Start free

MP3 ক text লৈ লিপিবদ্ধ কৰক।স্পীকাৰ লেবেল, 100+ ভাষা।

MP3 ফাইল drop কৰক 64 তকৈ 320 kbps ৰ যিকোনো bitrate ত। 99 টা ভাষাত timestamped, speaker-labeled transcript পাওক — কোনো ফর্ম্যাট রূপান্তৰ, কোনো re-encoding নেই, কোনো queue ত অপেক্ষা নেই।

আপোনাৰ অডিঅ' বা ভিডিঅ' ড্ৰপ কৰক

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

চিধাই ব্ৰাউজাৰৰ পৰাই ৰেকৰ্ড কৰক

Sign up ত ৩০ ছেকেণ্ড লাগে — তাৰ পিছতেই ডেশ্ববৰ্ডত ৰেকৰ্ডিং খোল খায়।

No card required~90s per 60-min fileSRT · VTT · DOCX · TXTফাইল ২৪ ঘণ্টাত স্বয়ংক্ৰিয়ভাৱে মচা যায়

↓ যি বাহিৰ আহে তাক চাওক

MP3 ইন। Diarized transcript আউট।

আমরা MP3 frame header সরাসৰ পড়ি — VBR, CBR, joint-stereo, যিকোনো encoder (LAME, Fraunhofer, FFmpeg)। যদি ফাইল সত্যিকাৰ stereo হয় যোগ পৃথক চ্যানেলত, আমরা সেইটি ব্যৱহাৰ কৰি voice বিভক্ত কৰি। Mono mix-down acoustic diarization লৈ fallback কৰে।

interview-tape-04.mp3REC 192 kbps · stereo · 38:42
স্বয়ংক্রিয়ভাৱে-সনাক্ত en-GB44.1 kHz · LAME 3.100
~90s
Transcript · streaming95% নির্ভুলতা
S1

তেন্তে আপুনি প্রথমে যেতিয়া realize কৰিলে যে archive অসম্পূৰ্ণ আছিল?

S2

সম্ভৱত 2019 ৰ চাৰিওফালে, যেতিয়া আমরা reel-to-reels digitise কৰিবলৈ আৰম্ভ কৰিছিলোঁ।

S1

আৰু missing tape — সেইবোৰ কোথাও catalog কৰা আছিলনে?

S2

'78 ৰ পৰা এটি paper index আছে, কিন্তু ইয়াৰ অৰ্ধেক water-damaged।

192 kbps stereo ত 95%SRT · DOCX · TXT · JSON · VTT

↓ 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

তিনটি বাস্তব বিকল্প · সৎ তুলনা

বিনামূল্যে স্থানীয় Whisper। Otter বা Sonix। বা আমরা।

যদি আপুনি প্রযুক্তিগত হন তেন্তে আপুনি আপোনাৰ নিজস্ব লেপটপত বিনামূল্যে Whisper চালাব পাৰে। Otter আৰু Sonix subscription dashboard ৰ ভিতৰত MP3 upload গ্রহণ কৰে। আমরা ফাইল নি, transcript ৰিটার্ন দি, আৰু আপোনাক UI ৰ ভিতৰত বাস নকৰাই।

বিকল্প 01

Whisper স্থানীয় / open source

বিনামূল্যে যদি আপোনাৰ GPU আৰু এটি বিকেল আছে। স্পীকাৰ diarization বাক্সৰ বাহিৰ নেই।

SetupPython + CUDA + 10 GB মডেল
স্পীকাৰ diarizationঅন্তৰ্ভুক্ত নেই (pyannote add-on)
গতি · 1 ঘন্টা MP3consumer GPU ত 5–40 মিনিট
ভাষা99, কিন্তু সৰু মডেল 80% তকৈ নিম্ন ড্রপ কৰে
ExportTXT / SRT / VTT / JSON
খৰচবিনামূল্যে + আপোনাৰ বিজলী
Best forপ্রকৌশলী যিসকল ইতিমধ্যে GPU মালিক, স্পীকাৰ লেবেল প্রয়োজন নহয়, আৰু সম্পূৰ্ণ স্থানীয় গোপনীয়তা চায়।
বিকল্প 02

Transcription.Solutions

MP3 drop কৰক। স্পীকাৰ-লেবেল কৰা text উভয় দিশত মোটামুটি real-time × 0.025 ত পাওক।

SetupDrag-and-drop, চেষ্টা কৰিবলৈ কোনো account প্রয়োজন নেই
স্পীকাৰ diarizationBuilt in (Pro & Business পরিকল্পনা)
গতি · 1 ঘন্টা MP3~90 সেকেন্ড
ভাষা99, স্বয়ংক্রিয়-সনাক্ত
ExportSRT · VTT · DOCX · TXT · JSON
খৰচ · প্রতি মিনিট$0.03
Best forযিকোনো MP3 যোগ কৰা ব্যক্তি — журналист টেপ, podcast export, voice memo, archival dub — যি সঠিক text শেষ নোৱোবাৰ শুধু চায়।
বিকল্প 03

