Informar dun erro / Solicitar unha funcionalidade

Transcríbe audio en máis de 100 idiomas

Voz a texto con IA. Envíe calquera ficheiro ou gravación en directo. Detecta automaticamente a linguaxe.

Funciona con son e vídeo dispoñíbeis publicamente. Non se admiten contidos protexidos con DRM.

Actualización para mellorado
Transcripción privada
Conversa con transcrición
Desbloquear con Pro →
Solte aquí o ficheiro ou prema para examinar
MP3, WAV, M4A, FLAC, MP4, MKV, MOV, WebM — ata 2 GB
Enviar varios ficheiros en lote con Pro
Actualización para mellorado
Transcripción privada
Conversa con transcrición
Desbloquear con Pro →
Actualización para mellorado
Gravación: 0:00
En tempo real Cera (instantánea)
Mellorado Sussurrar (preciso)
Ligazóns públicas: 24h, só texto · Inscríbete para 7d + audio · Pro para ligazóns privadas

Fala a texto en tempo real. A IA corrixe automaticamente mentres fala — a precisión mellora coa duración da fala.

Probe primeiro o micrófono
❤️ Amas STT.ai?
Esgotou as súas transcricións libres.

Inscríbase de balde para obter 600 minutos, ou actualice desde $5/mes para obter miles máis.

Inscríbete gratis Acceder
10 minutos libres/día 600 min gratis con rexistro Sen tarxeta de crédito Cifrado
Inscríbete gratis →
100+
Linguas soportadas
10+
Modelos de IA
95%+
Precisión
Libre
600 min para comezar

Como funciona

1
Escolla a lingua

Escolla a lingua do seu son no noso catálogo de máis de 100 linguas soportadas en baixo.

2
Enviar o ficheiro

Envíe son ou vídeo en calquera formato: MP3, WAV, M4A, MP4, MKV e máis de 20 formatos soportados.

3
Obter a súa transcripción

Obteña a súa transcrición como TXT, SRT, VTT, DOCX, JSON ou PDF. Edite, comparta ou integre mediante API.

Todas as linguas

Por que escoller STT.ai para a transcrición multilingüe?

Precisión líder na industria

Os nosos modelos de IA alcanzan unha precisión do 93- 95% + nas linguas principais. Apoiamos varios modelos para que poida escoller o mellor para a súa lingua e caso de uso.

Todos os formatos soportados

Envie son ou vídeo en calquera formato. Exporte as transcricións como ficheiros TXT, subtítulos SRT, subtítulos VTT, documentos DOCX, datos JSON ou PDF.

Detección de altofalantes

A diarización automática do falante identifica quen dixo que. Funciona en todas as linguas soportadas para reunións, entrevistas, podcasts e máis.

Privacidade primeiro

O seu son é procesado e borrado por omisión. Cero retención de datos nos plans de pago. Os plans Enterprise inclúen e implementación.

Listo para transcribir?

Comece gratis con 600 minutos para comezar. Non se precisa tarxeta de crédito.

Comezar a transcrición

Preguntas frecuentes

transcrición multilingüe executase no navegador: apega un URL, envía un ficheiro ou grava co micrófono. STT.ai escolle o modelo de IA e devolve a transcrición en menos de 5 minutos. Exporta como TXT, SRT, VTT, DOCX, JSON ou PDF.

Si, cada visitante recibe 600 minutos libres para comezar en STT.ai, utilizábeis para transcrición multilingüe igual que calquera outro fluxo de traballo. Os plans de pago que comezan en $5/ mes desbloquean ficheiros máis longos, transcricións privadas e filas prioritarias.

transcrición multilingüe funciona cos mesmos modelos de IA que o resto de STT.ai. Os nosos mellores modelos alcanzan o 95- 97% de precisión na fala clara (3- 5% de taxa de erros de palabra nos benchmarks). Troca de modelo ao instante se a primeira pasada está por baixo do obxectivo.

transcrición multilingüe pode executarse en calquera dos máis de 10 modelos de STT.ai: STT.ai Enhanced (máis preciso), Whisper Large V3 (99 linguas), NVIDIA Canary (# 1 WER nos lang soportados), Whisper Turbo (rápido), Moonshine (ligeiro) e máis.

Si. Todas as transcricións exportanse como SRT ou VTT, funciona con YouTube, Vimeo, TikTok, VLC e todos os principais reprodutores de vídeo. A ferramenta de gravación de subtítulos sobrepónos ao vídeo como subtítulos hardsub.

Si. A diarización dos oradores etiqueta automaticamente cada voz (Orador 1, Orador 2,...) e pode mudarlles o nome no editor incorporado. Funciona en todos os modelos e linguas.

A maioría dos transcrición multilingüe traballos rematan en menos de 5 minutos. Un ficheiro de son de 1 hora normalmente remata en 2- 3 minutos cos nosos modelos máis rápidos. A velocidade depende do modelo escollido e da carga actual da GPU.

transcrición multilingüe acepta máis de 20 formatos: MP3, WAV, M4A, FLAC, OGG, MP4, MKV, MOV, WebM, AVI e outros. A saída é TXT, SRT, VTT, DOCX, JSON ou PDF.

Si. Os ficheiros de son enviados a transcrición multilingüe son procesados e eliminados por omisión. Os plans Pro engadirán cifrado do lado do cliente - mesmo se a base de datos de STT.ai é violada, as súas transcricións son ilexibles sen a súa chave. Os datos nunca se empregan para adestramento de modelos sen unha opción explícita.

Si. STT.ai ofrece unha API REST con SDK de Python e Node. js, ademais dun servidor MCP para Claude e Cursor, todo útil para transcrición multilingüe fluxos de traballo. O nivel de API gratuíto inclúe 100 minutos/ mes.

Si. Cada transcrición ábrese no editor incorporado onde pode corrixir palabras, mudar o nome dos oradores, axustar marcas de tempo e engadir notas. Todos os cambios gárdanse automaticamente.

Cada transcrición obtén un URL único compartible. Exportar a DOCX ou PDF para correo electrónico. Os plans Pro engadirán ligazóns permanentes e protexidas por contrasinal, útiles para o traballo do cliente.

STT.ai xestiona máis de 1300 plataformas, incluíndo YouTube, Vimeo, TikTok, SoundCloud, Zoom, Google Meet, hosts de podcasts e máis. A transcrición de URL só funciona con contidos dispoñibles publicamente; non se poden transcreber fontes protexidas por DRM.