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
Envíe o seu ficheiro de son ou vídeo a STT.ai, apegue un URL ou grave en directo. Escolla o seu modelo de IA preferido e prema en Transcrición. A maioría dos ficheiros recóllense en menos de 5 minutos. Exporte como TXT, SRT, VTT, DOCX, JSON ou PDF.
Si — STT.ai dá a cada visitante 600 minutos/ mes de balde sen necesidade de rexistrarse para o seu primeiro ficheiro. Os plans de pago a partir de $5/ mes desbloquean ficheiros máis longos, transcricións privadas e filas prioritarias.
A precisión depende do modelo e da calidade do son. Os nosos mellores modelos acadan unha taxa de erro de palabra do 3- 5% nas probas de referencia — 95- 97% de precisión na fala clara. A ferramenta compare- stt permítelle executar varios modelos no mesmo ficheiro e escoller o mellor.
STT.ai ofrece máis de 10 modelos: STT.ai Enhanced (o noso máis preciso), Whisper Large V3 (99 linguas), NVIDIA Canary (# 1 WER nos lang soportados), Whisper Turbo (rápido), Moonshine (ligeiro) e máis. Cada páxina de modelo ten detalles.
Si. Exporte a súa transcrición como ficheiros de subtítulos SRT ou VTT — funcionan con YouTube, Vimeo, TikTok, VLC e todos os principais reprodutores de vídeo. A ferramenta de gravación de subtítulos sobrepónos ao vídeo como subtítulos físicos.
Si. A diarización de oradores etiqueta automaticamente cada voz (Orador 1, Orador 2,...) e pode mudarlles o nome no editor. Funciona en todos os modelos e linguaxes.
A maioría dos ficheiros transcríbense 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 da escolla do modelo e da carga actual.
STT.ai admite máis de 20 formatos de entrada: MP3, WAV, M4A, FLAC, OGG, MP4, MKV, MOV, WebM, AVI e outros. Saída a TXT, SRT, VTT, DOCX, JSON e PDF.
Si. Os ficheiros de son son procesados e eliminados por omisión. Os plans Pro engadirán cifrado do lado do cliente - mesmo se a nosa base de datos é violada, as súas transcricións son ilegibles sen a súa chave. Os datos nunca se empregan para adestramento de modelos sen a súa aceptación explícita.
Si. STT.ai ofrece unha API REST con Python e Node. js SDKs, ademais dun servidor MCP para Claude e Cursor. 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 os selos de data e hora 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 soporta máis de 1300 plataformas, incluíndo YouTube, Vimeo, TikTok, SoundCloud e outras. A transcrición de URL só funciona con contidos dispoñibles publicamente; non se poden transcreber fontes protexidas por DRM.