėjimas realiu laiku su tekstu. AIS auto-korekcija, kai jūs kalbate — tikslumas pagerina ilgiau kalba.

Pirmiausia patikrinkite mikrofoną
❤️ Love STT.ai? Tell your friends!
Jūs naudojote savo nemokamus transkripciją

Užsiregistruoti nemokamai gauti 600 minučių/mėnesį, arba atnaujinti neribotą transkripciją.

10 nemokamų min. per dieną 600 min be registracijos Nėra kredito kortelės Šifruojama
Užsiregistruoti nemokamai →
Kliento slaptasis saugojimas — Jūsų stenogramos yra šifruotos jūsų naršyklėje. Net mes negalime jų perskaityti. Sužinokite, kaip tai veikia →

Kaip veikia STT.ai

Trys žingsniai siekiant tikslaus transkripcijos

1. Įkelkite, įrašykite, arba įdėti URL

Vilkite ir numeskite bet kokį garso ar vaizdo failą (MP3, WAV, MP4 ir 20+ formatai). Įrašykite iš savo mikrofono realiu laiku. Arba įdėkite nuorodą iš "YouTube", "Vimeo", "TikTok", ir 1300+ platformų.

2. AIS perrašinėja su Jūsų pasirinktu modeliu

Pasirinkite iš 10+ AI modelių, įskaitant Whisper, NVIDIA Canary (#1 tikslumas) ir Moonshine. Auto-aptikti kalbą iš 100+ variantų. Garsiakalbio diarizacija identifikuoja, kas sakė, ką.

3. Eksportuoti, Share, arba integruoti

Atsisiųskite kaip TXT, SRT, VTT, DOCX, JSON arba PDF. Pasidalinkite per nuorodą. Naudokite mūsų API, kad integruotų transkripciją į savo app. Puikiai tinka subtitrams, posėdžio užrašams, podcast, ir daugiau.

100+
Kalbos palaikomos
70+
Laisvi įrankiai
1,300+
Palaikomos platformos
7
Eksportuoti formatus

Programuotojas- pirmasis API

Integruokite kalbą-į-tekstą į savo app minutės. RESTful API su realiu laiku WebSocket srautų.

REST + WebSocket — Failų atsiuntimas ir realaus laiko transliacija
Keli modeliai — Whisper, Kanarų, Patobulintas & daugiau
Garsiakalbių diarizacija — Automatiškai nustatyti, kas pasakė ką
Lanksti išvestis — JSON, TXT, SRT, VTT su žodžiu timestamp reikšmėmis
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']}")

Pasiruošę transliuoti?

Atsisiųsti pirmąjį failą nemokamai. Nėra kredito kortelės, nėra registracijos. 600 minučių per mėnesį ant nemokamo plano.

Pradėti transkripciją

Dažnai užduodami klausimai

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.