Otter / Sonix

পলিশড dashboard, মাসিক মিনিট cap, ইংৰাজী-tuned। ফাইল upload এটি পাশ্বর্বর্তী feature অনুভব কৰে।

SetupAccount + paid পরিকল্পনা
স্পীকাৰ diarizationঅ্যাকোস্টিক, EN-leaning
গতি · 1 ঘন্টা MP3queue ত 5–10 মিনিট
ভাষাOtter EN-only; Sonix ~40
Exportpaid tiers মাধ্যমে Locked
খৰচ$17+/mo বা $10+/hr (Sonix)
Best forদল যি transcript সম্পাদক আৰু সহযোগিতা UI পোৱা বেছি চায় স্পষ্ট API-style ফাইল→text প্রবাহতকৈ।

মূল্য নির্ধারণ আৰু বৈশিষ্ট্য উপলব্ধতা May 2026 ৰ হিসাৰে নির্ভুল। Whisper পারফরম্যান্স হার্ডওয়্যার আকাৰ আৰু hardware দ্বারা পৃথক হয়।

MP3 ক নির্দিষ্ট

তিনটি বিষয় যি মানুহক কামোৰ মাৰে। সাধারণ লিপিবদ্ধকৰণ সৰঞ্জামত

MP3 এটি ফর্ম্যাট, না এটি recording শৈলী — যাৰ অর্থ ব্যর্থতা mode encoder তকৈ আহে, ভাষণ তকৈ নহয়।

কি ভুল যায়

  1. 1VBR header get mis-parsed। কিছু সৰঞ্জাম variable-bitrate MP3 পড়ে fixed-rate হিসেৱ আৰু duration miscalculate — timestamp drift ঘন্টা-দীৰ্ঘ ফাইল উপৰ মিনিট দ্বারা।
  2. 2Joint-stereo get flattened mono লৈ upload preprocessing সময়। আপুনি per-speaker চ্যানেল বিভাজন হারান যি প্রকৃতপক্ষে ফাইলত আছিল।
  3. 3Embedded ID3 album art কিছু uploader ট্রিপ — সে ফাইল reject 'not pure audio' হিসেৱ বা strip এটি করে আৰু re-encode, ড্রপ গুণমান পরবর্তী।

আমরা পরিবর্তে কি করি

  1. 1আমরা use Xing/LAME header যখন উপস্থিত আৰু frame-count fallback যখন নহয়। VBR timestamp থাকে নির্ভুল ±0.1 s multi-hour ফাইল জুৰা।
  2. 2Joint-stereo আৰু true-stereo MP3 decode L/R PCM লৈ diarization আগত। যদি আপোনাৰ স্পীকাৰ panned আছিল, আমরা সেইবোৰ বিভক্ত ৰক্ষা কৰি।
  3. 3ID3v1, ID3v2, APE tag, embedded art — সব pass-through untouched। আমরা কখনো re-encode আপোনাৰ MP3।

MP3 upload ৰ বাবে সুপারিশকৃত job পৰিবেশ

ডিফল্ট ~80% MP3 ফাইলত fit। ফর্ম তকৈ প্রতি-job override কৰক।

Decoder
Frame-accurate, কোনো re-encode
Diarization
চ্যানেল বিভক্ত যদি stereo, else acoustic
স্পীকাৰ মডেল
স্বয়ংক্রিয় · 1-12 স্পীকাৰ
ভাষা
প্রথম 30 s তকৈ স্বয়ংক্রিয়-সনাক্ত
Filler শব্দ
অপসারণ (toggle বজায় ৰাখিবলৈ)
Export bundle
DOCX + SRT + timestamped TXT

Accuracy · real-world numbers

192 kbps stereo ত 95%+। 64 kbps mono লৈ ব্যৱহারযোগ্য।

MP3 নির্ভুলতা আমাদ দ্বারা bounded হয় যি encoder ৰক্ষা কৰিছিল, আমাদ দ্বারা নহয়। ~96 kbps তকৈ উপৰত উপলব্ধিমূলক সংকোচন ভাষণ বুদ্ধিমত্তা অত্যন্ত ভালভাৱে সংৰক্ষণ কৰে; 64 kbps তকৈ নিম্ন, sibilant আৰু consonant বিলীন হবলৈ প্রারম্ভ কৰে। তলৰ সংখ্যা production ত বাস্তব গ্রাহক MP3 তকৈ হয়।

96%
320 kbps stereo, স্টুডিও উৎস

ভাষণৰ বাবে Near-lossless। Podcast মাস্টার, dictation app export, পেশাদার interview rig। Diarization পরিষ্কাৰ যদি স্পীকাৰ পৃথক চ্যানেলত।

95%
192 kbps stereo, 2-3 স্পীকাৰ

কথিত-শব্দ MP3 ৰ বাবে সবচেয়ে সাধারণ bitrate। Zoom export, Riverside download, voice রেকর্ডাৰ ডিফল্ট। সংকোচন আর্টিফ্যাক্ট recognizer লৈ অশ্রাব্য।

