Start free

Μεταγραφή MP4 βίντεο σε κείμενο.Ο ήχος εξάγεται αυτόματα.

Ανεβάστε το αρχείο MP4 ως έχει — εμείς εξάγουμε τη ροή ήχου server-side, επιστρέφουμε μια μεταγραφή με χρονοσήμανση, και παράγουμε ένα SRT που πηγαίνει απευθείας στο YouTube, Vimeo ή το NLE σας.

Ρίξε τον ήχο ή το βίντεό σου

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

Ηχογράφηση απευθείας από το browser

Η εγγραφή παίρνει 30 δευτερόλεπτα — η ηχογράφηση ανοίγει αμέσως μετά, μέσα στο dashboard.

No card required~90s per 60-min fileSRT · VTT · DOCX · TXTΤα αρχεία διαγράφονται αυτόματα σε 24 ώρες

↓ Δείτε τι βγαίνει

MP4 μέσα. Μεταγραφή + SRT έξω.

Το MP4 είναι ένα δοχείο — ανάγνωση της ροής ήχου απευθείας, ποτέ επανακωδικοποίηση του βίντεο. Τα χρονοσήμανα παραμένουν ακριβή στο αρχικό χρονοδιάγραμμα, έτσι το SRT ευθυγραμμίζεται από την πρώτη εισαγωγή.

training-module-04.mp4REC 1080p · 22:14 · 412 MB
αυτόματη ανίχνευση en-USAAC 48 kHz στερεo · 192 kbps
~90s
Μεταγραφή · ροήΑκρίβεια 95%
S1

Εντάξει, σε αυτή την ενότητα ακολουθούμε τη ροή επιστροφής χρημάτων από αρχή μέχρι τέλος.

S2

Γρήγορη ερώτηση πριν ξεκινήσουμε — ισχύει και για μερικές επιστροφές;

S1

Καλή παρατήρηση. Τα μερικά χρησιμοποιούν την ίδια οθόνη αλλά διαφορετικό κωδικό λόγου.

S2

Κατάλαβα. Και το όριο έγκρισης είναι ακόμα διακόσια δολάρια;

95% σε καθαρό διάλογοSRT · VTT · 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

Τρεις πραγματικές επιλογές · ειλικρινής σύγκριση

DIY με ffmpeg. Ένα επεξεργείο βίντεο. Ή εμάς.

Μπορείτε να εξάγετε τον ήχο μόνοι σας και να τρέξετε το Whisper. Μπορείτε να σύρετε το MP4 στο Descript ή VEED και να ζήσετε μέσα στο επεξεργείο τους. Ή μπορείτε να ανεβάσετε το αρχείο εδώ και να πάρετε τη μεταγραφή + SRT πίσω, χωρίς κλειδωμένο επεξεργείο.

Option 01

ffmpeg + Whisper

Δωρεάν, τοπικό, περίπλοκο. Κατέχετε τη ροή εργασίας και κάθε σφάλμα σε αυτήν.

ΑπαιτείταιCLI + μοντέλο 10 GB + GPU
Ταυτοποίηση ομιλητήΞεχωριστό εργαλείο (pyannote)
Έξοδος SRTΝαι, ручное σημείωμα
Χρόνος σε MP4 1 ώρας20–90 λεπτά στην CPU
Ήχος πολλαπλών κομματιώνΕσείς επιλέγετε τη ροή
Κόστος$0 + υλικό σας
Best forΜηχανικοί που ήδη δουλεύουν τοπικά με Whisper και δεν πειράζει να συνδέσουν ταυτοποίηση ομιλητή.
Option 02

Transcription.Solutions

Ανεβάστε το MP4. Εξαγωγή ήχου, ταυτοποίηση ομιλητή, SRT, περίληψη — ένα πάσο.

ΑπαιτείταιΠρόγραμμα περιήγησης, τόσο απλά
Ταυτοποίηση ομιλητήΕνσωματωμένη, σε κάθε δουλειά
Έξοδος SRTΕ��θυγραμμισμένη στο πλαίσιο πηγής
Χρόνος σε MP4 1 ώρας~4 λεπτά, ροή
Ήχος πολλαπλών κομματιώνΠαραθέτουμε όλες τις ροές
Κόστος · ανά λεπτό$0.03
Best forΟποιος έχει ένα MP4 και θέλει το κείμενο και SRT χωρίς να μάθει ένα επεξεργείο βίντεο ή μια CLI.
Option 03

Descript / VEED

Φορτώστε MP4 στο επεξεργείο. Η μεταγραφή εμφανίζεται ως μέρος του UI χρονοδιαγράμματος.

