Start free

Transkribahan ang WAV files na may speaker labels.Perpektong kalidad.

I-drop lang ang WAV recording mula sa iyong field rig, DAW bounce, o interview kit. Pinapanatili namin ang 24-bit headroom intact, tumatakbo ang diarization sa raw PCM, at ibinabalik ang timestamped transcript na may SRT sa ilang minuto.

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

↓ Tignan kung ano ang lalabas

Raw PCM papasok. Malinisang transcript lumabas.

Ang lossless WAV ay nangangahulugan na bawat sibilant, plosive, at quiet word ay buhay na buhay — walang MP3 smear sa consonants. Kung ang file ay multi-track (isang speaker per channel), nag-skip kami ng acoustic diarization at nag-split lang base sa channel layout.

WAV · 48 kHz / 24-bitREC 2 tracks · 1h 12m · 743 MB
auto-detected en-GBstereo PCM · uncompressed
~90s
Transcript · streaming97% accuracy
S1

Dalhin mo ako pabalik sa umaga na iyon taong '78 — anong oras dumating ang tawag?

S2

Quarter to five, more or less. Nakabukas ang kettle, yon ang alaala ko.

S1

At mula doon ay direkta ka na lang bumyahe papunta sa harbour?

S2

Direkta sa boatyard. Nakabuksan pa ang lights ng dating ko.

97% sa per-track WAVSRT · 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

Tatlong tunay na option · honest comparison

Adobe Audition. Descript. O kami.

Ang Speech to Text ng Audition ay kasama sa Creative Cloud at nananatili sa timeline. Ang Descript ay nag-import ng WAV sa sarili nitong editor. Kami ay tumatanggap ng file kung paano ito, nagbabalik ng standard exports, at hindi ka kailangang mag-move ng project mo kahit saan.

Option 01

Adobe Audition / Premiere

Transcript panel sa loob ng Adobe timeline. Nakatali sa Creative Cloud at sa project file.

KailanganCreative Cloud subscription
Speaker diarizationOo, mixed-down lang
Multi-track WAVFlattened bago STT
ExportSRT · CSV · XML
Wika18, manual select
Halaga~$23/buwan (single app)
Best forMga editor na gumagawa na sa Premiere o Audition na gustong mag-stitch ng captions sa timeline.
Option 02

Transcription.Solutions

I-drop ang WAV. Per-channel diarization kung multi-track. Source deleted sa 24h.

KailanganWala — ang file lang
Speaker diarizationPer-track o acoustic
Multi-track WAVHanggang 16 channels
ExportSRT · VTT · DOCX · TXT · JSON
Wika99, auto-detected
Halaga · per min$0.03
Best forSinumang may raw WAV — field recordists, podcasters na tumalon mula sa DAW, oral history archivists, researchers.
Option 03

Descript

Nag-import ng iyong WAV sa editor ng Descript. Powerful, pero kailangan mong magtrabaho sa loob nito.

KailanganDescript account + import
Speaker diarizationAcoustic, EN-tuned
Multi-track WAVImport bilang separate clips
ExportTXT · SRT · DOCX
Wika23, accuracy varies
Halaga$16–24/user/buwan
Best forMga podcast editor na gustong mag-edit ng audio sa pamamagitan ng pag-edit ng transcript — ang tunay na superpower ng Descript.

Ang pricing ay accurate hanggang 2026. Ang Adobe at Descript feature flags ay madalas nagbabago; suriin ang current docs bago mag-commit.

Partikular sa WAV

Tatlong bagay na nakakaabala sa mga tao tungkol sa generic transcription tools.

Karamihan ng uploaders ay nagsasagawa ng silent downsample sa iyong WAV bago ipadala ito sa recognizer. Hindi kami.

Ano ang napupunta sa daan

  1. 1Multi-track WAV gets flattened. Isang 4-channel field recording mula sa Sound Devices MixPre ay nami-mix sa mono bago STT. Ang per-mic separation na binayaran mo ay tinapon.
  2. 232-bit float WAVs mula sa Zoom F-series o MixPre ay ire-reject outright, o naku-clip sa 16-bit at mawawala ang headroom recovery.
  3. 396 kHz / 24-bit interviews ay tumatagal ng mahabang panahon para i-upload dahil ang tool ay nag-re-encode sa MP3 sa browser bago ipadala.

Kung ano ang baguhin dito

  1. 1I-upload ang multi-track WAV kung paano ito (hanggang 16 channels). Binabasa namin ang channel layout mula sa WAV header at nagtatalaga ng isang speaker per track — walang acoustic guessing.
  2. 2Tumatanggap kami ng 32-bit float natively. Pinapanatili namin ang float headroom kapag nag-normalize para sa recognizer, kaya ang peaks na higit sa 0 dBFS ay hindi naku-clip.
  3. 3Direct binary upload, walang transcode sa browser. Isang 2 GB WAV ay gumagalaw sa iyong buong bandwidth at nagsisimulang mag-process sa sandaling dumarating ang huling byte.

