Start free

Transkriberið MP3 til tekstur.Talari merking, 100+ tungumál.

Sleppið MP3 fil á hvørjari bitrate frá 64 til 320 kbps. Fáið tíðarmerkta, talari-merka transkripsjon á 99 tungumálum — eingir sniðsbytir, engin ný koding, eingin bið.

Slepp tínum ljóði ella video inn

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

Tak upp beint úr kaganum tínum

Skráseting tekur 30 sekundir — upptøka opnar beint aftaná, í dashboard.

No card required~90s per 60-min fileSRT · VTT · DOCX · TXTFílur sjálvstrikast í 24t

↓ Síggj hvat kemur út

MP3 inn. Talari-merkt transkripsjon út.

Við lesa MP3 frame headers beinleiðis — VBR, CBR, joint-stereo, hvørji kodarar (LAME, Fraunhofer, FFmpeg). Var filan sannarlega stereo við talara á aðskildum kanálum, brúka við tað til at skilja røddirnar. Mono blanda fellur aftur til akustisk talari-merking.

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

Ja, nær hugðu tú fyrstu ferð at arkivið var ófullt?

S2

Væntandi umleið 2019, nær við byrjuðu at digitalisera reel-til-reel.

S1

Og teir týndu bandom — váru teir katalogerat nokkustaðni ó?

S2

Tað er paper index frá '78, men helmingur av tí er vatnaskada.

95% á 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

Trý sannarlegar möguleikar · hónafallig samboring

Frí lokail Whisper. Otter ella Sonix. Ella okkum.

Tú kanst keyra Whisper á tínum egna tölvu frítt um tú ert teknisk dönskligur. Otter og Sonix taka MP3 luttrekk inni subscription dashboards. Við taka filnar, skila transkriptum, og tvingja teg ikki inn í UI.

Option 01

Whisper lokail / open source

Frí um tú hevur GPU og ein dagur. Engin talari-merking út av boxinum.

Settur uppPython + CUDA + 10 GB models
Talari-merkingIkki inni (pyannote add-on)
Hraði · 1 klst MP35–40 min á consumer GPU
Tungumál99, men lítið model fer niðan 80%
ÚtflutningurTXT / SRT / VTT / JSON
KostnaðurFrí + tín elektrisitet
Best forEngineers sum eigu nú GPU, endurgerina ikki talari-merking, og vilja full lokail privatness.
Option 02

Transcription.Solutions

Sleppið MP3. Fáið talari-merka tekstur aftur við rauntíð × 0.025.

Settur uppDrag-and-drop, engin aðgongd neyðug
Talari-merkingLímað inn (Pro & Business áætlanir)
Hraði · 1 klst MP3~90 sekúndur
Tungumál99, sjálvgreint
ÚtflutningurSRT · VTT · DOCX · TXT · JSON
Kostnaður · por min$0.03
Best forHvør sum hefur MP3 — journalist bandrokk, podcast útflutningur, rødd memo, arkivligt eldra snøið — endurgerina vilt nákvema tekstur út hin endin.
Option 03

Otter / Sonix

Snøgg interface, mánaðarlig minuttir lokun, English-tutað. Fil uploadingur er side feature.

Settur uppAðgongd + betala áætlun
Talari-merkingAkustisk, EN-tilhniging
Hraði · 1 klst MP35–10 min í loppu
TungumálOtter EN-bara; Sonix ~40
ÚtflutningurLásað bak betaldum levels
Kostnaður$17+/mán ella $10+/klst (Sonix)
Best forTeams sum vilja transkripsjon editor og collaboration interface meir enn ein hrein API-stil fil→tekstur flow.

Verðlagning og feature availability nákvær sum av May 2026. Whisper performance vøksar við model størrleik og hardware.

Specifikt til MP3

Trý hlutir sum bítandi folk á generic transkripsjon tools.

MP3 er snið, ikki ein recording stíll — sum merkir at mistøkuir koma frá encoder, ikki frá talanum.

Hvat fer útil

  1. 1VBR headers verða mis-parserat. Sum tools lesa variable-bitrate MP3s sum fixed-rate og miscalculate duration — timestamps solevna um minuttum yvir langarar filur.
  2. 2Joint-stereo verður flattað til mono við upload preprocessing. Tú týnir per-speaker channel separation sum var í filni.
  3. 3Embedded ID3 album art trippar sum uploaders — teir refusa filnar sum 'not pure audio' ella strip tað og re-encode, vans quality.

Hvat við gera í staðan

  1. 1Við brúka Xing/LAME header nær henda finst og frame-count fallback nær ikki. VBR timestamps verða nákvæm til ±0.1 s yvir long filur.
  2. 2Joint-stereo og true-stereo MP3s verða dekoderat til L/R PCM fyr talari-merkingu. Um talara váru panned adskilt, við halda teir skilopað.
  3. 3ID3v1, ID3v2, APE tags, embedded art — allar passerat genú unchanged. Við re-encodar aldri tín MP3.