ΑπαιτείταιΛογαριασμός + καμπύλη μάθησης επεξεργείου
Ταυτοποίηση ομιλητήΝαι, κατάρτιση EN
Έξοδος SRTΕξαγωγή-πύλη ανά σχέδιο
Όριο ανεβάσματος5 GB (Descript δωρεάν)
Ήχος πολλαπλών κομματιώνΜόνο πρώτη ροή
Κόστος$12–24/χρήστη/μήνα
Best forΕπεξεργαστές που θέλουν να κόψουν το βίντεο και τη μεταγραφή στο ίδιο εργαλείο.

Τιμές και όρια χαρακτηριστικών κατά προσέγγιση από το 2026. Τα ονόματα σχεδίου Descript και VEED αλλάζουν συχνά — ελέγξτε την τοποθεσία τους για τρέχοντα όρια.

Ειδικό για MP4

Τρία πράγματα που δυσκολεύουν με γενικά εργαλεία μεταγραφής.

Το MP4 είναι ένα δοχείο, όχι μια codec — και τα περισσότερα εργαλεία μεταγραφής το αντιμετωπίζουν σαν ένα μεγάλο ηχητικό blob. Εκεί προέρχονται τα χάσματα.

Τι πάει λάθος

  1. 1Multi-track MP4 με boom + lav. Τα γενικά εργαλεία παίρνουν ροή 1 και αγνοούν τα υπόλοιπα, χάνοντας το καθαρότερο μικρόφωνο. Κοινό σε εξαγωγές FCP και Premiere.
  2. 2Μουσική φόντου σε vlogs και διαφημίσεις ενεργοποιεί φαντασιακές λέξεις. Ο recognizer προσπαθεί να μεταγράψει τα φωνήεντα στη μουσική κρεβάτι.
  3. 3Τα χρονοσήμανα SRT παρασύρονται όταν το εργαλείο επανακωδικοποιεί το βίντεο στον δρόμο. Κατά το λεπτό 40 οι λεζάντες είναι ένα δευτερόλεπτο.

Τι να αλλάξετε εδώ

  1. 1Ανέβασμα — ανιχνεύουμε κάθε ροή ήχου και σας αφήνουμε να επιλέξετε ποια να μεταγραφή. Η προεπιλογή είναι η υψηλότερη ροή bitrate.
  2. 2Ενεργοποιήστε Καταστολή μουσικής στη φόρμα εργασίας. Κλειδώνουμε τον recognizer στο λόγο VAD έτσι τα όργανα τμήματα παραμένουν κενά.
  3. 3Ποτέ επανακωδικοποιούμε βίντεο. Ο ήχος εξάγεται σε εγγενή ρυθμό δείγματος, τα χρονοσήμανα αναφέρονται στη λίστα επεξεργασίας του δοχείου — SRT ευθυγραμμίζεται ακριβές πλαίσιο.

Συνιστώμενες ρυθμίσεις εργασίας για MP4

Ανεβάστε ένα MP4 και αυτά ενεργοποιούνται κατά προεπιλογή. Παράκαμψη ανά εργασία από τη φόρμα.

Εξαγωγή ήχ��υ
Εγγενής ρυθμός δείγματος, χωρίς επανακωδικοποίηση
Επιλογή κομματιού
Υψηλότερη ροή bitrate
Ταυτοποίηση ομιλητή
Ακουστική · 1–6 ομιλητές
Καταστολή μουσικής
Ενεργό για vlog/ad προκαθορισμένα
Μορφή SRT
≤42 χαρών/γραμμή, 2 γραμμές μέγ.
Εξαγωγή
SRT · VTT · DOCX · TXT με χρονοσήμανση

Accuracy · real-world numbers

95% σε καθαρό γυρισμό. Ειλικρινή νούμερα όταν ο ήχος αντιδρά.

Η ακρίβεια MP4 καθορίζεται από το μικρόφωνο, όχι από τη codec. Ένα lav μικρόφωνο σε ένα ήσυχο σετ νικά μια κάμερα 4K με ήχο κατά την εγγραφή κάθε φορά. Τα νούμερα παρακάτω προέρχονται από πραγματικά MP4 πελατών, ταξινομημένα κατά το τι ήταν ο ήχος.

96%+
Studio γυρισμό, lav ή shotgun μικρόφωνο

Λαπέτα ή boom σε ένα ηχογραφείο, 48 kHz AAC στα 192+ kbps, δωμάτιο με αγωγή. Το ανώτατο όρια. Οι ετικέτες ομιλητή το χτυπούν σε γυρισμό δύο ατόμων.

93%
DSLR με shotgun κατά της κάμερας

Μικρόφωνο κορυφής κάμερας 2-4 πόδια από τον ομιλητή. Κάποιος τόνος δωματίου αλλά ο λόγος είναι κατανοητός. Τα περισσότερα βίντεο δημιουργού YouTube προσγειώνονται εδώ.

