Disco grátis para texto on-line
Converta a fala em texto com transcrição a IA. Carregue arquivos de áudio, recorde a partir do seu microfone, ou cole uma URL. 100+ idiomas, 10+ modelos, 98%+ precisão.
1. Envie sua gravação de voz
Envie um arquivo de áudio ou vídeo, cole uma URL ou grave pelo microfone.
2. A IA converte fala em texto
Escolha entre mais de 10 modelos de IA. Detecção de falantes e idioma automática incluídos.
3. Exporte sua transcrição
Baixe em 6 formatos. Compartilhe links de transcrição com reprodução de áudio.
Modelos de fala para texto
Escolha o modelo de IA que atende às suas necessidades — ou deixe-nos escolher o melhor.
Fala para texto em mais de 100 idiomas
Pronto para converter fala em texto?
Comece grátis →Perguntas frequentes
A fala em texto (também chamado reconhecimento de fala ou ASR) converte áudio falado em palavras escritas automaticamente. STT.ai executa sua gravação através de um modelo de IA que ouve o áudio e saídas texto editável com selos de tempo e rótulos de alto-falante — sem necessidade de digitação.
Um modelo acústico mapeia a forma de onda sonora para fonemas, então um modelo de linguagem reúne-os nas palavras mais provável e pontuação. STT.ai faz isso na GPU com modelos como Whisper Large V3 e NVIDIA Canary, assim uma gravação de uma hora é geralmente feito em 2-3 minutos.
Sim. Cada visitante recebe 600 minutos gratuitos por mês, sem inscrição necessária para o seu primeiro arquivo. Planos pagos começam com 5 dólares/mes e adicionam arquivos mais longos, transcrições privadas e processamento de prioridade.
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.