Free Speech to Text Online

Bihurtu hizketa testu bihurtzeko AI-k bultzatutako transkribapenarekin. Igo audio-fitxategiak, grabatu mikrofonotik edo itsatsi URL bat. 100 hizkuntza baino gehiago, 10 modelo baino gehiago, %98ko zehaztasuna baino gehiago.

Audio eta bideo publikoekin lan egiten du. DRM-rekin babestutako edukia ez da onartzen.

Hobetua bertsio-berritzeko
Private transcript
Berriketa transkribatuarekin
Desblokeatu Pro-rekin →
Arrastatu fitxategia hona edo egin klik arakatzeko
MP3, WAV, M4A, FLAC, MP4, MKV, MOV, WebM — 2 GB arte
Hobetua bertsio-berritzeko
Private transcript
Berriketa transkribatuarekin
Desblokeatu Pro-rekin →
Hobetua bertsio-berritzeko
Grabazioa: 0:00
Denbora errealean Argizaria (unekoa)
Hobetua Txistuka (zehatza)
Esteka publikoak: 24h, testua bakarrik · Izena eman 7d + audiorako · Pro esteka pribatuetarako

Hitzetik testura denbora errealean. AIk automatikoki zuzentzen du hitz egiten duzunean — zehaztasuna hobetzen da hizketa luzeagoa denean.

Probatu mikrofonoa lehenik
❤️ STT.ai maite duzu?
Zure transkribapen libreak erabili dituzu.

Harpidetu doan 600 minutu/hilabete lortzeko, edo bertsio berritu transkripzio mugagabeak lortzeko.

10 minutu libre/eguna 600 min doan izena ematearekin Kreditu-txartelik ez Enkriptatuta
Izena eman doan →

1. Igo ahots-grabazioa

Kargatu audio- edo bideo-fitxategi bat, itsatsi URL bat edo grabatu hizketa mikrofonotik.

2. AI-k hizketa testu bihurtzen du

Aukeratu 10+ AI ereduetatik. Hizlariaren detekzioa eta hizkuntzaren autodetekzioa barne.

3. Esportatu zure transkribapena

Deskargatu 6 formatutan. Partekatu transkribapen estekak audio erreproduzitzailearekin.

Onartutako hizketa-sarrerako formatua

Hitzetik testura 100 hizkuntza baino gehiagotan

Hizketatik testura erabiltzeko kasua

Hitzetik testura bihurtzeko prest?

Hasi libre →

Maiz egiten diren galderak

Hitzetik testura (hizketaren ezagutza edo ASR ere deitua) hizketako audioa idatzizko hitz bihurtzen du automatikoki. STT.aik zure grabazioa AI eredu baten bidez exekutatzen du, audioa entzuten duena eta testu editagarria ateratzen duena, denbora-zigiluekin eta hiztun-etiketekin — ez da idazterik behar.

Eredu akustiko batek soinuaren uhin-forma fonemetan mapatzen du, eta, ondoren, hizkuntza-eredu batek hitz eta puntuaziorik balizkoenak osatzen ditu. STT.ai-k GPU-n egiten du hau Whisper Large V3 eta NVIDIA Canary bezalako modeloekin, ordubeteko grabazio bat 2-3 minututan egiten delako.

Bai. Bisitari bakoitzak 600 minutu doan jasotzen ditu hilean, zure lehen fitxategirako erregistratzerik behar ez duzularik. Ordainpeko planak $5/hilean hasten dira eta fitxategi luzeagoak, transkribapen pribatuak eta lehentasun-prozesamendua gehitzen dituzte.

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.