Fri tale til tekst på nett
Konverter tale til tekst med AI-dreven transkripsjon. Last opp lydfiler, ta opp frå mikrofonen din, eller lim inn ei URL. 100+ språk, 10+ modellar, 98% + nøyaktigheit.
1. Last opp taleopptak
Last opp ei lyd- eller videofil, lim inn ei nettadresse, eller ta opp tale frå mikrofonen din.
2. AI konverterer tale til tekst
Vel mellom 10+ AI-modeller. Oppdaging av talarar og språk automatisk inkludert.
3. Eksporter utskrifta di
Last ned i 6 format. Del transkripsjonslenkjer med lydavspeling.
Tale- til- tekst- modeller
Vel den AI-modellen som passar dine behov – eller la oss velje den beste.
Tale til tekst på 100+ språk
Bruksfall for tale til tekst
Klar til å gjera om tale til tekst?
Start ledig →Ofte stilte spørsmål
Tale til tekst (også kalla talegjenkjenning eller ASR) konverterer automatisk tala lyd til skrive ord. STT.ai køyrer opptaket ditt gjennom ein AI-modell som lyttar til lyd og skriv ut redigerbar tekst med tidsstemplar og talarar — ingen skriving er nødvendig.
Ein akustisk modell kartlegg lydbølgjeforma til fonem, og så samlar ein språkmodell desse til dei mest sannsynlege orda og teiknsetjinga. STT.ai gjer dette på GPU med modeller som Whisper Large V3 og NVIDIA Canary, så eit opptak på ein time er vanlegvis gjort på 2-3 minutt.
Kvar besøkande får 600 gratis minutt per månad utan registrering for den første fila di. Betalte abonnement startar på $5/månad og legg til lengre filer, private transkripsjonar og prioritert behandling.
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.