Mælt med job settings fyri MP3 uploads

Standard stillingar sum passa ~80% av MP3 fílum. Breyta per-job frá forminum.

Decoder
Frame-accurate, no re-encode
Talari-merking
Channel split um stereo, annars akustisk
Speaker model
Auto · 1-12 speakers
Tungumál
Auto-detect frá fyrstu 30 s
Filler words
Removed (toggle tu keep)
Export bundle
DOCX + SRT + tíðarmerkta TXT

Accuracy · real-world numbers

95%+ á 192 kbps stereo. Gott niðan til 64 kbps mono.

MP3 nákvemni er bund av hvat encoder haldt, ikki av okkum. Perseptuanst þjøppun yvir ~96 kbps varðveitir tal intelligibility væl; niðan 64 kbps, sibilantir og consonantir byrja at solevna. Tal niðanfyri eru frá sannarlyk customer MP3um í framleiðslu.

96%
320 kbps stereo, studio heimild

Near-lossless fyri tal. Podcast masters, diktering app útflutning, professional interview rigs. Talari-merking er hrein um talara eru á aðskildum kanálum.

95%
192 kbps stereo, 2-3 talara

Mest common bitrate fyri spoken-word MP3s. Zoom útflutning, Riverside download, rødd recordings by default. Þjøppun artifacts eru óhøyrar fyri recognizer.

91%
128 kbps mono, samtallig

Rødd memo by default á flestum phones. Akustisk talari-merking handleir 2-4 talara. Numer og privatenavnir tørva eina sinni ein yvirlestur.

84%
64 kbps mono, arkivlig / phone-dump

Gamla answering-machine rips, lecture archives, narrow-band heimili. High-frequency consonantir (f/s/sh) blakra. Ótil lesanlig — áætla ein próflestur.

Common questions

8 hlutir folk spyrja um MP3 transkripering.

01Hvat er minimum MP3 bitrate sum ondan gefur nýtsman transkripsjon?+
64 kbps er praktisk grund. Niðan tí, sibilantir (s, sh, f) verða til hávaða og word error rate fer yvir 20%. Um tú ikki ert at gjaldi nýtt, target 128 kbps mono ella 192 kbps stereo — hvør sum higir er overkill fyri tal.
02Skal eg convert mín MP3 til WAV fyrst?+
Nei. Re-encoding MP3 → WAV gevur null accuracy tí data sum encoder slokkst eru borni fyri gott. Upload MP3 beinleiðis. Við decode frames í minni og feed PCM til recognizer.
03Gevur stereo MP3 betari talari merking enn mono?+
Bara um talara váru sannarlega recordraðir á aðskildum kanálum — mest stereo MP3s hava sama ljóð á báðum síðum ('dual mono'). True channel-split (t.d. Riverside downloads, two-mic field rigs) let okkum skip akustisk merking og label talara næsten perfectly.
04Hvat er maximum MP3 fil størleik?+
5 GB por upload, sum er roughly 60 hours við 192 kbps ella 90 hours við 128 kbps. Um tín fil er stærri munum við senda chunked upload — túrvíðu ikki at skilja hit sjálf.
05Hvussu lang tekur ein 60-minúttar MP3 at transkribera?+
Typiskly 90 sekúndur frá upload-complete til transcript-ready, óvíst av bitrate. Decoding MP3 frames er hraðir; tíðin er í recognizer. Talari-merking leggur 5-10 sekúndur á multi-speaker filum.
06Mín MP3 hevur background music — vil transkripsjon verða rúsið?+
Stilt music undir tal er fine. Loud music sum competar við rødd (intro stings, scoring undir interviews) trigrar eina sinni misrecognitions á overlapping syllables. Toggle music suppression á job form tu pre-filter.
07Kantu handle MP3s rippað frá phone voicemail ella answering machines?+
Ja, tóf teir eru ofta 8 kHz narrow-band re-encoded sum MP3 — audio quality ceiling er sett av original PSTN capture, ikki MP3. Expect 78-85% nákvemni á tí slag av heimild, sum er tað sama munum við få á underlying call.
08Halda tit mín MP3 eftir transkripsjon er gjørd?+
Filur verða deleterad eftir 30 days by default, ella immediately on request via dashboard. Transkripsjon stannur í tínari account til tú delete hit. Við brúka aldri customer audio tu train any model — aldri.

Sleppið MP3. Fáið tekstur aftur á 90 sekúndum.

30 fríar minuttir hvørja mánað. Engin kort neyðug. Talari merking, 99 tungumál, hvørji útflutnings format inni.

Start frítt