Libreng AI > Pagsasalita sa Teksto

> I-transcribe ang audio & video sa teksto sa 100+ wika. 10+ AI modelo. Speaker detection. Walang pag-signup na kinakailangan.

9.3K
Mga transkripsiyon
235.9K
tl> minuto transcribed
100+
Mga wika
70+
> libreng mga tool

> Gumagana sa publikong magagamit na audio at video. DRM-protected na nilalaman ay hindi suportado.

> Upgrade para sa Pinabuting
Private transcript
> Chat sa transcript
> I-unlock sa Pro →
> Drop file dito o mag-click upang mag-browse
Ang mga format ng video na suportado ay MP4, MOV, MKV, AVI, FLV, at iba pa.
> Upgrade para sa Pinabuting
Private transcript
> Chat sa transcript
> I-unlock sa Pro →
> Upgrade para sa Pinabuting
Pag-record: 0:00
Real-time Ang Ōmi (おみ, lit.
Pinahusay > Wika (tumpak)
> Mga link ng publiko: 24h, teksto lamang · Mag-sign up tl> para sa 7d + audio · Pro para sa mga pribadong link

> Real-time na pagsasalita sa teksto. Nag-a-auto-correct ang AI habang nagsasalita ka — pinabuting katumpakan sa mas mahabang pagsasalita.

> Subukan ang iyong microphone muna
❤️ Ibig STT.ai? Sabihin sa iyong mga kaibigan!
> Ginamit mo na ang iyong libreng transcriptions

> Mag-sign up para sa libreng upang makakuha ng 600 minuto / buwan, o mag-upgrade para sa walang limitasyong mga transcription.

> 10 libreng minuto/araw > 600 minuto libreng may pag-signup Walang credit card Naka-encrypt
Mag-sign up para sa libreng →
> Client-side naka-encrypt na imbakan — Ang iyong mga transcript ay naka-encrypt sa iyong browser. Hindi namin mababasa ang mga ito. > Alamin kung paano ito gumagana →

> Pinagkakatiwalaan ng mga propesyonal sa buong mundo

Paano gumagana ang STT.ai

> Tatlong hakbang sa tumpak na transcription

1. I-upload, Record, o I-paste ang URL

> I-drag at i-drop ang anumang audio o video file (MP3, WAV, MP4, at 20 + format). Record mula sa iyong mic sa real-time. O i-paste ang isang link mula sa YouTube, Vimeo, TikTok, at 1,300 + platform.

2. AI transcribes sa iyong pagpili ng modelo

> Pumili mula sa 10+ AI modelo kabilang ang Whisper, NVIDIA Canary (#1 katumpakan), at Moonshine. Auto-detect wika mula sa 100+ mga pagpipilian. Speaker diarization tumutukoy na sinabi kung ano.

3. Export, Ibahagi, o Isama

> I-download bilang TXT, SRT, VTT, DOCX, JSON, o PDF. Ibahagi sa pamamagitan ng link. Gamitin ang aming API upang isama ang transcription sa iyong app. Perpekto para sa mga subtitle, mga tala ng pulong, podcast, at higit pa.

100+
tl> Wika Suportado
70+
Libreng mga tool
1,300+
tl> Platforms Suportado
7
> Export Formats

Developer-una API

> Isama ang pagsasalita-sa-text sa iyong app sa loob ng ilang minuto. RESTful API na may real-time WebSocket streaming.

Ang.web ay isang Internet top-level domain (TLD). — > File-upload at real-time streaming
Maraming mga modelo — > Wisper, Canary, Pinabuting & higit pa
> Speaker diarization — > Auto-detect na sinabi kung ano
> Ang kakayahang umangkop output — > JSON, TXT, SRT, VTT na may mga salita timestamps
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']}")

> Nagbabago mula sa ibang serbisyo ng pagsasalita patungo sa serbisyo ng teksto?

> Handa na bang mag-transcribe?

> I-upload ang iyong unang file nang libre. Walang credit card, walang pag-signup. 600 minuto bawat buwan sa libreng plano.

Magsisimulang mag-translate

Mga Madalas Itanong

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.