Start free

Transcriu vídeo MP4 a text.Àudio extret automàticament.

Puja el MP4 tal qual. La pista d'àudio s'extreu al servidor, es transcriu i es retorna com a transcripció amb marques de temps i etiquetes de parlant, més subtítols SRT llestos per tornar a pujar.

Drop a file, or pick one

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

Record straight from your browser

Sign up takes 30 seconds — recording opens right after, in the dashboard.

No card required~90s per 60-min fileSRT · VTT · DOCX · TXTFiles auto-deleted in 24h

↓ Watch what happens

Audio in. Transcript out.

Drop a file, paste a URL, or record live — text appears back with speaker labels and timestamps. Same pipeline whether the source is a file, a URL, or your microphone.

Microphone · liveREC 00:07.41
en-US auto-detected16 kHz mono
~90s
Transcript · streaming2 speakers · 47:08
S1

Thanks for making the time. I want to start with framing — what was the original hypothesis behind the project?

S2

Honestly, maybe forty percent. The shape held — the mechanics underneath had to be rebuilt almost entirely.

S1

What flipped it for you? Was there one customer call, one piece of data

~95% accuracy on clean audioSRT · 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

Three real options · honest comparison

Built-in dictation, AI speech-to-text, or a human transcriber.

Three legitimate ways to get text from spoken audio in 2026. Each is best for different work. Honest numbers below — no claim that AI matches a professional human transcriber on hard audio.

Option 01

Built-in dictation

Live, free, on-device. Handy for short bursts while you talk.

Accuracy · clear English~85%
Speaker separationNo
TimestampsNo
Languages~30
60-min fileLive only
CostFree
Best forShort voice notes while you walk. Hands-free messaging. Dictating an email at a stoplight.
Option 02

AI speech-to-text

~30× faster than realtime. 100+ languages. Speaker labels. The sweet spot for most work.

Accuracy · clear English95%+
Speaker separationYes (Pro+)
TimestampsPer sentence
Languages100+ auto
60-min file~90 s
Cost · per min$0.03
Best forInterview recordings · meeting notes · podcast transcripts · YouTube subtitles · batch jobs · API automation · field journalism.
Option 03

Human transcriber

Gold-standard accuracy when the audio is hard or the stakes are legal.

Accuracy · clear English98–99%
Speaker separationManual
TimestampsPer turn
LanguagesPer transcriber
60-min file4–8 hours
Cost · per min$1–3
Best forLegal depositions · medical dictation · archival oral history · anything where 95%+ accuracy is non-negotiable.

Built-in dictation figures from public iOS / Android speech API benchmarks. Human transcriber rates from US/UK industry surveys 2024–2025.

Accuracy · real-world numbers

95%+ on clear English. It holds up on real-world recordings too.

Modern transcription reaches 95%+ word accuracy on clear English at 128 kbps and above, comparable to a human transcriber on the same recording. The audio coming in sets the ceiling — cleaner source, cleaner transcript. The breakdown below covers the recordings we actually see in production.

97%+
Clean studio audio

USB or studio microphone in a treated room. Single speaker at conversational distance. The headline number.

95%+
Clear English at 128 kbps+

Podcast masters, interview recordings, well-mic'd meetings. The sweet spot for most professional work.

93%
Real-world podcast

Field-recorded interviews, podcast episodes at 64–128 kbps, multi-speaker recordings. Usable for editorial without a review pass.

91%
Meeting room recording

Ceiling mic, omnidirectional capture, mild reverb, multiple speakers at distance. Plan a rename pass on the speaker chips.

Common questions

6 things people ask about this.

01Necessito extreure l'àudio del MP4 abans de pujar-lo?+
No. Puja el MP4 directament. L'àudio s'extreu al servidor com a part del procés de transcripció. Convertir a MP3 primer afegeix un pas i pot reduir la qualitat de l'àudio si utilitzes un bitrate baix.
02Quins formats de vídeo són compatibles?+
MP4, MKV, MOV, AVI i WebM són acceptats. Qualsevol contenidor de vídeo amb un còdec d'àudio estàndard (AAC, MP3, AC-3, Opus, PCM) funciona. Si el teu format no apareix a la llista, prova de pujar-lo — la majoria de fitxers de vídeo estàndard funcionen.
03Les marques de temps de la transcripció coincidiran amb el vídeo?+
Sí. Les marques de temps s'anquen a la posició exacta del fitxer que has pujat, incloent qualsevol intro, títol o silenci al principi. Si vols que la transcripció comenci en un punt concret, retalla el vídeo primer — però la majoria d'usuaris no ho necessiten.
04Puc obtenir subtítols SRT d'un MP4?+
Sí. Exporta SRT o VTT directament des de la pàgina de transcripció i puja'ls com a subtítols a YouTube, Vimeo o importa'ls al teu editor de vídeo. Les marques de temps s'alineen amb les posicions originals del vídeo.
05Quina és la mida màxima del fitxer MP4?+
Free: 100 MB (aproximadament 10–15 minuts de 1080p), límit de 30 minuts per fitxer. Pro: 2 GB (aproximadament 60–90 minuts de 1080p, més a bitrate inferior), fins a 10 hores per fitxer. Business: 5 GB (diverses hores de 1080p), fins a 10 hores per fitxer. Per a exportacions llargues d'alt bitrate, el pla Business combina un límit de mida més alt amb cua prioritària.
06Puc transcriure una gravació de Zoom en format MP4?+
Sí. Descarrega la gravació de Zoom com a MP4 des del teu compte de Zoom (gravació al núvol o local) i després puja-la aquí. La diarització separa l'àudio de l'amfitrió i del participant. Espera un 95%+ al costat de l'amfitrió gravat localment, 88–92% a l'àudio del participant remot.

Drop something in. See what comes out.

30 minuts gratuïts al mes, sense targeta. Puja qualsevol MP4 — transcripció, etiquetes de parlant i SRT en uns 90 segons.

Comença la transcripció gratuïta