Start free

Transkriber MP3 til tekst.Taler-etiketter, 100+ sprog.

Slip en MP3-fil ved enhver bitrate fra 64 til 320 kbps. Få et tidsstemplet, taler-mærket manuskript på 99 sprog — ingen formatkonvertering, ingen genindkodning, ingen ventetid i kø.

Træk din lyd eller video herind

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

Optag direkte fra browseren

Tilmelding tager 30 sekunder — optagelse åbner lige efter, i dashboardet.

No card required~90s per 60-min fileSRT · VTT · DOCX · TXTFiler slettes automatisk efter 24 timer

↓ Se hvad der kommer ud

MP3 ind. Diarisereret manuskript ud.

Vi læser MP3-rammehoveder direkte — VBR, CBR, joint-stereo, enhver encoder (LAME, Fraunhofer, FFmpeg). Hvis filen er ægte stereo med talere på separate kanaler, bruger vi det til at opdele stemmer. Mono mix-down falder tilbage til akustisk diarisering.

interview-tape-04.mp3REC 192 kbps · stereo · 38:42
autodetekteret en-GB44.1 kHz · LAME 3.100
~90s
Manuskript · streaming95% nøjagtighed
S1

Så hvornår indså du først, at arkivet var ufuldstændigt?

S2

Nok omkring 2019, da vi begyndte at digitalisere spoler.

S1

Og de manglende bånd — blev de katalogiseret nogen steder?

S2

Der er et papirindeks fra '78, men halvdelen er vandskade.

95% på 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

Tre rigtige muligheder · ærlig sammenligning

Gratis lokal Whisper. Otter eller Sonix. Eller os.

Du kan køre Whisper på din egen bærbare gratis, hvis du er teknisk. Otter og Sonix accepterer MP3-uploads inden for abonnementsdashboards. Vi tager filen, returnerer manuskriptet, og tvinger dig ikke til at leve inden i en UI.

Option 01

Whisper lokal / open source

Gratis, hvis du har en GPU og en eftermiddag. Ingen taler-diarisering ud af boksen.

OpsætningPython + CUDA + 10 GB modeller
Taler-diariseringIkke inkluderet (pyannote add-on)
Hastighed · 1 time MP35–40 min på consumer GPU
Sprog99, men lille model falder under 80%
EksportTXT / SRT / VTT / JSON
OmkostningGratis + din elektricitet
Best forIngeniører der allerede ejer en GPU, har ikke brug for taler-etiketter, og ønsker fuld lokal privathed.
Option 02

Transcription.Solutions

Slip MP3-filen. Få taler-mærket tekst tilbage på cirka realtid × 0,025.

OpsætningTræk-og-slip, ingen konto påkrævet for at prøve
Taler-diariseringBygget ind (Pro & Business-planer)
Hastighed · 1 time MP3~90 sekunder
Sprog99, autodetekteret
EksportSRT · VTT · DOCX · TXT · JSON
Omkostning · per minut$0,03
Best forAlle med en MP3 — journalistbånd, podcasteksport, stemmebeskeder, arkivafspilning — som blot ønsker præcis tekst ud.
Option 03

Otter / Sonix

Poleret dashboard, månedligt minut-loft, engelsk-tunet. Fil-upload føles som en sidebemærkning.

OpsætningKonto + betalt plan
Taler-diariseringAkustisk, EN-hældende
Hastighed · 1 time MP35–10 min i kø
SprogOtter kun EN; Sonix ~40
EksportLåst bag betalte niveauer
Omkostning$17+/md eller $10+/time (Sonix)
Best forTeams, der ønsker en transskriptions-editor og samarbejds-UI mere end et rent API-stil fil-til-tekst-flow.

Priser og funktionel tilgængelighed præcis som af maj 2026. Whisper-ydeevne varierer efter modelstørrelse og hardware.

Specifikt for MP3

Tre ting, der bider mennesker på generiske transskriptions-værktøjer.

MP3 er et format, ikke en optagelsestil — hvilket betyder, at fejltilstandene kommer fra encoderen, ikke fra talen.

Hvad der går galt

  1. 1VBR-hoveder bliver mis-parseret. Nogle værktøjer læser variable-bitrate MP3'er som fast-rate og miscalkulerer varighed — timestempler driver af minutter over en time-lang fil.
  2. 2Joint-stereo bliver fladt til mono under upload-forbehandling. Du mister per-taler-kanal-adskillelse, der faktisk var i filen.
  3. 3Indlejret ID3 albumkunst snubler nogle oploadere — de afviser filen som 'ikke ren lyd' eller fjerner den og genindkoder, hvilket sænker kvaliteten yderligere.

Hvad vi gør i stedet

  1. 1Vi bruger Xing/LAME-headeren når den er til stede og ramme-tæller fallback når den ikke er. VBR-tidsstempler forbliver præcise inden for ±0,1 s over multi-time-filer.
  2. 2Joint-stereo og ægte-stereo MP3'er bliver dekodet til L/R PCM før diarisering. Hvis dine talere blev panned, beholder vi dem adskilt.
  3. 3ID3v1, ID3v2, APE-tags, indlejret kunst — alt sendt uden ændringer. Vi genindkoder aldrig din MP3.

