Comment=Ur c' hoarier VideoName
Amdreiñ ar c'haozeadenn da skrid gant an amdreiñ dre ar c'heflusker. Ezkargañ restroù audio, enrollañ diouzh ho mikrofon, pe pegañ un URL. 100+ yezh, 10+ seurt, 98%+ a zibaberezh.
Enrollañ an enrolladur
Enkargañ ur restr audio pe video, pegañ un URL, pe enrollañ ur gerioù diwar ho mikrofon.
2. AI a amdreiñ a ra ar geriadur da skrid
Dibabit eus 10+ godell AI. Dinoadur ar c'haozeerien ha dinoadur emgefreek ar yezhoù enrollet.
3. Ezporzh ho treuzwel
Enkargañ e 6 mentrezh. Rannañ ereoù an treuzskrivadur gant seniñ audio.
Name=SteuñvoùComment
Diuzit ar c'hodellenn AI a zo a-feson d'ho c'hoantoù — pe lezit deomp dibab an hini gwellañ.
Comment=Renn ur c' hoarier VideoName
Prest da amdreiñ ar c' hemennad da skrid & # 160;?
Degemer →Goulennoù a vez goulennet alies
An emzalc'h Speech to text (anvet ivez ASR pe deskrivadur ar c'homz) a amdreuzas an audio komzet da gerioù skrivet emgefreek. STT.ai a seven ho enrolladur dre ur godel AI a selaou an audio hag a ezkas ur skrid a zo da embann gant ur stampoù amzer ha skrid ar c'homzer — n'eus ket ezhomm da bikañ.
Un doare sonerezh a zo o kargañ ar stummoù-wav son da c'hornoù, hag un doare yezh a zo o sevel anezho e gerioù ha pontoù-ha-poent a c'hallfe bezañ. STT.ai a ra se war GPU gant doareoù evel Whisper Large V3 ha NVIDIA Canary, ha setu perak e vez graet un enrolladur un eurvezh e 2-3 munutenn.
Ya. 600 munutenn dieub a vez roet d'an holl wezhierien bep miz hep ret bezañ enskrivet evit ho restr kentañ. Ar c'hinnigoù a-feson a gemero 5 $/sizhun hag a ouzhpenno restroù hirroc'h, troidigezhioù prevez, hag arverañ a raent gant perzh-mat.
On clean speech our best models reach 95-97% accuracy (a 3-5% Word Error Rate on benchmarks). Accuracy drops with background noise, heavy accents, crosstalk, or low-bitrate audio — using a decent microphone and a quiet room makes the biggest difference.
Yes. Speak into your microphone and STT.ai streams the transcript live via the live-transcription tool. You can also upload a finished recording for batch transcription if you don't need it word-by-word as you talk.
STT.ai recognizes 100+ languages and auto-detects the spoken language for most audio. You can also set the language manually for a small accuracy lift, and mixed-language recordings are handled by switching mid-clip.
Yes. Speaker diarization labels each voice (Speaker 1, Speaker 2, ...) and you can rename them in the editor. This works across every supported model and language.
STT.ai accepts 20+ formats including MP3, WAV, M4A, FLAC, OGG, MP4, MKV, MOV, WebM, and AVI. Output to TXT, SRT, VTT, DOCX, JSON, or PDF.
Speech to text transcribes WHAT was said into words; voice recognition (speaker identification) determines WHO said it. STT.ai does both — transcription plus speaker diarization — but the terms describe different tasks.
Yes. Audio is processed and deleted by default. Pro plans add client-side encryption so transcripts are unreadable without your key, even to STT.ai, and your data is never used for model training without explicit opt-in.
Yes. STT.ai has a REST API with Python and Node.js SDKs plus an MCP server for Claude and Cursor. The free API tier includes 100 minutes/month, with per-second billing beyond that.
Yes. Every transcript opens in a built-in editor where you can fix misheard words, rename speakers, adjust timestamps, and add notes. Edits persist across every export format.