Disco grátis para texto on-line
Converta a fala em texto com transcrição com IA. Envie arquivos de áudio, recorde do seu microfone, ou cole uma URL. 100 mais idiomas, modelos abertos, 98% mais 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 o modelo Whisper que se adapta ao seu áudio. Detecção de falantes e auto-detecção de linguagem 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 marcas de tempo e altofalante — sem necessidade de digitação.
Um modelo acústico mapeia a forma de onda sonora para fonemas, então um modelo de linguagem monta os nas palavras mais provável e pontuação. STT.ai faz isso na GPU com a família Whisper (Grande V3 e Turbo), por isso uma gravação de uma hora é feito geralmente 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 9 dólares/mes e adicionam arquivos mais longos, transcrições privadas e processamento de prioridade.
Nossos melhores modelos atingem a precisão de 95-97% (a taxa de erro de 3-5% em índices de referência). A precisão diminui com ruído de fundo, acentos pesados, crosstalk ou áudio de baixa taxa — usando um microfone decente e uma sala tranquila faz a maior diferença.
Sim. Fale no seu microfone e STT.ai fluxos a transcrição ao vivo através da ferramenta de transcrição ao vivo. Você também pode upload uma gravação terminada para transcrição de lotes se você não precisar dela palavra por palavra enquanto você fala.
STT.ai reconhece mais de 100 idiomas e detecta automaticamente a língua falada para a maioria do áudio. Você também pode definir a linguagem manualmente para um pequeno elevador de precisão, e as gravações em língua mista são manuseadas com a troca de meados-clip.
Sim. Diarização de falantes etiqueta cada voz (Alvo 1, falante 2,...) e você pode renomeá-las no editor. Isso funciona em todos os modelos e idiomas suportados.
STT.ai aceita 20+ formatos incluindo MP3, WAV, M4A, FLAC, OGG, MP4, MKV, MOV, WebM e AVI. Saída para TXT, SRT, VTT, DOCX, JSON ou PDF.
A fala ao texto transcribe o que foi dito em palavras; o reconhecimento de voz (identificação do falante) determina que a OMS o disse. STT.ai faz ambos — transcrição e diarização do falante — mas os termos descrevem diferentes tarefas.
Sim. O áudio é processado e excluído por padrão. Pro planos adicionar criptografia do lado do cliente para que as transcrições sejam ilegíveis sem sua chave, mesmo para STT.ai, e seus dados nunca são usados para o treinamento do modelo sem opt-in explícito.
Sim. STT.ai tem uma API REST com Python e Node.js SDKs mais um servidor MCP para Claude e Cursor. O nível de API gratuito inclui 100 minutos/mes, com facturação por segundo além disso.
Sim. Cada transcrição abre em um editor incorporado onde você pode corrigir palavras erradas, renomear alto-falantes, ajustar selos de tempo e adicionar notas. Edições persistem em todos os formatos de exportação.