Start free

Transcriu MP3 a text.Etiquetes d'orador, 100+ idiomes.

Deixa un fitxer MP3 a qualsevol taxa de bits de 64 a 320 kbps. Obtén una transcripció amb marca de temps i etiquetes d'orador en 99 idiomes — sense conversió de format, sense recodificació, sense cues.

Deixa-hi l'àudio o el vídeo

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

Grava directament des del navegador

El registre triga 30 segons — la gravació s'obre just després, al dashboard.

No card required~90s per 60-min fileSRT · VTT · DOCX · TXTEls fitxers s'esborren en 24 h

↓ Mira què surt

MP3 dins. Transcripció diaritzada surt.

Llegim els capçaleres de marc MP3 directament — VBR, CBR, joint-stereo, qualsevol codificador (LAME, Fraunhofer, FFmpeg). Si el fitxer és veritable estèreo amb parlants en canals separats, ho fem servir per separar veus. La barreja mono torna a la diarització acústica.

interview-tape-04.mp3REC 192 kbps · estèreo · 38:42
detectat automàticament en-GB44.1 kHz · LAME 3.100
~90s
Transcripció · en directe95% de precisió
S1

Aleshores, quan et vas adonar que l'arxiu era incomplet?

S2

Probablement el 2019, quan vam començar a digitalitzar els carrets.

S1

I les cintes que faltaven — estaven catalogades en algun lloc?

S2

Hi ha un índex en paper del 78, però la meitat està malmesa per l'aigua.

95% en 192 kbps estèreoSRT · 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

Tres opcions reals · comparació honesta

Whisper local lliure. Otter o Sonix. O nosaltres.

Pots executar Whisper al teu portàtil gratis si ets tècnic. Otter i Sonix accepten pujades d'MP3 dins de quadres de control de subscripció. Nosaltres agafem el fitxer, retornem la transcripció i no et fem viure dins una interfície.

Option 01

Whisper local / codi obert

Gratis si tens una GPU i una tarda. Sense diarització de parlants per defecte.

ConfiguracióPython + CUDA + models de 10 GB
Diarització de parlantsNo inclòs (complemento pyannote)
Velocitat · 1 hora MP35–40 min en GPU de consum
Idiomes99, però el model petit cau sota el 80%
ExportacióTXT / SRT / VTT / JSON
CostGratis + la teva electricitat
Best forEnginyers que ja posseeixen GPU, no necessiten etiquetes de parlants i volen privacitat local completa.
Option 02

Transcription.Solutions

Deixa l'MP3. Obtén text amb etiquetes de parlant en aproximadament temps real × 0,025.

ConfiguracióArrossega i deixa, sense compte necessari per provar
Diarització de parlantsIntegrat (plans Pro i Business)
Velocitat · 1 hora MP3~90 segons
Idiomes99, detectat automàticament
ExportacióSRT · VTT · DOCX · TXT · JSON
Cost · per minut$0,03
Best forQualsevol persona amb un MP3 — cinta de periodista, exportació de podcast, nota de veu, gravació d'arxiu — que només vol text precís a l'altra banda.
Option 03

Otter / Sonix

Quadre de control polidor, límit de minuts mensuals, ajustat a l'anglès. La pujada de fitxers sembla una característica secundària.

ConfiguracióCompte + pla pagat
Diarització de parlantsAcústica, amb tendència a l'EN
Velocitat · 1 hora MP35–10 min en cua
IdiomesOtter només EN; Sonix ~40
ExportacióBloquejat darrere nivells pagats
Cost$17+/mes o $10+/hora (Sonix)
Best forEquips que volen un editor de transcripció i interfície de col·laboració més que un flux estil API net de fitxer → text.

Preu i disponibilitat de característiques exactes a partir de maig de 2026. El rendiment de Whisper varia segons la mida del model i el maquinari.

Específic per a MP3

Tres coses que et causen problemes amb les eines de transcripció genèriques.

MP3 és un format, no un estil de gravació — el qual significa que els modes de fallada provenen del codificador, no de la parla.

El que va malament

  1. 1Els capçaleres VBR es mal-interprets. Algunes eines llegeixen MP3s de taxa variable com a taxa fixa i miscalculen la durada — les marques de temps es desvien per minuts durant un fitxer de durada horària.
  2. 2Joint-stereo s'aplana a mono durant el preprocessament de pujada. Pierds la separació de canal per parlant que era realment al fitxer.
  3. 3L'art ID3 integrat de l'àlbum fa saltitar alguns pujadors — rebutgen el fitxer com a 'no és àudio pur' o el despullen i recodifiquen, perdent més qualitat.

El que fem en comptes

  1. 1Utilitzem el capçalera Xing/LAME quan està present i fallback de recompte de marcs quan no. Les marques de temps VBR romanen precises a ±0,1 s al llarg de fitxers de múltiples hores.
  2. 2Els MP3s joint-stereo i true-stereo es decodifiquen a L/R PCM abans de la diarització. Si els teus parlants estaven passejats, els mantenim separats.
  3. 3Etiquetes ID3v1, ID3v2, APE, art integrat — tot es passa sense tocar. Mai no recodifiquem el teu MP3.

