Texto a voz - TTS en liña gratuíto
Converta texto en voz natural en liña. Múltiples voces e idiomas. Obteña como MP3.
0/5000
O navegador TTS non admite a descarga directa. Use o botón de falar para escoitar, ou tente o noso ferramentas completas de transcrición para a exportación de ficheiros.
Gratuito. Non se require rexistro.
Todas as ferramentasPrecisa a transcrición completa, non só unha ferramenta?
Envíe son ou vídeo ou pegue unha ligazón: transcrición AI en máis de 100 idiomas con detección de falantes. 10 minutos gratuítos ao día, sen rexistro.
Preguntas frecuentes
Texto a voz executase no navegador: apega un URL, envía un ficheiro ou grava co micrófono. STT.ai escolle o modelo de IA e devolve a transcrición en menos de 5 minutos. Exporta como TXT, SRT, VTT, DOCX, JSON ou PDF.
Si, cada visitante recibe 600 minutos libres para comezar en STT.ai, utilizábeis para Texto a voz igual que calquera outro fluxo de traballo. Os plans de pago que comezan en $5/ mes desbloquean ficheiros máis longos, transcricións privadas e filas prioritarias.
Texto a voz funciona cos mesmos modelos de IA que o resto de STT.ai. Os nosos mellores modelos alcanzan o 95- 97% de precisión na fala clara (3- 5% de taxa de erros de palabra nos benchmarks). Troca de modelo ao instante se a primeira pasada está por baixo do obxectivo.
Texto a voz pode executarse en calquera dos máis de 10 modelos de STT.ai: STT.ai Enhanced (máis preciso), Whisper Large V3 (99 linguas), NVIDIA Canary (# 1 WER nos lang soportados), Whisper Turbo (rápido), Moonshine (ligeiro) e máis.
Si. Todas as transcricións exportanse como SRT ou VTT, funciona con YouTube, Vimeo, TikTok, VLC e todos os principais reprodutores de vídeo. A ferramenta de gravación de subtítulos sobrepónos ao vídeo como subtítulos hardsub.
Si. A diarización dos oradores etiqueta automaticamente cada voz (Orador 1, Orador 2,...) e pode mudarlles o nome no editor incorporado. Funciona en todos os modelos e linguas.
A maioría dos Texto a voz traballos rematan en menos de 5 minutos. Un ficheiro de son de 1 hora normalmente remata en 2- 3 minutos cos nosos modelos máis rápidos. A velocidade depende do modelo escollido e da carga actual da GPU.
Texto a voz acepta máis de 20 formatos: MP3, WAV, M4A, FLAC, OGG, MP4, MKV, MOV, WebM, AVI e outros. A saída é TXT, SRT, VTT, DOCX, JSON ou PDF.
Si. Os ficheiros de son enviados a Texto a voz son procesados e eliminados por omisión. Os plans Pro engadirán cifrado do lado do cliente - mesmo se a base de datos de STT.ai é violada, as súas transcricións son ilexibles sen a súa chave. Os datos nunca se empregan para adestramento de modelos sen unha opción explícita.
Si. STT.ai ofrece unha API REST con SDK de Python e Node. js, ademais dun servidor MCP para Claude e Cursor, todo útil para Texto a voz fluxos de traballo. O nivel de API gratuíto inclúe 100 minutos/ mes.
Si. Cada transcrición ábrese no editor incorporado onde pode corrixir palabras, mudar o nome dos oradores, axustar marcas de tempo e engadir notas. Todos os cambios gárdanse automaticamente.
Cada transcrición obtén un URL único compartible. Exportar a DOCX ou PDF para correo electrónico. Os plans Pro engadirán ligazóns permanentes e protexidas por contrasinal, útiles para o traballo do cliente.
STT.ai xestiona máis de 1300 plataformas, incluíndo YouTube, Vimeo, TikTok, SoundCloud, Zoom, Google Meet, hosts de podcasts e máis. A transcrición de URL só funciona con contidos dispoñibles publicamente; non se poden transcreber fontes protexidas por DRM.