Start free

Přepis MP3 na text.Identifikace mluvčích, 100+ jazyků.

Vhoďte MP3 soubor v jakékoliv přenosové rychlosti od 64 do 320 kbps. Získejte časovaný, s identifikací mluvčích označený přepis v 99 jazycích — bez konverze formátu, bez překódování, bez čekání ve frontě.

Hoďte sem audio nebo 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

Nahrávejte rovnou z prohlížeče

Registrace zabere 30 sekund — nahrávání se otevře hned potom, přímo v dashboardu.

No card required~90s per 60-min fileSRT · VTT · DOCX · TXTSoubory se mažou za 24 h

↓ Podívejte se, co vyjde

MP3 vstupuje. Přepis s diarizací vychází.

Čteme MP3 hlavičky snímků přímo — VBR, CBR, joint-stereo, jakýkoliv kodér (LAME, Fraunhofer, FFmpeg). Pokud je soubor skutečný stereo s mluvčími na samostatných kanálech, použijeme to k rozdělení hlasů. Mono mix-down se vrací k akustické diarizaci.

interview-tape-04.mp3REC 192 kbps · stereo · 38:42
auto-detekován cs44,1 kHz · LAME 3.100
~90s
Přepis · streaming95% přesnost
S1

Takže kdy jste si poprvé uvědomili, že archiv je neúplný?

S2

Pravděpodobně kolem roku 2019, když jsme začali digitalizovat cívky.

S1

A chybějící kazety — byly někde katalogizovány?

S2

Máme papírový index z roku 78, ale poloviny je poškozena vodou.

95% na 192 kbps stereoSRT · 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

Tři reálné možnosti · upřímné srovnění

Bezplatný lokální Whisper. Otter nebo Sonix. Nebo my.

Máte-li technické vědomosti, můžete spustit Whisper zdarma na svém vlastním laptopu. Otter a Sonix přijímají nahrávání MP3 v rámci dashboardů předplatného. My vezměme soubor, vrátíme přepis a nenutíme vás žít uvnitř uživatelského rozhraní.

Option 01

Whisper local / open source

Zdarma, máte-li GPU a odpoledne. Bez diarizace mluvčích standardně.

NastaveníPython + CUDA + 10 GB modelů
Diarizace mluvčíchNení zahrnuta (doplněk pyannote)
Rychlost · 1 hodina MP35–40 min na GPU pro spotřebitele
Jazyky99, ale malý model padá pod 80%
ExportTXT / SRT / VTT / JSON
CenaZdarma + vaše elektřina
Best forInženýři, kteří již vlastní GPU, nepotřebují identifikaci mluvčích a chtějí úplné místní soukromí.
Option 02

Transcription.Solutions

Vhoďte MP3. Dostanete text s identifikací mluvčích zpět přibližně v reálném čase × 0,025.

NastaveníPřetažení myší, bez účtu potřebnéhok vyzkoušení
Diarizace mluvčíchZabudovaná (plány Pro & Business)
Rychlost · 1 hodina MP3~90 sekund
Jazyky99, automaticky detekováno
ExportSRT · VTT · DOCX · TXT · JSON
Cena · za minutu$0,03
Best forKdokoliv s MP3 — záznam novináře, export podcastu, hlasová poznámka, archivní kopie — který chce jen přesný text na druhou stranu.
Option 03

Otter / Sonix

Vyleštěný dashboard, měsíční limit minut, ladění pro angličtinu. Nahrávání souborů se cítí jako vedlejší funkce.

NastaveníÚčet + placený plán
Diarizace mluvčíchAkustická, zaměřená na EN
Rychlost · 1 hodina MP35–10 min ve frontě
JazykyOtter jen EN; Sonix ~40
ExportUzamčeno za placeným tarifem
Cena$17+/měsíc nebo $10+/hodina (Sonix)
Best forTýmy, které chtějí editor přepisu a UI pro spolupráci více než čistý tok API stylu soubor→text.

Ceny a dostupnost funkcí jsou přesné od května 2026. Výkon Whisperu se liší podle velikosti modelu a hardwaru.

Specifické pro MP3

Tři věci, které trápí lidi u běžných transkripčních nástrojů.

MP3 je formát, ne styl nahrávání — což znamená, že chybové módy pocházejí z kodéru, ne z řeči.

Co se pokazí

  1. 1Hlavičky VBR se chybně parsují. Některé nástroje čtou MP3s s proměnlivou přenosovou rychlostí jako pevnou rychlost a chybně vypočítávají dobu trvání — časové značky se během hodinového souboru posouvají o minuty.
  2. 2Joint-stereo se převede na mono během předběžného zpracování při nahrávání. Ztratíte rozdělení kanálu na mluvčího, které bylo ve skutečnosti v souboru.
  3. 3Vložená album art ID3 překvapí některé nahrávače — odmítnou soubor jako 'nekalný zvuk' nebo jej odstraní a překódují, čímž dále sníží kvalitu.

Co děláme místo toho

  1. 1Používáme hlavičku Xing/LAME, když je přítomna, a záložní počet snímků, když není. Časové značky VBR zůstávají přesné na ±0,1 s v rámci víceodinových souborů.
  2. 2Joint-stereo a true-stereo MP3s jsou dekódovány na L/R PCM před diarizací. Pokud byli vaši mluvčí panorámiováni, udržíme je rozdělené.
  3. 3ID3v1, ID3v2, APE tagy, vložená grafika — všechno projde nezměněno. Nikdy neznovu zakódujeme vaše MP3.

