Veu lliure a text en línia
Converteix el discurs al text amb la transcripció intel· ligent. Carrega fitxers d' àudio, registre del micròfon, o enganxant un URL. 100+ idiomes, 10+ models, 98%+ precisió.
1. Puja la gravació de veu
Publica un fitxer d' àudio o vídeo, enganxa un URL, o un discurs discogràfic del micròfon.
2. IA Converteix veu al text
Trieu des de 10+AI models. S' inclou la detecció i la detecció automàtica de l' idioma.
3. Exporta el teu Transcript
Descarregar en 6 formats. Comparteix els enllaços de transcripció amb la reproducció d' àudio.
Paraula als models de text
Escolliu el model IA que encaixi amb les vostres necessitats o deixeu-nos triar el millor.
Paraula a text en 100+ Idiomes
Veu als casos d' ús de text
Preparat per convertir el discurs al text?
Inicia lliure →Preguntes més freqüents
El discurs al text (també anomenat reconeixement de veu o ASR) converteix automàticament l' àudio en paraules escrites. STT.ai; executa la gravació a través d' un model IA que escolta el text editable de l' àudio i les sortides amb marques de temps i etiquetes d' altaveu no requerides.
An acoustic model maps the sound waveform to phonemes, then a language model assembles those into the most likely words and punctuation. STT.ai does this on GPU with models like Whisper Large V3 and NVIDIA Canary, so a one-hour recording is usually done in 2-3 minutes.
Sí. Cada visitant té 600 minuts lliures per començar sense signar el vostre primer fitxer. Els plans que s' iniciïn 5/ mesos i afegeixen fitxers més llargs, transcripcions privades i processament de prioritat.
En el discurs net els nostres millors models arriben a la precisió del 95- 9-9% (un 3% de paraules d' error en punts de referència). L' avaluació baixa amb soroll de fons, accents pesats, crosstalker, o àudio de baixa bits usant un micròfon decent i una habitació tranquil fa la diferència més gran.
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.
Sí. Altaveu diarization etiquetes cada veu ( Altaveu 1, Altaveu 2,...) i les podreu reanomenar a l' editor. Això funciona amb tots els models i llenguatge acceptats.
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.
Sí. Cada transcripció obre en un editor encastat on es poden arreglar paraules equivocades, reanomenar parlants, ajustar marques de temps i afegir notes. Edita persisteix a tot format d' exportació.