Start free

Transkribeer MP4-video na teks.Klank outomaties onttrek.

Sit die MP4-lêer soos dit is — ons trek die audiospoorfrom serverzijdig, gee 'n tydgestempelde transkripsie, en lewer 'n SRT wat direk in YouTube, Vimeo, of jou NLE inpas.

Plaas jou klank of video

MP3 · WAV · M4A · MP4 · MOV · MKV · OGG · OPUS · FLAC · WEBM — up to 100 MB anonymously

Paste a link, we’ll fetch the audio

YouTube · TikTok · Vimeo · Twitter · SoundCloud · Spotify · 50+ more

Neem direk vanuit jou blaaier op

Aanmelding neem 30 sekondes — opname maak reg daarna oop, in die dashboard.

No card required~90s per 60-min fileSRT · VTT · DOCX · TXTLêers verdwyn outomaties oor 24u

↓ Kyk wat uitkom

MP4 in. Transkripsie + SRT uit.

MP4 is 'n houer — ons lees die audiosproorreg, kodeer nooit die video her nie. Tydstempels bly frameperfek op jou oorspronklike tydlyn, sodat die SRT by eerste import oplyn.

training-module-04.mp4REC 1080p · 22:14 · 412 MB
outomaties vanuit en-USAAC 48 kHz stereo · 192 kbps
~90s
Transkripsie · klaar95% akkuraatheid
S1

Reg, in hierdie module loop ons deur die reronde werkbelastingvloei van begin tot einde.

S2

Vinnige vraag voordat ons begin — is dit van toepassing op gedeeltelike reronde ook?

S1

Goeie vang. Gedeeltelikes gebruik dieselfde skerm maar 'n ander redenekode.

S2

Verstaan. En die goedkeuringdrempel is nog steeds tweehonderd dollar?

95% op skoon dialoogSRT · VTT · DOCX · TXT · JSON

↓ This is the dashboard

This is what loads when the job finishes.

Same layout as the real dashboard — Summary, full Transcript, Speakers tab, Exports. Key points and action items extracted automatically. Auto-tags on every job.

Try it on your own file — it's free

Drie werklike opsies · eerlike vergelyking

DIY met ffmpeg. 'n Videoredakteur. Of ons.

Jy kan die klank self onttrek en Whisper laat loop. Jy kan die MP4 in Descript of VEED trek en binne hul redakteur bly. Of jy kan die lêer hier sit en die transkripsie + SRT terug kry, geen redakteur-vergrendeling.

Opsie 01

ffmpeg + Whisper

Gratis, plaaslik, moeilik. Jy own die pijplijn en elke bug daarin.

VereisCLI + 10 GB model + GPU
Spreker diarisationAfsonderlike gereedskap (pyannote)
SRT uitvoerJa, handmatige vlag
Tyd op 'n 1-uur MP420–90 min op CPU
Multi-track klankJy kies die stroom
Koste$0 + jou hardeware
Best forIngenieurs wat al Whisper plaaslik bestuur en nie ompad diarisation te doen nie.
Opsie 02

Transcription.Solutions

Sit die MP4. Klankontrekking, diarisation, SRT, opsomming — een pas.

VereisBlaaier, dit is al
Spreker diarisationIngebou, elke taak
SRT uitvoerFrameperfek aan bron
Tyd op 'n 1-uur MP4~4 min, gestroom
Multi-track klankOns lys alle strome
Koste · per minuut$0.03
Best forIemand met 'n MP4 wat die teks en SRT wil sonder om 'n videoredakteur of CLI te leer.
Opsie 03

Descript / VEED

Laai MP4 in die redakteur. Transkripsie verskyn as deel van die tydlyn-UI.

VereisRekening + redakteur leerboek
Spreker diarisationJa, EN-ingestel
SRT uitvoerUitvoerpoort deur plan
Oplaai-dak5 GB (Descript gratis)
Multi-track klankEerste spoor slegs
Koste$12–24/gebruiker/mnd
Best forRedakteurs wat die video en die transkripsie in dieselfde gereedskap wil sny.

Pryse en funksie-doppies ongeveer soos van 2026. Descript en VEED tiernaam wissel gereeld — gaan hul werf na huidige limiete.

Spesifiek vir MP4

Drie goed wat mense byt op generiese transkripsies-gereedskap.

MP4 is 'n houer, nie 'n kodek nie — en die meeste transkripsiegereedskap behandel dit soos een groot klank-blob. Dis waar die misse kom van.

Wat gaan verkeerd

  1. 1Multi-track MP4 met boom + lapel. Generiese gereedskap gryp spoor 1 en ignoreer die res, sodat jy die skoner mikrofoon verloor. Algemeen op FCP en Premiere-uitvoere.
  2. 2Agtergrondmusiek in vlogs en advertensies aktiveer fantasiewoorde. Die herkenner probeer die vokale op die musikaa-bed transkripsie.
  3. 3SRT tydstempels dryf wanneer die gereedskap die video onderweg herkodeer. Teen minuut 40 is die opskrifte 'n sekonde af.