Doporučená nastavení úlohy pro nahrávání MP3

Výchozí nastavení, která vyhovují ~80% MP3 souborů. Přepište za úlohu pomocí formuláře.

Dekodér
Přesný na snímky, bez překódování
Diarizace
Rozdělení kanálů, je-li stereo, jinak akustické
Model mluvčího
Auto · 1–12 mluvčích
Jazyk
Automatická detekce z prvních 30 s
Výplňová slova
Odstraněna (přepnutí na zachování)
Sada exportu
DOCX + SRT + časovaný TXT

Accuracy · real-world numbers

95%+ na 192 kbps stereo. Použitelné až na 64 kbps mono.

Přesnost MP3 je omezená tím, co kodér zachoval, ne námi. Perceptuální komprese nad ~96 kbps velmi dobře zachovává srozumitelnost řeči; pod 64 kbps začínají sibilanty a souhlásky rozpouštět. Čísla níže pocházejí ze skutečných MP3 zákazníků v produkci.

96%
320 kbps stereo, zdrojový záznam ze studia

Téměř bezeztrátový pro řeč. Podcastové mastery, exporty diktovací aplikace, profesionální nahrávací soupravy. Diarizace je čistá, jsou-li mluvčí na samostatných kanálech.

95%
192 kbps stereo, 2–3 mluvčí

Nejčastější přenosová rychlost pro mluvené MP3. Exporty Zoom, Riverside stahování, výchozí hlasové rekordéry. Kompresní artefakty jsou nepoznatelné pro rozpoznávač.

91%
128 kbps mono, konverzační

Výchozí nastavení hlasové poznámky na většině telefonů. Akustická diarizace zvládá 2–4 mluvčí. Čísla a vlastní jména občas vyžadují pohled.

84%
64 kbps mono, archivní / dump ze sloupu

Staré záznamy z hlasové pošty, archiv přednášek, zdroje v úzkopásmovém spektru. Vysokofrekvenční souhlásky (f/s/sh) jsou rozmazané. Stále čitelné — plánujte si korekci.

Částé otázky

8 věcí, které se lidé ptají ohledně přepisu MP3.

01Jaká je minimální přenosová rychlost MP3, která stále dítá použitelný přepis?+
64 kbps je praktické minimum. Pod tím sibilanty (s, sh, f) komprimují v šum a míra chyby slov stoupá nad 20%. Pokud nahrávate čerstvě, cílte na 128 kbps mono nebo 192 kbps stereo — cokoli vyšší je pro řeč zbytečné.
02Musím nejdříve převést své MP3 na WAV?+
Ne. Překódování MP3 → WAV nepřidává nulovou přesnost, protože data, která kodér zahodil, jsou navždy pryč. Nahrajte MP3 přímo. Dekódujeme snímky v paměti a podáváme PCM rozpoznávači.
03Bude mi stereo MP3 lepší identifikaci mluvčích než mono?+
Jen pokud byly mluvčí skutečně nahrávány na nezávislých kanálech — většina stereo MP3s má stejný zvuk na obou stranách ('dual mono') a nezískává nic. Skutečné rozdělení kanálů (např. Riverside exporty, dvou-mikrofonní terénní soupravy) nám umožňuje přeskočit akustickou diarizaci a identifikovat mluvčí téměř dokonale.
04Jaká je maximální velikost MP3 souboru, který přijímáte?+
5 GB na nahrávku, což je přibližně 60 hodin na 192 kbps nebo 90 hodin na 128 kbps. Pokud je váš soubor větší, zobrazíme nahrávání v blocích — nemusíte jej sami děliti.
05Jak dlouho trvá přepis 60minutového MP3?+
Obvykle 90 sekund od dokončení nahrávky do připraveného přepisu, bez ohledu na přenosovou rychlost. Dekódování MP3 snímků je rychlé; čas je v rozpoznávači. Diarizace přidává 5–10 sekund u souborů s více mluvčími.
06Moje MP3 má hudbu na pozadí — bude přepis zničen?+
Tichá hudební podložka pod řečí je v pořádku. Hlasitá hudba, která konkuruje hlasu (intro stingy, hudba pod rozhovory), někdy spouští chybné rozpoznání na překrývajících se slabikách. Zapněte potlačení hudby na formuláři úlohy, abyste předem filtrovali.
07Zvládnete MP3s stažené z hlasové pošty nebo záznamníků zpráv telefonu?+
Ano, ačkoliv jsou často 8 kHz úzkopásmové znovu zakódovány jako MP3 — strop kvality zvuku je nastaven původním záchytem PSTN, ne obalem MP3. Očekávejte 78–85% přesnost na tomto druhu zdroje, což je stejné, co bychom dostali na základním hovoru.
08Uchováváte moje MP3 po dokončení přepisu?+
Soubory se standardně odstraňují po 30 dnech nebo okamžitě na žádost prostřednictvím dashboardu. Přepis zůstává ve vašem účtu, dokud jej neodstraníte. Nepoužíváme zvuk zákazníka k trénování žádného modelu — nikdy.

Vhoďte své MP3. Dostanete text zpět za 90 sekund.

30 minut zdarma každý měsíc. Bez karty. Identifikace mluvčích, 99 jazyků, každý formát exportu je zahrnut.

Začít zdarma