89%
Ηχογράφηση οθόνης με μικρόφωνο USB

Εξαγωγές OBS, Loom, Camtasia. Το μικρόφωνο είναι κοντά αλλά το δωμάτιο δεν έχει αγωγή, συχνά με διαρροή ήχου συστήματος. Αρκετά καλό για μετάφραση σεμιναρίων.

84%
Τηλέφωνο-στολής vlog, εσωτερικό μικρόφωνο

Ενσωματωμένο μικρόφωνο τηλεφώνου, ανεμος ή θόρυβο�� χεριού, απόσταση διακυμαίνεται ανά λήψη. Λέξεις χρησιμοποιήσιμες, περιμένετε 1-2 επιδιορθώσεις ανά λεπτό σε κυρίολεκτα ονόματα.

Συχνές ερωτήσεις

8 πράγματα που ρωτούν για τη μεταγραφή MP4.

01Επανακωδικοποιείτε το βίντεό μου;+
Όχι. Μόνο διαβάζουμε τη ροή ήχου έξω από το δοχείο MP4. Η ροή βίντεο δεν αγγίζεται ποτέ, δεν επανακωδικοποιείται ποτέ και δεν αποθηκεύεται μετά τη δουλειά — κρατάτε το αρχικό αρχείο σας αμετάβλητο.
02Ποιες codec μέσα στο MP4 υποστηρίζονται;+
Το τυποποιημένο H.264 + AAC είναι η εύκολη περίπτωση. Χειρίζεσαι επίσης HEVC/H.265, ProRes-in-MP4, και ήχο σε MP3, Opus, ALAC ή PCM. Εάν το ffmpeg μπορεί να το ανιχνεύσει, μπορούμε να το μεταγράψουμε.
03Ποιό είναι το όριο μεγέθους αρχείου;+
10 GB ανά ανέβασμα στο web uploader, 50 GB μέσω API με επανεκκίνησης chunks. Ένα τυπικό MP4 1080p 1 ώρας είναι 1-3 GB έτσι τα περισσότερα αρχεία χωράνε το web path χωρίς λογισμό.
04Θα ευθυγραμμιστεί το SRT με το αρχικό μου βίντεο;+
Ναι — τα χρονοσήμανα αναφέρονται στη λίστα επεξεργασίας MP4 και το εγγενή ρυθμό δείγματος. Δεν επανακωδικοποιούμε, έτσι δεν υπάρχει παρασύρησή. Ριπίστε το SRT δίπλα στο MP4 σε οποιοδήποτε παίκτη ή NLE και οι λεζάντες συγχρονίζονται από την πρώτη φόρτωση.
05Μπορώ να κάψω τους υπότιτλους μέσα στο βίντεο;+
Όχι από την πλευρά μας — παράγουμε το SRT και αφήνουμε το κάψιμο στο επεξεργείο σας. ffmpeg one-liner, HandBrake, Premiere, DaVinci, Kapwing όλες δέχονται το SRT που παράγουμε. Δεν θέλουμε να είμαστε και το εργαλείο κωδικοποίησης.
06Τι ισχύει για MOV, MKV, M4V, WebM;+
Όλα υποστηρίζονται μέσω της ίδιας ροής εργασίας. MOV ιδιαίτερα — ίδια οικογένεια MPEG-4, πανομοιότυπη διαδρομή εξαγωγής. MKV με πολλαπλές ροές ήχου παίρνει το ίδιο UI επιλογής ροής με ένα multi-track MP4.
07Μπορώ απλά να στείλω ένα YouTube ή Vimeo URL;+
Ναι για YouTube — επικολλήστε ένα δημόσιο URL στην οθόνη ανεβάσματος και ανακτούμε τον ήχο απευθείας, χωρίς κατέβασμα MP4. Το Vimeo απαιτεί ένα άμεσο αρχείο ή έναν υπογεγραμμένο σύνδεσμο λήψης επειδή ο παίκτης τους πυλώνει τη ροή.
08Τι αν δεν υπάρχει ομιλούμενος διάλογος, απλά μουσική ή B-roll;+
Το VAD ανιχνεύει σιωπηρές και μόνο μουσικές ενότητες και τις παραλείπει, έτσι δεν πληρώνετε για ambient footage. Η μεταγραφή σημειώνει εκείνες τις περιοχές ως `[music]` ή `[no speech]` αντί να εφεύρει λέξεις.

Ανεβάστε το MP4 σας. Λάβετε τη μεταγραφή και το SRT.

30 δωρεάν λεπτά κάθε μήνα. Χωρίς κάρτα. Ήχος εξαγόμενος server-side, ετικέτες ομιλητή, ακριβές SRT πλαίσιο — όλα περιλαμβάνονται.

Ξεκίνημα δωρεάν