あらゆる音声・動画をテキストに変換
あらゆる形式のファイルをアップロードして正確な文字起こしを取得。100以上の言語、話者検出、タイムスタンプ付き。
対応する音声・動画入力形式
文字起こしエクスポート形式
.srt
SRT
.vtt
VTT
.txt
TXT
.docx
DOCX
.pdf
PDF
よくある質問
audio and video format conversion はブラウザで実行されます。URLを貼り付け、ファイルをアップロード、またはマイクから録音します。STT.ai は AI モデルを選択し、5 分以内に転写を返します。 TXT、SRT、VTT、DOCX、JSON、PDF としてエクスポートします。
はい、訪問者はすべて STT.ai を開始するための 600 分のフリーミニットを得る。これは他のワークフローと同様に audio and video format conversion にも使用できる。有料プランは月額 9 ドルから始まり、長いファイル、プライベートトランスクリプション、優先キューをロックする。
audio and video format conversion は STT.ai の他の部分と同じ AI モデルで動作します。我々の最良のモデルは清潔な音声の 95-97% の正確さに達します。最初のパスが目標より低い場合は、モデルをフライで切り替えます。
audio and video format conversionは、WhisperモデルのSTT.aiホストのいずれでも動作できる：STT.ai Enhanced（Whisper large-v3、最も正確な、有料プラン）、Whisper Large V3、Whisper Turbo（高速）、Whisper Medium、Whisper Small。
はい。すべての字幕は SRT または VTT としてエクスポートされます。YouTube、Vimeo、TikTok、VLC、その他の主要なビデオプレーヤーで動作します。Burn-Subtitles ツールはこれらをビデオにハードサブとしてオーバーレイします。
はい。スピーカーダイアリズムは自動的に各音声にラベルを付けます (スピーカー 1, スピーカー 2, など)。内蔵エディタで名前を変更できます。すべてのモデルと言語で動作します。
audio and video format conversion ジョブのほとんどは 5 分以内に完了します。1 時間のオーディオファイルは、最も速いモデルでは 2-3 分で完了します。速度は選択したモデルと現在の GPU 負荷に依存します。
audio and video format conversion は MP3、WAV、M4A、FLAC、OGG、MP4、MKV、MOV、WebM、AVI などの 20 以上のフォーマットをサポートします。出力は TXT、SRT、VTT、DOCX、JSON、または PDF です。
はい。audio and video format conversionに送信されたオーディオファイルは、標準で処理され削除されます。プロプランはクライアント側暗号化を追加します。STT.aiのデータベースが破壊されたとしても、鍵なしで転写は読み取れません。データは明示的なオプションなしにモデルの訓練に使用されません。
STT.aiはPythonとNode.js SDKを使ったREST APIを提供し、ClaudeとCursorのためのMCPサーバを提供します。これらはすべてaudio and video format conversionワークフローに使用できます。無料APIの階層には月間100分が含まれます。
はい。すべてのトランスポートは内蔵されたエディタで開きます。そこで言葉を訂正し、話者の名前を変更し、タイムスタンプを調整し、ノートを追加できます。すべての変更は自動的に保存されます。
すべての転写は共有可能なユニークな URL を持ちます。メールのために DOCX または PDF にエクスポートします。プロプランはパスワード保護された永続リンクを追加します。クライアントの作業に役立ちます。
STT.aiはYouTube、Vimeo、TikTok、SoundCloud、Zoom、Google Meet、ポッドキャストホストなど1,300以上のプラットフォームを扱う。URL転写は公開可能なコンテンツのみで動作します。DRM保護されたソースは転写できません。