Inirekomendang job settings para sa WAV

I-drop ang WAV at ang mga ito ay nag-flip on by default. Override per-job mula sa form.

Sample rate
Native (walang downsample)
Bit depth
24-bit / 32-float preserved
Diarization
Per-channel kung multi-track
Speaker model
Interview · 2-8 speakers
Filler words
Nakatugon (toggle off kung kailangan)
Export
DOCX · SRT · timestamped TXT

Accuracy · real-world numbers

97%+ sa per-track WAV. Ang WAV ay nagbibigay sa recognizer ng pinakamalinisang signal na possible.

Dahil ang WAV ay nag-simpan ng raw PCM na walang perceptual compression, ang consonants at sibilants ay hindi smeared tulad ng paraan ng MP3 — nawawala nito ang information na gagamitin ng recognizer. Ang mga numero sa ibaba ay galing sa tunay na customer WAV jobs sa production.

98%
Studio WAV · single speaker

48 kHz / 24-bit, large-diaphragm condenser, treated room. Narration, audiobook, voice-over bookings ay narito.

96%
Multi-track interview WAV

Isang channel per speaker (lavs o boundary mics). Ang diarization ay channel routing lang — text-only error.

92%
Handheld field recorder

Zoom H5, Tascam DR-40, katulad nito. Stereo XY pickup, 2-3 speakers, ilang room reflection. Karamihan ng podcast WAVs ay narito.

85%
Noisy environment field WAV

Labas, café, sasakyan. Ang lossless capture ay tumutulong — ang ingay ay totoo, hindi codec artefact — pero bumagsak pa rin ang accuracy sa overlapping speech.

Mga common na tanong

8 bagay na itatanong ng mga tao tungkol sa WAV transcription.

01Ano ang maximum WAV file size?+
5 GB per file sa standard plan, na humigit-kumulang 8 oras ng stereo 48 kHz / 24-bit, o 2.5 oras ng 96 kHz / 24-bit. Mas malaking files ay okay sa team plan — makipag-ugnayan lang sa amin bago ang upload.
02Susuportahan ba ninyo ang 32-bit float WAV mula sa Zoom F-series o MixPre?+
Oo, natively. Binabasa namin ang float samples na walang clipping sa 0 dBFS, kaya ang loud transients na plano mong i-pull down sa post ay transcribed pa rin cleanly. Ang karamihan ng generic uploaders ay nagsasagawa ng silent down-cast sa 16-bit muna.
03Mayroon akong 4-channel WAV mula sa field recorder — isang mic per tao. Gagamitin ba ito ng diarization?+
Oo. I-upload ang polyphonic WAV direkta (huwag mag-bounce sa stereo muna). Binabasa namin ang channel layout mula sa WAV header at nagtatalaga ng isang speaker per track — mas reliable kaysa acoustic diarization sa katulad na voices.
04Aaksyunan ba ninyo ang 96 kHz WAV ko?+
Ang recognizer ay tumatakbo sa 16 kHz internally — iyan ang ceiling ng human speech intelligibility. Pero pinapanatili namin ang iyong original file na intact at ginagamit ito para sa anumang post-processing tulad ng noise gating. Ang iyong exports ay sumasalamin sa original timeline.
05Tunay bang mas accurate ang WAV kaysa MP3 para sa transcription?+
Marginally, oo — karaniwang 1-2 points ng WER sa clean speech. Ang mas malaking gap ay makikita sa sibilants at quiet passages, kung saan ang MP3's psychoacoustic compression ay nag-discard ng information na gagamitin ng recognizer. Para sa archival o forensic work, ang WAV ay ang tama.
06Naprepreserve ba ang BWF metadata at timecode?+
Binabasa namin ang BWF chunks (bext, iXML) at ginagamit ang start timecode para i-align ang transcript sa iyong session timeline. Ang original WAV ay hindi kailanman na-modify — nagtatrabaho kami sa isang copy na de-delete sa loob ng 24h.
07Pwede ba akong mag-drop ng folder ng WAV files mula sa DAW session export?+
Oo. Ang batch upload ay tumatanggap ng hanggang 50 files nang sabay-sabay. Bawat WAV ay nakakakuha ng sarili nitong job at transcript. Kung stems sila mula sa isang session, pwede mo ring i-merge ang mga ito sa isang multi-track WAV bago upload at kami ay mag-diarize per channel.
08Gaano katagal ang 1-hour stereo WAV talaga?+
Ang upload ay ang pinakamabagal part — isang 1-hour 48 kHz / 24-bit stereo WAV ay umaabot sa tungkol 600 MB at tumatagal ng 2-5 minuto sa typical broadband. Pagkatapos i-upload, ang transcription mismo ay tumatakbo ng humigit-kumulang 4-6 minuto sa standard queue.

I-drop ang iyong WAV. Panatilihin ang perpektong kalidad. Tingnan kung ano ang lalabas.

30 libreng minuto bawat buwan. Walang card. Per-track diarization, 32-bit float supported, source audio deleted sa 24h.

Magsimula nang libre