L'expression libre pour texte en ligne
Convertissez la parole en texte avec transcription assistée par l'IA. Chargez des fichiers audio, enregistrez depuis votre microphone ou collez une URL. 100+ langues, 10+ modèles, 98%+ précision.
1. Téléchargez votre enregistrement vocal
Téléchargez un fichier audio ou vidéo, collez une URL ou enregistrez depuis votre micro.
2. L'IA convertit la parole en texte
Choisissez parmi plus de 10 modèles d'IA. Détection des locuteurs et détection automatique de la langue incluses.
3. Exportez votre transcription
Téléchargez en 6 formats. Partagez des liens de transcription avec lecture audio.
Modèles de reconnaissance vocale
Choisissez le modèle d'IA adapté à vos besoins — ou laissez-nous choisir le meilleur.
Reconnaissance vocale en plus de 100 langues
Cas d'utilisation de la reconnaissance vocale
Prêt à convertir la parole en texte ?
Commencer gratuitement →Questions fréquemment posées
Le discours au texte (également appelé reconnaissance vocale ou ASR) convertit automatiquement l'audio parlé en mots écrits. STT.ai exécute votre enregistrement à travers un modèle AI qui écoute l'audio et les sorties texte modifiable avec horodatage et étiquettes de haut-parleur — pas de dactylographie nécessaire.
Un modèle acoustique cartographie la forme d'onde sonore aux phonèmes, puis un modèle de langue assemble ceux dans les mots les plus probables et ponctuation. STT.ai le fait sur GPU avec des modèles comme Whisper Large V3 et NVIDIA Canary, donc un enregistrement d'une heure est généralement fait en 2-3 minutes.
Oui. Chaque visiteur obtient 600 minutes gratuites par mois sans inscription requise pour votre premier dossier. Les plans payants commencent à $5/mois et ajoutent des fichiers plus longs, des transcriptions privées et le traitement des priorités.
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.