Anbefalede job-indstillinger for MP3-uploads

Standard, der passer ~80% af MP3-filer. Tilknyt per-job fra formularen.

Dekoder
Ramme-nøjagtig, ingen genindkodning
Diarisering
Kanal-split hvis stereo, ellers akustisk
Taler-model
Auto · 1-12 talere
Sprog
Autodetekter fra første 30 s
Fyld-ord
Fjernet (skift til bevar)
Eksport-bundel
DOCX + SRT + tidsstemplet TXT

Accuracy · real-world numbers

95%+ på 192 kbps stereo. Brugbart ned til 64 kbps mono.

MP3-nøjagtighed er afgrænset af hvad encoderen gemte, ikke af os. Perceptuel komprimering over ~96 kbps bevarer tale-intelligibilitet meget godt; under 64 kbps begynder sibylantser og konsonanter at opløses. Tallene nedenfor er fra rigtige kunde-MP3'er i produktion.

96%
320 kbps stereo, studiokilde

Næsten tabsfri for tale. Podcast-master, diktér-app-eksporter, professionelle interview-rig. Diarisering ren hvis talere på separate kanaler.

95%
192 kbps stereo, 2-3 talere

Mest almindelig bitrate for talte MP3'er. Zoom-eksporter, Riverside-downloads, stemmeoptagelsesstandard. Komprimerings-artefakter hørt for genkendelses ikke.

91%
128 kbps mono, samtale

Voice memo-standard på de fleste telefoner. Akustisk diarisering håndterer 2-4 talere. Tal og egennavne kræver af og til et blik.

84%
64 kbps mono, arkiv / telefon-dump

Gamle telefonsvarer-rip, forelæsningsarkiver, snævrband-kilder. Høj-frekvens konsonanter (f/s/sh) bliver uklare. Stadig læselig — plan en korrektion.

Almindelige spørgsmål

8 ting folk spørger om MP3-transskription.

01Hvad er den minimale MP3-bitrate, der stadig giver et brugbart manuskript?+
64 kbps er den praktiske grænse. Under det starter sibylantser (s, sh, f) at komprimere til støj, og ord-fejlrate klatrer over 20%. Hvis du optager nyt, sigter du mod 128 kbps mono eller 192 kbps stereo — alt højere er overkill for tale.
02Skal jeg konvertere min MP3 til WAV først?+
Nej. Genindkodning MP3 → WAV tilføjer nul nøjagtighed, fordi de data, encoderen kasserede, er væk for godt. Upload MP3'en direkte. Vi dekoder rammen i hukommelsen og fodrer PCM til genkendelsen.
03Vil stereo MP3 give mig bedre taler-etiketter end mono?+
Kun hvis talerne faktisk blev optaget på separate kanaler — de fleste stereo MP3'er har samme lyd på begge sider ('dual mono') og vinder ingenting. Ægte kanal-split (f.eks. Riverside-eksporter, to-mikrofon-feltrig) lader os springe akustisk diarisering over og mærke talere næsten perfekt.
04Hvad er den maksimale MP3-filstørrelse, du accepterer?+
5 GB per upload, hvilket er cirka 60 timer ved 192 kbps eller 90 timer ved 128 kbps. Hvis din fil er større, viser vi en segmenteret upload — ingen grund til at dele den selv.
05Hvor lang tid tager en 60-minutters MP3 at transskribere?+
Typisk 90 sekunder fra upload-fuldført til manuskript-færdig, uanset bitrate. Dekodning af MP3-ramme er hurtig; tiden er i genkendelsen. Diarisering tilføjer 5-10 sekunder på multi-taler-filer.
06Min MP3 har baggrundsmusik — bliver manuskriptet ødelagt?+
Stille sengebedmusik under tale er fin. Høj musik, der konkurrerer med stemmen (intro-singes, scoring under interviews), udløser til tider fejlgenkendelser på overlappende stavelser. Skift musikundertrykkelse til på job-formularen for forbehandling.
07Kan du håndtere MP3'er rippet fra telefonbesked eller telefonsvarer?+
Ja, selvom disse ofte er 8 kHz snævrband genindkodet som MP3 — lydkvalitetstaget er sat af oprindeligt PSTN-opsamling, ikke MP3-pakningen. Forvent 78-85% nøjagtighed på den slags kilde, som er hvad vi ville få på det underliggende opkald.
08Gemmer du min MP3 efter transskriptet er lavet?+
Filer slettes efter 30 dage som standard, eller øjeblikkeligt på anmodning via dashboardet. Manuskriptet forbliver på din konto, indtil du sletter det. Vi bruger aldrig kundelyd til at træne nogen model — nogensinde.

Slip din MP3. Få tekst tilbage på 90 sekunder.

30 gratis minutter hver måned. Ingen kort påkrævet. Taler-etiketter, 99 sprog, alle eksportformater inkluderet.

Start gratis