Start free

Transcribir ficheiros de audio longos. Ata 10 horas.Sen timeout.

A maioría das ferramentas fallan silenciosamente por riba de 2 horas ou 2 GB. A nosa canalización divide os ficheiros longos en vías de procesamento paralelo, rexúntaos con marcas de tempo aliñadas e entrega un único transcripto coherente — as etiquetas de falantes intactas. Os plans Pro e Business aceptan ambos ata 10 horas por ficheiro. Business engade un límite de tamaño superior (5 GB fronte a 2 GB) e unha cola prioritaria.

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.

01Cal é o tamaño e duración máxima do ficheiro?+
Business: 5 GB por ficheiro, ata 10 horas por gravación. Pro: 2 GB por ficheiro, ata 10 horas por gravación. Free: 100 MB por ficheiro, ata 30 minutos por ficheiro, 30 minutos totais ao mes. Todos os plans aceptan o mesmo conxunto de formatos: MP3, WAV, M4A, FLAC, OGG, MP4, MOV, WEBM, MKV.
02A miña gravación expirará durante a subida ou o procesamento?+
Non. Os ficheiros de máis de 2 GB súbense directamente ao almacenamento mediante unha URL presignada — a solicitude nunca expira nunha pestana do navegador. O procesamento usa unha cola de traballos persistente: aínda que peches o navegador, o traballo continúa e recibes unha notificación por correo electrónico cando o transcripto estea listo.
03Necesito dividir o meu ficheiro antes de subilo?+
Non. A canalización divide os ficheiros internamente en fragmentos solapados, procésaos en paralelo e rexunta unha única saída con marcas de tempo aliñadas. A fragmentación manual só é necesaria se o teu ficheiro excede o límite do plan.
04A diarización de falantes funciona nun ficheiro de 10 horas?+
Si. A diarización execútase en todo o ficheiro despois de que todos os fragmentos completen, non de forma independente en cada fragmento. Isto significa que SPEAKER_01 na hora 1 é a mesma persoa que SPEAKER_01 na hora 9. O desvío é tipicamente inferior a unha mala atribución por hora en audio controlado.
05Con que rapidez procesará o meu ficheiro?+
Aproximadamente 4× máis rápido que en tempo real — polo que unha gravación de 4 horas leva uns 60 minutos. Os ficheiros moi grandes (>6 horas) poden poñerse en cola detrás doutros traballos durante horas punta; o procesamento fóra de horas punta é consistentemente máis rápido.
06Podo procesar por lotes varios ficheiros longos a través da API?+
Si. Fai POST de cada ficheiro como un traballo separado a /api/v1/jobs e especifica unha URL de webhook. Os traballos procésanse en paralelo (suxeito aos límites de concorrencia do plan). Business executa ata 50 traballos concurrentes; Pro ata 20. As entregas por riba do límite activo párkanse como `pending` e promóvense automaticamente cando se libera unha ranura — non serás limitado por taxa na entrega.
07Hai unha forma gratuíta de probar antes de actualizar?+
Si — o plan Free ofrécelle 30 minutos ao mes, sen necesidade de tarxeta. Úsao cun extracto representativo de 30 minutos da túa gravación longa para comprobar a precisión antes de comprometerte cun plan de pago.

Drop something in. See what comes out.

Sube ata 5 GB, 10 horas de duración. Sen fragmentación, sen timeout, etiquetas de falantes en todo momento.

Comezar transcrición gratuíta