টেক্সট- থেকে- কথাName এজেন্ট সঙ্গীত বক্তৃতা থেকে লেখাName ভয়েস ক্লোন Voice Design Marketplace আরো

বক্তৃতা থেকে লেখাName

AI ব্যবহার করে অডিও এবং ভিডিও টেক্সটে অনুবাদ করুন। ৯৯টি ভাষা, টাইমস্ট্যাম্প এবং স্পিকার সনাক্তকরণ সমর্থন করে।

নিবন্ধন করুন

অডিও আপলোড করো

আপনার ফাইল এখানে টেনে নিয়ে যান, অথবা ব্রাউজ

Supports MP3, WAV, FLAC, OGG, M4A, MP4, WebM. Max 100MB.

file.mp3

0 MB
— অথবা আপনার মাইক্রোফোন থেকে রেকর্ড করুন —
00:00

বৈশিষ্ট্য

1 credits — Sign up to track usage

ট্রান্সক্রিপশন

একটি অডিও ফাইল আপলোড করুন এবং শুরু করতে ট্রান্সক্রিপ্ট ক্লিক করুন

অডিও ট্রান্সক্রিপ্ট করা হচ্ছে... কিছুক্ষণ সময় লাগতে পারে।

সনাক্ত করা হয়েছে:

এটি কিভাবে কাজ করে

অডিও আপলোড করো

আপনার অডিও অথবা ভিডিও ফাইল আপলোড করুন। আমরা MP3, WAV, FLAC, OGG, M4A, MP4 এবং WebM ফরম্যাট ১০০ মেগাবাইট পর্যন্ত সমর্থন করি।

২. এআই ট্রান্সক্রিপশন

আমাদের এআই মডেল আপনার অডিও প্রসেস করে, ভাষা সনাক্ত করে, বক্তাদের চিহ্নিত করে এবং টাইমস্ট্যাম্প সহ সঠিক টেক্সট তৈরি করে।

৩. আপনার টেক্সট পান

আপনার অনুবাদ কপি করুন অথবা এটি TXT অথবা SRT সাবটাইটেল ফরম্যাটে ডাউনলোড করুন। প্রয়োজন অনুযায়ী সম্পাদনা এবং উন্নত করুন।

ব্যবহারের ক্ষেত্রে

প্রতিটি শিল্প এবং ওয়ার্কফ্লোর জন্য টেক্সট-এ-ভাষা

সভা ও কনফারেন্স

স্বয়ংক্রিয়ভাবে জুম, টিম এবং গুগল মিট রেকর্ডিং অনুলিপি করুন। কখনোই কোন কাজের আইটেম মিস করবেন না। সভা নোট বা সাবটাইটেল হিসাবে রপ্তানি করুন।

সাক্ষাৎকার এবং সাংবাদিকতা

প্রবন্ধ, গবেষণাপত্র এবং তথ্যচিত্রের জন্য সাক্ষাৎকার অনুলিপি করুন। স্পিকার ডাইরাইজেশন সহজে বর্ণনা করার জন্য কে কী বলেছে তা চিহ্নিত করে।

পডকাস্ট এবং মিডিয়া

ট্রান্সক্রিপশন তৈরি করুন এবং পডকাস্ট পর্বের জন্য নোট প্রদর্শন করুন। আপনার অডিও বিষয়বস্তু অনুসন্ধানযোগ্য আর্কাইভ তৈরি করুন। ভিডিও পডকাস্টের জন্য সাবটাইটেল যোগ করুন।

বক্তৃতা এবং শিক্ষা

রেকর্ড করা লেকচারগুলোকে অধ্যয়নের নোটে রূপান্তর করুন। সঠিক শিরোনামের মাধ্যমে শিক্ষামূলক বিষয়বস্তু প্রবেশযোগ্য করুন। শ্রবণ প্রতিবন্ধী শিক্ষার্থীদের সমর্থন করুন।

মেডিক্যাল ডিকশনারি

ডাক্তার-রোগীর পরামর্শ, ক্লিনিক্যাল নোট এবং মেডিক্যাল ডিক্টেশন অনুলিপি করুন। AI-চালিত সঠিকতার সাথে ম্যানুয়াল ডকুমেন্টেশনের ঘন্টা সংরক্ষণ করুন।

আইনি প্রক্রিয়া

জবানবন্দি, শুনানি এবং ক্লায়েন্ট সভা অনুলিপি করুন। আইনী রেফারেন্সের জন্য সঠিক টাইমস্ট্যাম্প। আদালতের নথির জন্য উপযুক্ত ফরম্যাটে রপ্তানি করুন।

STT মডেলের তুলনা

Whisper

OpenAI's robust speech recognition model supporting 99 languages.

  • 0 ভাষা
  • 99 languages
  • Translation
  • Timestamps
  • Robust to noise
OpenAI

Faster Whisper

4x faster than Whisper with CTranslate2 optimization, same accuracy.

