Famantarana & Diarization

Mamaritra sy mamaritra hoazy ireo mpiteny isan-karazany ao anatin'ny dika mitovy amin'ny feo sy ny lahatsary. Fantaro mazava tsara hoe iza no nilaza inona.

Miasa amin'ny feo sy horonantsary azo idirana ho an'ny rehetra. Tsy raisina an-tànana ny votoaty voaaro amin'ny DRM.

Handefa ny fanatsarana
Tranonkala manokana
Miresaka amin'ny alalan'ny transcript
Famaha amin'ny alalan'ny Pro →
Atsofohy eto ilay rakitra na tsindrio mba hizaha
MP3, WAV, M4A, FLAC, MP4, MKV, MOV, WebM — hatramin'ny 2GB
Handefa rakitra maro miaraka amin'ny Pro
Handefa ny fanatsarana
Tranonkala manokana
Miresaka amin'ny alalan'ny transcript
Famaha amin'ny alalan'ny Pro →
Handefa ny fanatsarana
Fandraiketana: 0:00
Fotoana tena izy Vao haingana
Nohavaozina Hihomehy (tsy diso)
Rohy ho an'ny daholobe: 24h, lahatsoratra fotsiny · Misoratra anarana ho an'ny 7d + audio · Pro ho an'ny rohy tsy miankina

Fiteny mankany amin'ny soratra amin'ny fotoana tena izy. Mitsara ny teny rehefa miteny ianao — mitombo ny marina rehefa lava ny teny.

Manandrana ny microphone-nao aloha
❤️ Tianao ve ny STT.ai? Lazao amin'ny namanao!
Nampiasa ny dika maimaimpoana ianao

Misoratra anarana maimaimpoana mba hahazoana minitra 600, na miakatra avy amin'ny $5/volana ho an'ireo an'arivony hafa.

10 minitra maimaimpoana isan'andro 600 min maimaimpoana rehefa misoratra anarana Tsy misy karatra Voafidiky ny %s
Misoratra anarana maimaimpoana →

Inona no atao hoe Speaker Diarization?

Ny diarization dia ny fomba fizarazarana ny feo ho ampahany araka ny maha-izy azy ny mpiteny, amin'ny teny tsotra, mamaly ny fanontaniana hoe "iza no niteny ary oviana?" This is essential for multi-speaker recordings like meetings, interviews, podcasts, conference calls, and legal proceedings where knowing who said what is just as important as what was said.

STT.ai uses advanced neural speaker diarization models that can detect and label speakers in real time. The system creates speaker embeddings -- numerical representations of each voice's unique characteristics -- and clusters them to distinguish between different people. This works even when speakers have similar voices or frequently interrupt each other.

Ny fomba fiasan'ny fitadiavana ny mpiteny

1. Famantarana ny asa amin'ny feo

Ny fiteny dia fiteny izay mampiasa ny feo, ny feo na ny feo.

2. Fampidirana ny mpandahateny

Ny fiteny dia mizara ho sokajy marobe, izay samy manana ny fiteny fototra izay mahatonga azy ireo ho fiteny miavaka.

3. Fampivondronana sy famaritana

Ny fiteny dia mizara ho sokajy roa, ny voalohany dia ny fiteny fototra (izay ahitana ny fiteny rehetra), ny faharoa dia ny fiteny fototra (izay ahitana ny fiteny rehetra).

Fomba fampiasana ny fijerena ny mpiteny

Fandikana ny laha-tahirin'ny fivoriana
Mamaritra hoazy ny mpandray anjara tsirairay anatin'ny fandraiketana ny fivoriana. Mamorona tatitra misy ny anaran'ny olona nilaza ny zavatra.
Fandikana podcast
Mamaritra ny mpikarakara sy ny vahiny anatin'ny fizarana podcast. Mamorona taratasin-tadidy miaraka amin'ny famaritana ny mpiteny.
Dikanteny amin'ny tafatafa
Mizarazara ny valinteny avy amin'ny mpandray anjara sy ny mpandray anjara ho an'ny fikarohana, ny fanaovan-gazety, ary ny tahirin-kevitra momba ny fividianana.
Ara-dalàna & Fanentanana
Mamorona tahirin-kevitra ofisialy momba ny fijoroana vavolombelona, ny fitsapan-kevi-bahoaka, ary ny antso fanarahan-dalàna miaraka amin'ny famantarana mazava ny mpitondra tenin'ny olona.

Famantarana ny mpandahateny amin'ny STT.ai

Speaker detection is available on all paid plans. When you transcribe audio or video with speaker detection enabled, the transcript will include speaker labels inline with the text. You can also export speaker-labeled transcripts in all supported formats including SRT, VTT, DOCX, JSON, and PDF.

