Start free

Correo de voz a texto.Máis de 100 idiomas, calquera formato do operador.

Exporta o teu correo de voz como MP3 ou WAV desde a aplicación de correo de voz visual do teu operador, caixa de entrada VoIP ou sistema PBX. Sube o ficheiro e obtén unha transcrición con marcas de tempo en 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.

01Como exporto correos de voz do meu teléfono ou operador?+
Google Voice: fai clic no correo de voz, fai clic en Máis, descarga como MP3. Microsoft Teams Phone: abre o correo de voz na pestana Chamadas, fai clic en Descargar. Correo de voz visual (iPhone): toca o correo de voz, toca a icona de compartir. Correo de voz visual en Android: toca a mensaxe, toca o menú de tres puntos, comparte ou exporta. Provedores VoIP: descarga desde o portal ou recibe como anexo de correo.
02Que formatos de audio de correo de voz están soportados?+
MP3, WAV, OGG, AMR e a maioría dos formatos comúns de operador. Google Voice e Teams Phone entregan MP3. A maioría dos provedores VoIP entregan WAV. Os operadores móbiles poden entregar AMR ou OGG. Todos son aceptados sen conversión.
03Que precisión podo esperar dunha transcrición de correo de voz?+
88%+ nun correo de voz estándar do operador deixado nun ambiente tranquilo. 80%+ en gravacións ruidosas ou chamadas con compresión pesada. O audio de correo de voz é de calidade telefónica (8 kHz), o que limita o teito en comparación cunha nota de voz — pero suficiente para identificar detalles do chamador e números de devolución de chamada.
04Podo transcribir unha acumulación de correos de voz en lote?+
Si. Envía cada correo de voz como un traballo separado a /api/v1/jobs cunha URL de webhook compartida — Business executa ata 50 traballos concorrentes, Pro ata 20. Unha acumulación de 200 correos de voz baleírase en menos dunha hora en Business. Formatos de exportación DOCX, TXT e JSON dispoñibles. Autenticación JWT, límites de velocidade por clave.
05Detecta o idioma do chamador automaticamente?+
Si. O idioma detéctase automaticamente dos primeiros 30 segundos de audio. Os chamadores que deixan correos de voz en francés, español, mandarín ou calquera dos máis de 100 idiomas terán o seu correo de voz transcrito nese idioma sen ningunha configuración manual.
06Está dispoñible a diarización de falantes para correos de voz?+
Si, nos plans Pro e Business. A maioría dos correos de voz teñen un único falante. Os correos de voz ocasionais con dúas persoas falando (unha conversa breve capturada accidentalmente) ou secuencias de auto-asistente + chamador poden separarse.
07Podo integrar a transcrición de correo de voz co meu CRM?+
Si, a través da API. Fai POST da URL de audio do correo de voz cando chegue unha nova mensaxe, recibe a transcrición vía webhook e empurra o texto ao teu CRM ou sistema de axuda. Varios equipos de soporte ao cliente usan este patrón para auto-encher notas de ticket desde correos de voz.

Drop something in. See what comes out.

30 minutos gratuítos ao mes, sen tarxeta. Descarga un correo de voz, sube o MP3 ou WAV — transcrición en aproximadamente 10 segundos.

Iniciar transcrición gratuíta