Start free

Mensaxes de voz a texto.100+ idiomas, calquera formato de operadora.

Carga unha gravación de mensaxes de voz de Google Voice, Twilio, RingCentral ou dunha operadora móbil. Obtén unha transcripción con marca de tempo con números de teléfono formateados, idioma detectado automaticamente — MP3, WAV, OGG ou AMR.

Solta o teu audio ou vídeo

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

Grava directamente desde o navegador

O rexistro lévache 30 segundos — a gravaciónel.

No card required~90s per 60-min fileSRT · VTT · DOCX · TXTOs ficheiros bórranse en 24 h

↓ Mira qué sae

Audio de operadora dentro. Texto buscable fóra.

As mensaxes de voz son audio de banda estreita dun único locutor — normalmente 8 kHz, a miúdo con tráfico ou vento detrás. Axustamos o recoñecedor para gravacións curtas de banda telefónica para que as devolucións de chamadas e os números se graben correctamente.

voicemail-0427-1142.mp3REC 1 speaker · 0:38
auto-detected en-US8 kHz mono · μ-law
~90s
Transcripción · streaming89% de precisión
S1

Ola, sou Janet chamando desde Westfield Property Management sobre a renovación do contrato do apartamento de Larkin Street.

S1

Enviachos a documentación o martes — quería confirmar que a recebichedes antes do día 30.

S1

O mellor número para contactarme é 415-555-0188, extensión 204.

S1

Grazas, chámame cando teñas un momento.

89% en 8 kHz monoTXT · DOCX · JSON · SRT

↓ 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

Tres opcións reais · comparación honesta

Google Voice integrado. YouMail. Ou nós.

Google Voice ofrece transcripción automática gratuíta que vai ben para unha idea rápida. YouMail é unha app de correo visual de abellorío. Nós procesamos o ficheiro que exportas — calquera operadora, calquera formato, con formateo e exportacións deseñadas para flujos de pegue en CRM.

Option 01

Google Voice / Gmail integrado

Transcripción automática gratuíta en cada mensaxe de Google Voice. Só inglés e un só volcado de texto.

RequireNúmero de Google Voice
IdiomasSó inglés
Formateo de número de teléfonoInline, a miúdo roto
Carga en loteNon — só por mensaxe
ExportaciónTexto do corpo do correo
CustoGratuíto
Best forUsuarios individuais en Google Voice que só necesitan unha idea xeral en inglés na súa bandexa de entrada.
Option 02

Transcription.Solutions

Carga o WAV, MP3, OGG ou AMR. Obtén texto formateado — calquera operadora, calquera idioma.

RequireSó o ficheiro de audio
Idiomas100+, detección automática
Formateo de número de teléfonoNormalizado E.164 + local
Carga en loteCarga unha carpeta, execúlase en paralelo
ExportaciónTXT · DOCX · JSON · SRT
Custo · por min$0.03
Best forCalquera persoa que agrupe mensaxes de voz dunha PBX, apoie chamadores non ingleses, ou empuxe texto a un CRM.
Option 03

YouMail

App de correo visual de abellorío. Substitúe completamente o correo de voz da túa operadora — non é unha ferramenta baseada en ficheiros.

RequireRedirección condicional de operadora
IdiomasEnfoque englés
Formateo de número de teléfonoSó ID de chamador
Carga en loteNon — só redirección en vivo
ExportaciónNa app + correo electrónico
Custo$5–18/mes por número
Best forUsuarios móbiles que queren substitúir o correo de voz da súa operadora cunha bandexa unificada.

Prezos exactos a partir de maio de 2026. Dispoñibilidade de transcripción de Google Voice varía segundo a rexión e tipo de conta.

Específico das mensaxes de voz

Tres cousas que lles muerden a xente nas ferramentas de transcripción xenéricas.

As mensaxes de voz non son unha reunión. Os parámetros por defecto que funcionan para podcasts van estragar unha devolución de chamada de 30 segundos.

Que va mal

  1. 1Os números de teléfono falados rápido transcribense como palabras ("four one five five five five oh one eight eight") no canto de dígitos formateados — inútil para pegue do CRM.
  2. 2Os nomes de chamadores murmúxanse unha soa vez ao principio. Os modelos xenéricos perden a ortografía e o resto da mensaxe non ten ancla.
  3. 3Os ficheiros AMR / OGG de sistemas IP-PBX recházanse completamente polas ferramentas construídas arredor de audio en MP4 de podcast.

Que cambiar aquí

  1. 1Activa Formateo de número de teléfono no formulario de traballo. Normalizamos dígitos en E.164 (+14155550188) e un formato local lexible na mesma liña.
  2. 2Pega nomes de chamadores probables e termos da túa empresa en Vocabulario personalizado. Incluso unha lista de 10 nomes levanta dramaticamente o recordo de nomes propios en audio curto.
  3. 3Carga o ficheiro tal como está. Aceptamos WAV, MP3, OGG, AMR, M4A, FLAC, μ-law, A-law — non necesitas paso de transcodificación.

