Discorso gratuito al testo online

Convertire discorso in testo con trascrizione AI-powered. Caricare file audio, registrare dal microfono, o incollare un URL. 100+ lingue, 10+ modelli, 98%+ precisione.

Funziona con audio e video pubblicamente disponibili. I contenuti protetti da DRM non sono supportati.

Aggiornamento per Enhanced
Private transcript
Parlare con la trascrizione
Sblocca con Pro →
Rilascia il file qui o fai clic per navigare
MP3, WAV, M4A, FLAC, MP4, MKV, MOV, WebM fino a 2GB
Aggiornamento per Enhanced
Private transcript
Parlare con la trascrizione
Sblocca con Pro →
Aggiornamento per Enhanced
Registrazione: 0:00
In tempo reale Vosk (istante)
Migliorato Sussurro (accurato)
Collegamenti pubblici: 24h, solo testo · Iscriviti per 7d + audio · Pro per collegamenti privati

Discorso in tempo reale al testo. AI auto-corregge mentre si parla di precisione di galattosio migliora con il discorso più lungo.

Prova prima il microfono
❤️ Love STT.ai? Dillo ai tuoi amici!
Hai usato le tue trascrizioni gratuite.

Iscriviti gratuitamente per ottenere 600 minuti al mese, o l'aggiornamento per trascrizioni illimitate.

10 minuti/giorno gratuiti 600 min gratis con iscrizione Nessuna carta di credito Cifrato
Iscriviti gratis →

1. Carica la registrazione vocale

Carica un file audio o video, incolla un URL o registra dal microfono.

2. L'IA converte il parlato in testo

Scegli tra oltre 10 modelli IA. Rilevamento parlante e rilevamento automatico della lingua inclusi.

3. Esporta la trascrizione

Scarica in 6 formati. Condividi link di trascrizione con riproduzione audio.

Formati di input vocale supportati

Pronto a convertire il parlato in testo?

Inizia gratis →

Domande frequenti

Discorso a testo (chiamato anche riconoscimento vocale o ASR) converte automaticamente l'audio parlato in parole scritte. STT.ai esegue la registrazione attraverso un modello AI che ascolta l'audio e le uscite testo modificabile con timestamps ed etichette di altoparlanti non è richiesta alcuna digitazione.

Un modello acustico mappa la forma d'onda sonora ai fonemi, poi un modello di linguaggio assembla quelli nelle parole e nella punteggiatura più probabili. STT.ai lo fa su GPU con modelli come Whisper Large V3 e NVIDIA Canary, quindi una registrazione di un'ora è di solito fatta in 2-3 minuti.

Sì. Ogni visitatore riceve 600 minuti gratuiti al mese senza registrazione richiesta per il tuo primo file. I piani pagati iniziano a $5/mese e aggiungere file più lunghi, trascrizioni private, e l'elaborazione di priorità.

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.