91%
128 kbps mono, কথোপকথনমূলক

Voice memo বেশিভাগ phones ত ডিফল্ট। অ্যাকোস্টিক diarization 2-4 স্পীকাৰ হ্যান্ডল কৰে। সংখ্যা আৰু appropriate nouns মাঝেমাঝে glance ৰ প্রয়োজন।

84%
64 kbps mono, archival / phone-dump

পুৰনি answering-machine rip, লেকচাৰ archive, narrow-band উৎস। উচ্চ-frequency consonant (f/s/sh) blur। তথাপি legible — টুইস্ট পাঠ্য পৰিকল্পনা।

সাধারণ প্রশ্ন

মানুহে যি 8 টি বিষয় সোধে। MP3 লিপিবদ্ধকৰণ সম্পর্কে

01সৰ্বনিম्न MP3 bitrate কি এখনো ব্যৱহারযোগ্য transcript দেয়?+
64 kbps ব্যবহারিক মেঝে। তাৰ তলত, sibilant (s, sh, f) সংকোচন শব্দত আৰু word ত্রুটি হাৰ 20% পাস climb। যদি আপুনি fresh রেকর্ড করছেন, লক্ষ্য 128 kbps mono বা 192 kbps stereo — superfluous এর উপৰৈ যিকোনো কিছু ভাষণ বাবে।
02আমি প্রথম MP3 WAV লৈ convert প্রয়োজন কৰা?+
না। Re-encoding MP3 → WAV শূন্য নির্ভুলতা যোগ করে কারণ data encoder discarded চলেছে বিনা প্রত্যাবর্তন। MP3 direct upload। আমরা decode frame memory মধ্যে আৰু feed PCM recognizer লৈ।
03Stereo MP3 আমাকে mono তকৈ ভাল স্পীকাৰ লেবেল দিব?+
শুধু যদি স্পীকাৰ প্রকৃতপক্ষে পৃথক চ্যানেলত রেকর্ড কৰা আছিল — সবচেয়ে stereo MP3 দুই দিশত একই অডিও ('dual mono') আৰু লাভ নিস্ফল। সত্যিকাৰ চ্যানেল-বিভক্ত (যেমন Riverside export, দুই-মাইক ক্ষেত্র rig) আমাদক করিবলৈ দেয় skip acoustic diarization আৰু label স্পীকাৰ near-perfectly।
04সর্বোচ্চ MP3 ফাইল সাইজ আপুনি গ্রহণ করা কি?+
5 GB প্রতি upload, যি হল মোটামুটি 60 ঘন্টা 192 kbps ত বা 90 ঘন্টা 128 kbps ত। যদি আপোনাৰ ফাইল বৃহত্তর আমরা দেখাব টুকৰা upload — নিজে বিভক্ত করা ৰ কোনো প্রয়োজন নেই।
0560-মিনিটৰ MP3 লিপিবদ্ধ করতে কিমান সময় লয়?+
সাধারণত 90 সেকেন্ড upload-complete তকৈ transcript-ready, bitrate পৰে নোৱাজে। Decoding MP3 frame দ্রুত; সময় recognizer মধ্যে আছে। Diarization যোগ 5-10 সেকেন্ড multi-speaker ফাইলত।
06মোৰ MP3 background সংগীত আছে — transcript ধ্বংস হব?+
শান্ত bed সংগীত under ভাষণ ঠিক আছে। জোৰ সংগীত যি প্রতিযোগী voice (intro sting, scoring under interview) মাধ্যমে মাঝমাঝি trigger misrecognition overlapping syllable ত। Toggle সংগীত suppression job ফর্ম ত pre-filter লৈ।
07আপুনি পৰিচালনা কৰব পাৰে MP3 phone voicemail বা answering মেশিন তকৈ rip?+
হাঁ, যদিও সেইবোৰ প্রায়ই 8 kHz narrow-band re-encoded MP3 হিসেৱ — অডিও গুণমান ceiling মূল PSTN capture দ্বারা setting, MP3 wrapper দ্বারা নহয়। আশ্বাস 78-85% নির্ভুলতা সেই ধরনের উৎস ত, যি একই আমরা পাব underlying কল ত।
08আপুনি আমৰ MP3 keep করা transcript সম্পন্ন হয়?+
ফাইল delete 30 দিন দ্বারা default, বা immediately অনুৰোধ উপৰ dashboard মাধ্যমে। transcript আপোনাৰ account মধ্যে থাকে যতক্ষণ আপুনি delete করা। আমরা use গ্রাহক অডিও train নহয় যিকোনো মডেল — ever।

আপোনাৰ MP3 drop কৰক। 90 সেকেন্ডত text উভয় দিশত পাওক।

প্রতি মাসে বিনামূল্যে 30 মিনিট। কোনো কার্ড প্রয়োজন নেই। স্পীকাৰ লেবেল, 99 ভাষা, প্রতিটি export ফর্ম্যাট অন্তৰ্ভুক্ত।

বিনামূল্যে আৰম্ভ কৰক