  • 0 ভাষা
  • 4x faster
  • Lower memory
  • All model sizes
  • Batch processing
  • VAD filtering
SYSTRAN

SenseVoice

Speech understanding model with emotion detection, 50+ languages.

  • 0 ভাষা
  • 50+ languages
  • Emotion detection
  • Audio events
  • Speaker analysis
  • Rich metadata
Alibaba (FunAudioLLM)

Speech-to-Text Plans

Start free, upgrade when you need more

Free
  • 1-minute audio limit
  • Faster Whisper model
  • Basic transcription
  • 100+ languages
Most Popular
Free Account
  • 30-minute audio + 50 credits
  • All STT models
  • Word-level timestamps
  • SRT & VTT subtitle export
  • Speaker diarization
Sign Up Free
Pro
  • 2-hour audio files
  • Batch transcription
  • Priority processing
  • API access
  • Custom vocabulary
Upgrade

প্রায়শ জিজ্ঞাসিত প্রশ্ন

Speech to text (STT), also called automatic speech recognition (ASR), converts spoken language into written text. Our models use AI to accurately transcribe audio from meetings, interviews, podcasts, lectures, and more.

Faster Whisper is recommended for most use cases — it's 4x faster than the original Whisper while maintaining the same accuracy. Use SenseVoice if you need emotion detection or audio event detection alongside transcription.

আমরা MP3, WAV, M4A, OGG, FLAC, WEBM এবং সবচেয়ে প্রচলিত অডিও/ভিডিও ফরম্যাট সমর্থন করি। সর্বোচ্চ ফাইলের আকার ৫০ মেগাবাইট। বড় ফাইলের ক্ষেত্রে, প্রথমে অডিও বিভক্ত করার কথা বিবেচনা করুন।

Free users can transcribe up to 5 minutes of audio. Paid plans support audio files up to 2 hours. For longer recordings, use our API with batch processing.

Our models achieve 95%+ accuracy on clear English speech. Accuracy varies by language, audio quality, and background noise. Faster Whisper and Whisper support 99 languages with varying accuracy levels.

Yes, our advanced transcription modes can identify and label different speakers in the audio. Speaker diarization is especially useful for meeting transcripts, interviews, and multi-person podcasts where you need to know who said what.

ফ্যাস্টার হুইস্পার ব্যবহার করে আমাদের API-র মাধ্যমে রিয়াল-টাইম স্ট্রিমিং ট্রান্সক্রিপশন উপলব্ধ। অডিও প্রসেস করা হয় টুকরো টুকরো টুকরো টুকরো টুকরো টুকরো টুকরো টুকরো টুকরো টুকরো টুকরো টুকরো টুকরো টুকরো টুকরো টুকরো টুকরো টুকরো টুকরো টুকরো টুকরো টুকরো টুকরো টুকরো টুকরো টুকরো টুকরো টুকরো

Yes, our transcription output includes word-level timestamps that can be exported as SRT, VTT, or ASS subtitle files. This is perfect for adding captions to YouTube videos, online courses, and social media content.

Yes, all transcription results include segment-level timestamps by default. Word-level timestamps are also available, showing the exact start and end time for each word in the audio.

ফাস্টার উইস্পার বিভিন্ন ধরনের অডিওতে প্রশিক্ষিত এবং মাঝারি ধরনের পটভূমির ধ্বনি ভালোভাবে নিয়ন্ত্রণ করতে সক্ষম। খুবই ধ্বনিময় রেকর্ডিংয়ের ক্ষেত্রে, আমরা সুপারিশ করি অডিওটি প্রথমে আমাদের অডিও উন্নয়নকারীর মাধ্যমে চালানো উচিত, যাতে ট্রান্সক্রিপশনের পূর্বে সুস্পষ্টতা উন্নত করা যায়।

হ্যাঁ, আপলোডকৃত অডিও ফাইলগুলি আমাদের নিরাপদ GPU সার্ভারে প্রক্রিয়াজাত করা হয় এবং অনুবাদ সম্পন্ন হবার পর স্বয়ংক্রিয়ভাবে মুছে ফেলা হয়। আমরা আপনার অডিও ফাইলগুলি সংরক্ষণ করি না, শেয়ার করি না বা প্রশিক্ষণের উদ্দেশ্যে ব্যবহার করি না। সমস্ত ট্রান্সফার এনক্রিপ্ট করা হয়।

Free users can transcribe up to 5 minutes of audio at no cost. Paid plans use credits based on audio duration: approximately 1 credit per minute of audio. Check our pricing page for detailed plan information and credit bundles.
5.0/5 (1)

AI সহযোগে অডিও অনুবাদ করুন

Get accurate transcriptions in 99 languages. Sign up free and get 50 credits to start.

নিবন্ধন করুন মূল্য প্রদর্শন