Wat hier om te skakel

  1. 1Oplaai — ons ondersoek elke audiosporr en laat jou kies watter een transkripsie. Afvoering is die hoogste-bitrate-spoor.
  2. 2Skakel Musikaa-onderdrukking op die taakform aan. Ons poort die herkenner op spraak VAD sodat instrumentale stukke leeg bly.
  3. 3Ons kodeer nooit video her nie. Klank word onttrek op inheemse monsteringskoers, tydstempels verwys na die houer se redigeer-lys — SRT lyn frameperfek op.

Aanbevole taakinstellings vir MP4

Sit 'n MP4 en hierdie skakel standaard aan. Oorskiet per-taak vanaf die form.

Klankonttrekking
Inheemse monsteringskoers, geen herenkodeer
Spoorkies
Hoogste-bitrate-stroom
Diarisation
Akousties · 1-6 sprekers
Musikaa-onderdrukking
Aan vir vlog/ad voorinstellings
SRT-formaat
≤42 karakters/lyn, 2 lyne maks
Uitvoer
SRT · VTT · DOCX · tydgestempelde TXT

Accuracy · real-world numbers

95% op 'n skoon opname. Eerlike getalle wanneer die klank teenvars gaan.

MP4 akkuraatheid word deur die mikrofoon bepaal, nie die kodek nie. 'n Lapelmikrofoon op 'n stil set klop 'n 4K-kamera met ingebou klank elke keer. Getalle hieronder kom van werklike klant MP4s, gesorteer deur wat die klank vang.

96%+
Studioopname, lapel of shotgun-mikrofoon

Lapel of boom in 'n opnemer, 48 kHz AAC op 192+ kbps, behandelde kamer. Die plafon-geval. Sprekerlabels slaag dit op 'n tweepersoontses-opname.

93%
DSLR met op-kamera shotgun

Kameratop-mikrofoon 2-4 voet van spreker af. Teksuur kamer maar spraak is begryplik. Die meeste YouTube-skepper-footage beland hier.

89%
Skerm opname met USB-mikrofoon

OBS, Loom, Camtasia-uitvoere. Mikrofoon is naby maar kamer is onbehandel, dikwels met stelsel-klank-bleding. Baie goed vir tutorialtranskripsies.

84%
Selfoonfoon vlog, interne mikrofoon

Ingebou selfoon-mikrofoon, wind of hantering-ruis, afstand wissel per opname. Woorde bruikbaar, verwag 1-2 regstelling per minuut op eie noue.

Algemene vrae

8 goed wat mense vra oor MP4-transkriptering.

01Kodeer jy my video her?+
Nee. Ons lees slegs die audiospoorfrom die MP4-houer. Die videospoorfrom word nooit aangeraking, nooit herkodeer, en nooit gestoor nadat die taak eindig — jy hou jou oorspronklike lêer onveranderd.
02Watter kodekas binne die MP4 word ondersteun?+
Standaard H.264 + AAC is die maklike geval. Ons hanteer ook HEVC/H.265, ProRes-in-MP4, en klank in MP3, Opus, ALAC, of PCM. As ffmpeg dit kan ondersoek, kan ons dit transkripsie.
03Wat is die lêergrootte-dak?+
10 GB per oplaai op die web-oplader, 50 GB via die API met hervattingbare stukkies. 'n Tipiese 1-uur 1080p MP4 is 1-3 GB sodat die meeste lêers die web-pad pas sonder daaroor na te dink.
04Sal die SRT oplyn met my oorspronklike video?+
Ja — tydstempels verwys na die MP4 se redigeer-lys en inheemse monsteringskoers. Ons kodeer nie her nie, sodat daar geen dryf is nie. Sit die SRT langs die MP4 in enige speler of NLE en ondertitels sinkroniseer vir eerste laai.
05Kan ek die ondertitels in die video brand?+
Nie aan ons kant nie — ons gee die SRT uit en laat die brand-in aan jou redakteur. ffmpeg eenlinier, HandBrake, Premiere, DaVinci, Kapwing almal aanvaar die SRT ons produseer. Ons wil nie die enkodeer-gereedskap ook wees nie.
06Wat van MOV, MKV, M4V, WebM?+
Almal ondersteun deur dieselfde pijplijn. MOV veral — dieselfde MPEG-4-familie, identieke onttrek-pad. MKV met veelvuldige audiosporte kry dieselfde stroom-kieser UI as 'n multi-track MP4.
07Kan ek net 'n YouTube of Vimeo URL stuur?+
Ja vir YouTube — plak 'n publieke URL op die oplaai-skerm en ons gaan die klank direk hal, geen MP4-aflaai nodig. Vimeo vereis 'n direkte lêer of 'n ondertekende aflaai-skakel omdat hul speler die stroom vergrendel.
08Wat as daar geen gesprokenwoord is nie, net musiek of B-rol?+
VAD bespeur stil en musiek-alleen stukke en slaan hulle oor, sodat jy nie betaal vir omgewing opname nie. Die transkripsie merk daardie breidd as `[musiek]` of `[geen spraak]` in plaas van woorde uit te vind.

Sit jou MP4. Kry die transkripsie en SRT terug.

30 gratis minute elke maand. Geen kaart. Klank onttrek serverzijdig, sprekerlabels, frameperfek SRT — alles ingesluit.

Begin gratis