Speaker 1 [00:00:01]: Welcome to the meeting, everyone. Let's start with the quarterly review. Speaker 2 [00:00:05]: Thanks. I have the numbers ready. Revenue is up 23% quarter over quarter. Speaker 1 [00:00:12]: That's great news. Can you walk us through the breakdown?

The system can detect up to 20 distinct speakers in a single recording. For best results, ensure each speaker has at least a few seconds of solo speech. Overlapping speech is handled but may reduce accuracy in heavily cross-talked segments.

Andramo ny famantarana ny mpandahateny izao

Akaro ny fandraketana amin'ny mpiteny maro ary jereo ireo mpiteny voasoratra anarana hoazy.

Manomboka ny fandikana maimaimpoana

Fanontaniana matetika

Famantarana ny mpandahateny mandeha ao anatin'ny mpitety anao: ampidiro URL iray, afindrao rakitra iray, na raiketo amin'ny alalan'ny microphone-nao. Ny STT.ai dia misafidy ny modelin'ny AI ary mandefa ny fandikana ao anatin'ny 5 minitra. Avoaka amin'ny endrika TXT, SRT, VTT, DOCX, JSON, na PDF.

Eny — mahazo minitra 600 maimaimpoana ny mpitsidika tsirairay mba hanomboka amin'ny STT.ai, azo ampiasaina ho an'ny Famantarana ny mpandahateny toy ny amin'ny fizotrany hafa. Ny drafitra mividy manomboka amin'ny $5/volana dia manakana ny rakitra lava kokoa, ny fandikana manokana, ary ny filaharana aloha.

Miasa amin'ny modely AI mitovy amin'ny an'ny STT.ai hafa ny Famantarana ny mpandahateny — ny modely tsara indrindra dia mahatratra ny 95-97% amin'ny fahamarinana amin'ny teny mazava (3-5% amin'ny tahan'ny hadisoana amin'ny teny amin'ny fitsapana). Manova modely avy hatrany raha ambany noho ny tanjonao ny fidirana voalohany.

Famantarana ny mpandahateny 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.

Eny. Avy amin'ny SRT na VTT ny dika rehetra — miasa amin'ny YouTube, Vimeo, TikTok, VLC, ary ny mpilalao lahatsary lehibe rehetra. Apetraka amin'ny lahatsary toy ny hardsubs ny fitaovana burn-subtitles.

Eny. Mamaritra ny feo tsirairay (Mpiteny 1, Mpiteny 2,...) ny famaritana ny mpiteny ary azonao atao ny manova ny anarany ao amin'ny mpanova voapetraka. Miasa amin'ny modely sy ny teny rehetra.

Tsy maharitra mihoatra ny 5 minitra ny ankamaroan'ny Famantarana ny mpandahateny asa. Ny raki-peo 1 ora dia matetika vita ao anatin'ny 2-3 minitra amin'ny modely haingana indrindra. Miankina amin'ny modely voafaritra sy ny faharetan'ny GPU ny hafainganan'ny asa.

Famantarana ny mpandahateny mandray lamina mihoatra ny 20 — MP3, WAV, M4A, FLAC, OGG, MP4, MKV, MOV, WebM, AVI, ary maro hafa. Avoaka amin'ny TXT, SRT, VTT, DOCX, JSON, na PDF.

Eny. Voakarakara ary fafàna araka ny laza tsotra ny raki-peo nalefa tany amin'ny Famantarana ny mpandahateny. Manampy fanafangoana eo amin'ny lafiny mpivatsy ny drafitra Pro — na dia raha misy olona manimba ny soratra fototra STT.ai aza, tsy azo vakiana ny fandikanao raha tsy misy ny famahao. Tsy ampiasaina amin'ny fanazarantena modely mihitsy ny data raha tsy misy fanamarinana mazava.

Eny. Ny STT.ai dia manome API REST miaraka amin'ny SDK Python sy Node.js, ary mpizara MCP ho an'ny Claude sy Cursor — azo ampiasaina amin'ny workflow Famantarana ny mpandahateny rehetra. Ny API maimaimpoana dia ahitana 100 minitra/volana.

Eny. Ao anatin'ny mpanova voasoratra ao anatiny no hanokatra ny lahatahiry tsirairay, izay ahafahanao manatsara teny, manova ny anaran'ny mpiteny, manova ny famantarana ny fotoana, ary mampiditra fanamarihana. Raiketo hoazy ny fanovana rehetra.

Manana URL tokana azo zaraina ny lahatsoratry ny tsirairay. Avoaka amin'ny DOCX na PDF ho an'ny mailaka. Ny fifanarahana Pro dia mampiditra rohy voaaro amin'ny teny fanalahidy sy maharitra — mahasoa ho an'ny asa ataon'ny mpanjifa.

Ny STT.ai dia misahana sehatra mihoatra ny 1300, anisan'izany ny YouTube, Vimeo, TikTok, SoundCloud, Zoom, Google Meet, podcast hosts, ary maro hafa.