Ferramenta de transcrición en liña gratuíta
Envíe un ficheiro, grave co micrófono ou apegue un URL. A IA transcríbeo en segundos.
Máis de 100 linguas
Detectar ou escoller automaticamente. Todos os idiomas principais están soportados.
Detección de altofalantes
Identifica quen dixo que automaticamente.
Cifrado do lado do cliente
Cifrar as transcricións no navegador. Nin sequera nós podemos lelas.
6 Formatos de exportación
Formatos de arquivo: TXT, DOC, DOCX, JSON, PDF.
Formatos de son e vídeo soportados
Envíe ficheiros de ata 2 GB. Tamén admitimos máis de 1.300 plataformas; só teña que apegar un URL. Ver todas as plataformas →
Funciona con son e vídeo dispoñíbeis publicamente. Non se admiten contidos protexidos con DRM.
Como funciona
1
Enviar ou Gravar
Envíe un ficheiro de son/vídeo, apegue un URL de YouTube ou calquera outra plataforma, ou grave co seu micrófono.
2
AI Transcribes
Escolla entre varios modelos de IA. A linguaxe detéctase automaticamente. A diarización do falante identifica quen dixo que.
3
Exportar e compartir
Obteña como TXT, SRT, VTT, DOCX, JSON ou PDF. Compartir cunha ligazón. Mellorar con IA para unha maior precisión.
Preguntas frecuentes
transcrición 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 transcrición 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.
transcrición 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.
transcrición 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 transcrición 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.
transcrición 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 transcrición 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 transcrición 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.