Opcións recomendadas de traballo para mensaxes de voz

Carga un ficheiro de mensaxe de voz e estas actívanse por defecto. Sobrescribe por traballo desde o formulario.

Modelo de locutor
Un único locutor · monólogo
Perfil de audio
Telefonía 8 kHz banda estreita
Idioma
Detección automática · 100+ idiomas
Números de teléfono
Formatea como E.164 + local
Palabras de relleno
Mantidas (o ton importa)
Exportación
TXT · DOCX · JSON (listo para CRM)

Accuracy · real-world numbers

92% en VoIP limpo. Aguanta tamén en liña telefónica PSTN.

As mensaxes de voz son o audio máis complicado que vemos — 8 kHz banda estreita, un único micrófono, a miúdo con ruído de estrada ou café. Estes números vén de lotes reais de mensaxes de voz de clientes en produción, non de mostras selectas.

92%
Google Voice / Teams Phone MP3

Captura de banda larga 16 kHz, MP3 a 64 kbps+. Chamador en ambiente tranquilo. Os números e nomes propios aparecen ben.

89%
Twilio / RingCentral WAV

Gravación VoIP estándar 8 kHz μ-law. A maioría do correo de voz empresarial cae aquí. Os números de teléfono normalízanse correctamente.

83%
OGG / AMR de operadora móbil

AMR-NB a 4,75–12,2 kbps desde IP-PBX ou correo visual de operadora. Artefactos de compresión en fricativas e dígitos.

76%
Liña telefónica PSTN, ruído de fondo

Liña de cobre máis antiga, chamador nunha bicicleta ou en manos libres. As palabras úsanse, ocasionais fallos en números e nomes.

Preguntas frecuentes

8 cousas que a xente pregunta sobre transcripción de mensaxes de voz.

01¿Podes descargar mensaxes de voz directamente de Google Voice ou Gmail?+
Non a través de API — Google non expón o audio de mensaxes de voz desa forma. Descarga o anexo MP3 do correo electrónico de notificación, ou usa a descarga por mensaxe de Google Voice. Carga o ficheiro no noso panel de control ou carga un lote dunha carpeta.
02¿Soportas ficheiros AMR de antigos sistemas IP-PBX?+
Si. Tanto AMR-NB como AMR-WB funcionan, xunto con WAV (μ-law, A-law, PCM), MP3, OGG, M4A e FLAC. Manexamos o códec internamente — non necesitas transcodificar a WAV primeiro.
03¿Formatearanse correctamente os números de teléfono da mensaxe?+
Si, cando Formateo de número de teléfono está activo. Detectamos dígitos falados e producimos E.164 (+14155550188) e un formato local lexible na mesma liña. Funciona en 40+ convencións de marcación por país.
04¿Como manexas mensaxes moi curtas — menos de 10 segundos?+
Ben. Non hai duración mínima. Mensaxes de menos de 10 segundos factúranse no noso piso de 6 segundos ($0.003 por ficheiro). A precisión aguanta porque o modelo non está agardando contexto — a mensaxe de voz é un monólogo, non unha conversa.
05¿Qué tal español ou mensaxes de voz multilingües?+
A detección automática funciona en 100+ idiomas e escolle o dominante. Para mensaxes de voz que cambian a media (saúdo en inglés, corpo en español) activa modo multilingüe — transcribimos ambos segmentos no seu propio idioma sen forzar uno.
06¿Podo cargar en lote 200 mensaxes de voz na cantidade?+
Si. Arrastra unha carpeta ao panel de control ou POST ao noso endpoint de lote. Os traballos execútanse en paralelo, recibes un índice CSV coa volta co nome de ficheiro, idioma, duración e ligazón a cada transcripción. Sen cargo adicional por lote.
07¿Pódense empurrar as transcripción directamente a HubSpot ou Salesforce?+
Aínda non enviamos un conector CRM directo. A exportación JSON inclúe ID de chamador (se o pasas en metadatos), números de teléfono formateados e a transcripción completa — a maioría dos equipos a conducen a través de Zapier ou un script de 20 liñas ao seu rexistro de contacto CRM.
08As mensaxes de voz a miúda conteñen PII ou información médica — ¿como a manexas?+
O audio de orixe elimínase permanentemente no prazo de 24 horas. As transcripción viven no teu panel de control ata que as elimines. Non somos un Asociado de Negocios HIPAA hoxe — se necesitas unha BAA asinada, fálanos antes de cargar PHI.

Carga un ficheiro de mensaxe de voz. Ve qué sae.

30 minutos gratuítos cada mes. Sen tarxeta. Formateo de número de teléfono, 100+ idiomas, todas as exportacións incluídas.

Comeza gratis