Gratis tale til tekst tilkoblet
Gjør tale om til tekst med AI- motor transkription. Last opp lydfiler, ta opp fra mikrofonen din eller lim inn en URL. 100+ språk, 10+ modeller, 98%+ nøyaktighet.
1. Last opp taleopptak
Last opp en lyd- eller video- fil, lim inn en URL eller ta opp tale fra mikrofonen din.
2. AI konverterer tale til tekst
Velg blant 10+ AI- modeller. Auto- oppdaging av høyttaler og automatisk oppdaging av språk er medregnet.
3. Eksporter transkriptet ditt
Last ned i 6 formater. Del utskriftslenker med lydavspilling.
Opplesning til tekstmodeller
Velg AI-modellen som passer til dine behov, eller la oss velge den beste.
Opplesning til tekst på 100+ språk
Klar til å omforme tale til tekst?
Start ledig →Ofte stilte spørsmål
Opplesning til tekst (også kalt talegjenkjenning eller ASR) konverterer talte lyd til skriftlige ord automatisk. STT.ai kjører opptaket ditt gjennom en AI- modell som lytter til teksten som kan redigeres med tidsstempel og høyttaleretiketter – ikke nødvendig med skrivetilgang.
En akustisk modell kartlegger lydbølgeformen til telefoner, og så setter en språkmodell sammen disse til de mest sannsynlige ordene og punktene. STT.ai gjør dette på GPU med modeller som Whisper Large V3 og NVIDIA Canary, så en én- times opptak blir vanligvis gjort på 2-3 minutter.
Ja. Alle besøkende får 600 gratis minutter i måneden uten at du må logge inn til den første fila. Betalte planer starter på $ 5 i måneden og legger til flere filer, private utskrifter og prioritetsbehandling.
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.