Texto a vozComment Axentes Música Audio para texto Clonaxe de voz Deseño de voz Mercado Máis
Report Bug / Feature Request

Transcreber o son

Transcríba ficheiros de son e vídeo a texto con IA. Soporta 99 linguas, marcas de data e hora e detección de falantes.

Inscríbete gratis
Non o facemos. Vender a túa voz

Enviar o son ou vídeo

Arrastre e solte o ficheiro aquí, ou navegar

Soporta MP3, WAV, FLAC, OGG, M4A, MP4, WebM. Máximo 100MB. Name

file.mp3

0 MB
— ou gravar co seu micrófono —
00:00

Configuración

1,000/min caracteres — Inscríbete to track usage

Transcrición

Envíe un ficheiro de son e prema en Transcribir para comezar

A transcreber o son... Isto pode tardar un momento.

Detectado:

Como funciona

1. Enviar o son

Envíe o seu ficheiro de son ou vídeo. Soportamos os formatos MP3, WAV, FLAC, OGG, M4A, MP4 e WebM de ata 100 MB.

2. AI Transcribes

Os nosos modelos de IA procesan o seu audio, detectando a linguaxe, identificando os falantes e xerando texto preciso con marcas de tempo.

3. Obter a súa transcripción

Copie a súa transcrición ou descarguea como formato de subtítulos TXT ou SRT. Edite e refine segundo sexa preciso.

Casos de uso

Transcrición de son para cada industria e fluxo de traballo

Reunións e conferencias

Transcríbense automaticamente as gravacións de Zoom, Teams e Google Meet. Nunca máis se perda un elemento de acción. Exportar como notas ou subtítulos de reunións.

Entrevistas e xornalismo

Transcríbanse entrevistas para artigos, traballos de investigación e documentais. A diarización do orador identifica quen dixo que para facilitar a atribución.

Podcasts e medios

Xere transcricións e mostre notas para episodios de podcasts. Cree arquivos pesquisábeis do seu contido de son. Engadir subtítulos aos podcasts de vídeo.

Lecturas e educación

Converta as conferencias gravadas en notas de estudo. Faga accesible o contido educativo con subtítulos precisos. Apoie aos estudantes con discapacidades auditivas.

Medios sociais

Xere subtítulos e subtítulos pechados para vídeos de YouTube, TikToks e contidos de redes sociais. Mellore a accesibilidade e o SEO con transcricións precisas.

Legal e médicoName

Transcríbense declaracións, audiencias, consultas e ditados. Marcas de tempo precisas para referencia. Exportación en formatos axeitados para documentación.

Formatos soportados

Transcríbe calquera ficheiro de son ou vídeo: extraemos o son automaticamente

Formatos de son

MP3 WAV FLAC OGG M4A AAC WMA OPUS

Formatos de vídeo

MP4 WebM AVI MOV MKV WMV FLV M4V

O son é extraído automaticamente dos ficheiros de vídeo para a transcrición.

Modelos de transcrición

Whisper

O robusto modelo de recoñecemento de voz de OpenAI admite 99 linguas.

  • 99 linguas
  • Tradución
  • Marcas de data/ hora
  • Robusto ao ruído
OpenAI

Faster Whisper

4 veces máis rápido que Whisper con optimización de CTranslate2, mesma precisión.

  • 4x máis rápido
  • Reducir a memoria
  • Todos os tamaños de modelo
  • Procesamento por lotes
  • Filtrado VAD
SYSTRAN

SenseVoice

Modelo de comprensión da fala con detección de emocións, máis de 50 linguas.

