Free Speech to Text Online

Chuyển đổi giọng nói thành văn bản với phiên dịch AI. Tải lên tập tin âm thanh, ghi từ microphone của bạn, hoặc dán một URL. 100+ ngôn ngữ, 10+ mẫu, chính xác 98%+.

Làm việc với âm thanh và video công cộng. Không hỗ trợ nội dung được bảo vệ DRM.

Tăng cấp cho nâng cấp
Private transcript
Trò chuyện với bản ghi chép
Mở khóa với Pro →
Thả tập tin vào đây hoặc nhấn để duyệt
MP3, WAV, M4A, FLAC, MP4, MKV, MOV, WebM — lên đến 2GB
Tăng cấp cho nâng cấp
Private transcript
Trò chuyện với bản ghi chép
Mở khóa với Pro →
Tăng cấp cho nâng cấp
Ghi âm: 0:00
Thời gian thực Sáp (trong giây lát)
Tăng cường Tiếng thì thầm (đúng)
Liên kết công cộng: 24h, chỉ văn bản · Đăng ký cho 7d + âm thanh · Tốt cho liên kết riêng

Tự động sửa lỗi khi bạn nói — độ chính xác tăng lên khi nói lâu hơn.

Kiểm tra micro đầu tiên
❤️ Cảm ơn bạn đã ghé thăm STT.ai.
Anh đã dùng bản dịch miễn phí của mình.

Đăng ký miễn phí để nhận 600 phút/tháng, hoặc nâng cấp để có phiên dịch không giới hạn.

10 phút miễn phí/ngày 600 phút miễn phí với đăng ký Không có thẻ tín dụng Đã mã hóa
Đăng ký miễn phí →

1. Upload Speech Recording

Upload an audio or video file, paste a URL, or record speech from your mic.

2. AI Converts Speech to Text

Choose from 10+ AI models. Speaker detection and language auto-detect included.

3. Export Your Transcript

Download in 6 formats. Share transcript links with audio playback.

Supported Speech Input Formats

Ready to convert speech to text?

Bắt đầu miễn phí →

Câu hỏi thường gặp

Speech to text (còn gọi là nhận dạng giọng nói hoặc ASR) tự động chuyển đổi âm thanh nói thành từ viết. STT.ai chạy ghi âm của bạn thông qua một mô hình AI nghe âm thanh và xuất ra văn bản có thể chỉnh sửa với dấu thời gian và nhãn phát thanh - không cần gõ.

Một mô hình âm thanh vẽ hình sóng âm thanh thành các âm tiết, sau đó một mô hình ngôn ngữ lắp ráp chúng thành các từ và dấu chấm câu có khả năng nhất. STT.ai làm điều này trên GPU với các mô hình như Whisper Large V3 và NVIDIA Canary, vì vậy một giờ ghi âm thường được thực hiện trong 2-3 phút.

Có. Mỗi người truy cập sẽ được 600 phút miễn phí mỗi tháng mà không cần đăng ký cho tập tin đầu tiên. Các gói trả phí bắt đầu từ 5 đô la/tháng và thêm các tập tin dài hơn, bản ghi riêng và xử lý ưu tiên.

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.