難聴者向けの音声からテキストへの変換
人工知能による字幕と転写でオーディオとビデオをアクセシブルにします。ADAとWCAGに準拠しています。リアルタイム字幕、SRT/VTTエクスポート、100以上の言語。
字幕を無料で生成 →1. オーディオをアップロードまたは録音
動画やオーディオファイルをアップロードしたり、マイクでライブキャプションを使用したりしてください。
2. 人工知能がキャプションを生成
時間スタンプ，スピーカラベル，高精度で音声を転写する。
3. アクセシブルキャプションをエクスポート
動画の字幕をSRTまたはVTTとしてダウンロードし、転写リンクを共有します。
アクセシビリティ機能
リアルタイムキャプション
マイクからライブキャプションを表示します。会議、講演、会話中にリアルタイムで言葉が表示されます。
ADA と WCAG に準拠
あなたのビデオやメディアに対して、ADA、セクション 508、および WCAG 2.1 アクセシビリティ基準に合致するキャプションを生成します。
SRT と VTT エクスポート
SRT または VTT フォーマットに字幕をエクスポートします。YouTube、Vimeo、その他のビデオプレーヤーに字幕を即座に追加します。
100以上の言語
100 以上の言語でオーディオを転写し、字幕を付けます。世界中の聴衆に対して字幕を翻訳します。
アクセシビリティの重要性
世界中で4億3千万人以上の人々が障害をもたらす聴力低下を抱えています。キャプションは、難聴者や難聴者だけでなく、非母語話者や騒音環境にいる人々を含む全ての人々の理解を向上させます。
430M+
難聴者
80% の確率で
字幕付きで見る
98%以上
転写精度
100以上
サポート言語
今すぐにコンテンツをアクセシブルに
無料で始める →よくある質問
accessibility and captions 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 accessibility and captions the same as any other workflow. Paid plans starting at $5/month unlock longer files, private transcripts, and priority queueing.
accessibility and captions 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.
accessibility and captions 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 accessibility and captions 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.
accessibility and captions 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 accessibility and captions 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 accessibility and captions 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.