Nota de voz a texto.iPhone, Android, cualquier app.

El grabador de tu teléfono guarda notas como M4A, MP3 o WAV según el dispositivo. Comparte el archivo en una pestaña del navegador, arrastra y suelta, y obtén una transcripción con marcas de tiempo en unos 90 segundos.

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

7 things people ask about this.

01¿En qué formato de archivo guarda mi grabador de teléfono?+
Voice Memos de iPhone: M4A (AAC). Android (Google Pixel, Samsung): generalmente M4A o AAC, a veces MP3. Voice Recorder / Sound Recorder de Windows: M4A. Voice Memos de Mac: M4A. Todos estos se suben directamente sin conversión.
02¿Cómo paso la nota de voz de mi teléfono al navegador?+
iPhone: abre Voice Memos, toca la grabación, toca Compartir y usa AirDrop a Mac o guarda en Archivos de iCloud. Android: toca Compartir o Exportar en la app de grabadora y envía por correo electrónico o almacenamiento en la nube. Mac/Windows: el archivo está en una carpeta conocida: arrastra desde allí.
03¿Cuál es la duración máxima de una nota de voz?+
30 minutos en el plan Gratuito. Hasta 10 horas por archivo en Pro y Business. La mayoría de las notas de voz del teléfono duran menos de 30 minutos, por lo que el plan Gratuito cubre la mayoría de los casos de uso personal. Las entrevistas de investigación y las clases largas que superan los 30 minutos necesitan un plan de pago.
04¿Están disponibles las etiquetas de orador para notas de voz de dos personas?+
Sí, en los planes Pro y Business. Coloca el teléfono a igual distancia entre dos oradores para obtener la separación más limpia. El proceso identifica y etiqueta cada voz: haz clic en cualquier etiqueta para renombrar de 'Orador 1' al nombre real de la persona.
05¿Puede transcribir una nota de voz en un idioma que no sea inglés?+
Sí: más de 100 idiomas, con detección automática. Francés, español, alemán, japonés, portugués, ruso y más de 95 otros funcionan. Para notas muy cortas donde la detección es incierta, puedes forzar el idioma en la configuración avanzada.
06¿Puedo transcribir notas de voz de aplicaciones de terceros como Otter o Rev?+
Si la aplicación te permite exportar el audio original como M4A, MP3 o WAV, sí: sube ese archivo. No nos conectamos directamente a aplicaciones de grabación de terceros. Exporta el audio desde la aplicación primero y luego súbelo.
07¿Qué pasa con las notas de voz con música de fondo o sonido ambiental?+
El sonido de fondo ligero (ambiente de cafetería, tráfico tranquilo) reduce la precisión a alrededor del 85–88%, pero sigue siendo transcribible. La música alta al mismo volumen que el habla es el caso difícil: la precisión disminuye significativamente en esas secciones.

Drop something in. See what comes out.

30 minutos gratis al mes, sin tarjeta. Comparte la grabación desde tu teléfono, arrastra y suelta: transcripción en unos 90 segundos.

Iniciar transcripción gratuita