  • Mais de 50 linguas
  • Detección de emocións
  • Eventos de son
  • Análise do falante
  • Metadatos ricos
Alibaba (FunAudioLLM)

Plans de transcrición

Comece de balde, actualice cando precise máis

Libre
  • Límite de son de 1 minuto
  • Modelo Whisper máis rápido
  • Transcrición básica
  • Máis de 100 idiomas
Máis popular
Conta libre
  • Son de 30 minutos + 15. 000 caracteres
  • Todos os modelos STT
  • Marcas de tempo a nivel de palabra
  • Exportación de subtítulos SRT e VTT
  • Diarización do falante
Inscríbete gratis
Pro
  • Ficheiros de son de 2 horas
  • Transcrición por lotes
  • Procesamento de prioridade
  • Acceso á API
  • Vocabulario personalizado
Actualizar

Preguntas frecuentes

Envíe o seu ficheiro de son ou vídeo (MP3, WAV, M4A, OGG, FLAC ou formatos de vídeo) e prema en Transcribir. A nosa IA procesa o son e devolve un texto preciso en segundos. Non se require descargar ningún programa, todo se executa no navegador.

Soportamos todos os formatos de son comúns, incluíndo MP3, WAV, M4A, OGG, FLAC, WEBM e a maioría dos formatos de vídeo (MP4, AVI, MKV, MOV). O tamaño máximo do ficheiro é de 50 MB. A ferramenta extrae automaticamente o son dos ficheiros de vídeo.

A nosa transcrición de IA alcanza unha precisión do 95%+ na fala clara. Usamos Faster Whisper (4x máis rápido que o Whisper orixinal) e SenseVoice para obter os mellores resultados. A precisión depende da calidade do son, do ruído de fondo e da linguaxe.

Si, a nosa ferramenta de transcrición admite 99 idiomas. Faster Whisper detecta automaticamente o idioma falado, ou pode especificalo manualmente para unha maior precisión. Os idiomas máis populares son o inglés, o español, o francés, o alemán, o xaponés, o chinés e o árabe.

Os usuarios gratuítos poden transcreber ata 5 minutos de son. Os plans de pago admiten ficheiros de ata 2 horas. Para gravacións máis longas, use a nosa API con procesamento por lotes para transcreber horas de son de forma eficiente.

Si, todas as transcricións inclúen marcas de tempo a nivel de segmento por omisión. Tamén están dispoñíbeis marcas de tempo a nivel de palabra, mostrando a hora exacta de comezo e fin de cada palabra, perfecta para subtítulos e títulos.

Si, a saída da transcrición inclúe marcas de tempo que se poden exportar como ficheiros de subtítulos SRT, VTT ou ASS. Isto é ideal para engadir subtítulos a vídeos de YouTube, cursos en liña, podcasts e contido de redes sociais.

Si, os nosos modos avanzados de transcrición admiten a diarización de falantes, identificando e etiquetando automaticamente diferentes falantes no son. Isto é útil para transcricións de reunións, entrevistas e conversas con varias persoas.

Pode descargar o son dun vídeo de YouTube e envialo para a transcrición. A nosa ferramenta xestiona calquera formato estándar de son ou vídeo. Para a transcrición masiva de YouTube, use a nosa API para fluxos de traballo automatizados.

Si, o son enviado procesábase nos nosos servidores seguros de GPU e borrabase automaticamente despois da transcrición. Nunca almacenamos, compartimos ou usamos o seu son para adestramento. Todas as transferencias son cifradas mediante HTTPS.

O Suspirar máis rápido procesa o son a unha velocidade 4x maior que a do tempo real: unha gravación de 10 minutos transcríbese en 2, 5 minutos. Os clips curtos (menos dun minuto) normalmente complétanse en segundos.

A transcrición é gratuíta para sons de ata 5 minutos. Os plans de pago usan créditos baseados na duración do son: aproximadamente 1 crédito por minuto. Os paquetes de créditos comezan en $5 por 100 créditos. Consulte a nosa páxina de prezos para obter os detalles completos do plan.
5.0/5 (1)

What could we improve? Your feedback helps us fix issues.

Transcreba son con IA

Obteña transcricións precisas en 99 idiomas. Inscríbase de balde e obtén 15 créditos para comezar.

Inscríbete gratis Ver os prezos