Configuració de feina recomanada per a pujades d'MP3

Valors per defecte que s'ajusten a ~80% dels fitxers MP3. Substitueix per treball del formulari.

Descodificador
Precís de marc, sense recodificació
Diarització
Divisió de canal si estèreo, sinó acústica
Model de parlant
Automàtic · 1-12 parlants
Idioma
Detecció automàtica dels primers 30 s
Paraules d'omissió
Eliminades (canvia per mantenir)
Paquet d'exportació
DOCX + SRT + TXT amb marca de temps

Accuracy · real-world numbers

95%+ en 192 kbps estèreo. Usable fins a 64 kbps mono.

La precisió d'MP3 està limitada per el que l'codificador va mantenir, no per nosaltres. La compressió perceptiva per sobre de ~96 kbps conserva molt bé la intel·ligibilitat de la parla; per sota de 64 kbps, els sibilants i les consonants comencen a dissoldre's. Els números següents provenen d'MP3 reals de clients en producció.

96%
320 kbps estèreo, font d'estudi

Gairebé sense pèrdua per a la parla. Masters de podcast, exportacions d'aplicació de dictat, rigs d'entrevista professional. Diarització clara si els parlants estan en canals separats.

95%
192 kbps estèreo, 2-3 parlants

Taxa de bits més comuna per a MP3s de parla. Exportacions Zoom, descàrregues Riverside, registradors de veu per defecte. Els artefactes de compressió són inaudibles per al reconeixedor.

91%
128 kbps mono, conversacional

Defaults de nota de veu a la majoria de telèfons. La diarització acústica maneja 2-4 parlants. Els números i noms propis ocasionalment necessiten una ullada.

84%
64 kbps mono, arxiu / dumps de telèfon

Ripis de secretaris automàtics antics, arxius de lectures, fonts de banda estreta. Les consonants d'alta freqüència (f/s/sh) es difuminen. Encara legible — planifica una revisió.

Preguntes comuns

8 coses que la gent pregunta sobre la transcripció d'MP3.

01Quina és la taxa de bits mínima d'MP3 que encara dona una transcripció usable?+
64 kbps és el pis pràctic. Per sota, els sibilants (s, sh, f) es comprimeixen en soroll i la taxa d'error de paraula es crema més del 20%. Si estàs gravant de nou, marca 128 kbps mono o 192 kbps estèreo — res més alt és excés per a la parla.
02He de convertir el meu MP3 a WAV primer?+
No. Recodificar MP3 → WAV no afegeix zero precisió perquè les dades que el codificador va descartar se'n van per a sempre. Puja l'MP3 directament. Descodifiquem marcs en memòria i alimentem PCM al reconeixedor.
03L'estèreo MP3 em donarà millors etiquetes de parlant que mono?+
Només si els parlants es van gravar realment en canals separats — la majoria d'MP3s estèreo tenen el mateix àudio als dos costats ('dual mono') i no guanyen res. Separació de canal veritable (p. ex. exportacions Riverside, rigs de camp de dos micròfons) ens permet ometre la diarització acústica i etiquetar parlants gairebé perfectament.
04Quina és la mida màxima de fitxer MP3 que accepteu?+
5 GB per pujada, que és aproximadament 60 hores a 192 kbps o 90 hores a 128 kbps. Si el teu fitxer és més gran, mostrarem una pujada partida — no necessites dividir-ho tu mateix.
05Quant temps tarda a transcriure un MP3 de 60 minuts?+
Típicament 90 segons des de pujada completa fins a transcripció llesta, independentment de la taxa de bits. Descodificar marcs MP3 és ràpid; el temps és en el reconeixedor. La diarització afegeix 5-10 segons en fitxers de múltiples parlants.
06El meu MP3 té música de fons — es ruïnarà la transcripció?+
La música en sord baix la parla està bé. Música alta que competeix amb la veu (senyals d'introducció, puntuació en entrevistes) de vegades causa falta de reconeixement en síl·labes superposades. Canvia supressió de música al formulari de feina per prefiltre.
07Pots manejar MP3s arrancats del correu de veu del telèfon o de les màquines de contesta?+
Sí, encara que aquests solen ser de 8 kHz de banda estreta recodificada com a MP3 — el sostre de qualitat d'àudio es fixa per la captura PSTN original, no l'embolcall d'MP3. Espera el 78-85% de precisió en aquest tipus de font, que és el mateix que obtindríem en la trucada subjacent.
08Conserveu el meu MP3 un cop que la transcripció està feta?+
Els fitxers es suprimeixen després de 30 dies per defecte, o immediatament a petició mitjançant el quadre de control. La transcripció es manté al teu compte fins que la suprimeixis. No utilitzem àudio de client per entrenar cap model — mai.

Deixa l'MP3. Obtén text en 90 segons.

30 minuts gratis cada mes. Sense targeta necessària. Etiquetes d'orador, 99 idiomes, tot format d'exportació inclòs.

Comença gratis