Start free

Transkribirajte MP3 u tekst.Oznake govornika, 100+ jezika.

Otpremite MP3 datoteku pri bilo kojoj bitrati od 64 do 320 kbps. Dobijete vremenski označen prepis sa oznakama govornika na 99 jezika — bez konverzije formata, bez ponovno enkodiranja, bez čekanja u redu.

Ubaci zvuk ili video

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

Snimaj izravno iz preglednika

Registracija traje 30 sekundi — snimanje se otvara odmah u kontrolnoj ploči.

No card required~90s per 60-min fileSRT · VTT · DOCX · TXTDatoteke se automatski brišu za 24 h

↓ Pogledajte šta izlazi

MP3 ulazi. Diarizovani prepis izlazi.

Čitamo MP3 frame zaglavlje direktno — VBR, CBR, joint-stereo, bilo koji enkoder (LAME, Fraunhofer, FFmpeg). Ako je datoteka pravi stereo sa govornicima na odvojenim kanalima, koristimo to za razdvajanje glasova. Mono mešavina pada na akustičku diarizaciju.

interview-tape-04.mp3REC 192 kbps · stereo · 38:42
automatski detektovano en-GB44.1 kHz · LAME 3.100
~90s
Prepis · direktan tok95% preciznosti
S1

Dakle, kada ste prvi put shvatili da je arhiv nepotpun?

S2

Verovatno oko 2019, kada smo počeli da digitalizujemo roli.

S1

A nedostajuće trake — da li su bile katalogizirane bilo gde?

S2

Postoji papirni indeks iz '78, ali polovina je oštećena vodom.

95% na 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

Tri stvarne opcije · iskreno poređenje

Besplatni lokalni Whisper. Otter ili Sonix. Ili mi.

Možete pokrenuti Whisper na domaćem računaru besplatno ako ste tehnički vešti. Otter i Sonix prihvataju MP3 otpremljavanja u kontrolnim panelima pretplate. Mi uzmemo datoteku, vratimo prepis — bez da vas silimo da živite unutar UI-ja.

Option 01

Whisper lokalno / open source

Besplatno ako imate GPU i nekoliko sati. Bez diarizacije govornika iz kutije.

PodešavanjePython + CUDA + 10 GB modela
Diarizacija govornikaNije uključena (pyannote dodatak)
Brzina · 1 sat MP35–40 min na GPU-u za potrošače
Jezici99, ali mali model pada ispod 80%
IzvozTXT / SRT / VTT / JSON
CenaBesplatno + vaša elektrika
Best forInženjeri koji već poseduju GPU, ne trebaju oznake govornika, i žele potpunu lokalnu privatnost.
Option 02

Transcription.Solutions

Otpremite MP3. Dobijete tekst sa oznakama govornika u približno stvarnom vremenu × 0.025.

PodešavanjePrevucite i otpustite, bez naloga za pokušaj
Diarizacija govornikaUgrađena (Pro & Business planovi)
Brzina · 1 sat MP3~90 sekundi
Jezici99, automatski detektovano
IzvozSRT · VTT · DOCX · TXT · JSON
Cena · po minuti$0.03
Best forBilo ko sa MP3-om — novinarsku traku, izvoz podcasta, glasovnu belešku, arhivsku kopiju — ko samo želi tačan tekst na kraju.
Option 03

Otter / Sonix

Poliran kontrolni panel, granica minuta po mesecu, optimizovano za engleski. Otpremanje datoteke izgleda kao sporedna funkcija.

PodešavanjeNalog + plaćeni plan
Diarizacija govornikaAkustička, orijentisana prema EN
Brzina · 1 sat MP35–10 min u redu čekanja
JeziciOtter samo EN; Sonix ~40
IzvozZakljočen iza plaćenih nivoa
Cena$17+/mj ili $10+/sat (Sonix)
Best forTimovi koji žele editor prepisa i saradnički UI više nego čist API stil datoteka→tekst.

Cene i dostupnost funkcija tačne od maja 2026. Performanse Whisper-a variraju prema veličini modela i hardveru.

Specifično za MP3

Tri stvari koje ugrize ljude na generičkim alatima za transkripciju.

MP3 je format, a ne stil snimanja — što znači da modusi neuspeha dolaze iz enkodera, a ne iz govora.

Šta ide po zlu

  1. 1VBR zaglavlja se krivo obrađuju. Neki alati čitaju MP3-ove promenljive bitrate kao fiksnu bitrate i pogrešno računaju trajanje — vremenske oznake se driftuju za minute tokom jednosatne datoteke.
  2. 2Joint-stereo se spljošta na mono tokom otpremljavanja predprerade. Gubite razdvajanje kanala po govornicima koji je zapravo bio u datoteci.
  3. 3Ugrađena ID3 slike albuma čini problem za nekoliko otpremljivača — odbijaju datoteku kao 'ne čist audio' ili je skidaju i ponovno enkodiraju, padajući kvalitet dalje.

Šta urađujemo umesto toga

  1. 1Koristimo Xing/LAME zaglavlje kada je prisutno i fallback brojanja frame-ova kada nije. VBR vremenske oznake ostaju precizne na ±0.1 s preko datoteka od više sati.
  2. 2Joint-stereo i pravi stereo MP3-ovi su dekodirani u PCM L/R pre diarizacije. Ako su vasi govornici bili panoramizirani, čuvamo ih razdvojene.
  3. 3ID3v1, ID3v2, APE oznake, ugrađene slike — sve prosljeđeno netaknuto. Nikada ne ponovno enkodiramo vaš MP3.

Preporučena podešavanja posla za MP3 otpremljavanja

Zadane vrednosti koje odgovaraju ~80% MP3 datoteka. Nadjačajte po-posao iz obrasca.

Dekoder
Preciznost frame-a, bez ponovno enkodiranja
Diarizacija
Razdvajanje kanala ako je stereo, inače akustička
Model govornika
Auto · 1-12 govornika
Jezik
Automatska detekcija iz prvih 30 s
Reči za ispunu
Uklonjene (prebacite da čuvate)
Paket za izvoz
DOCX + SRT + vremenski označeni TXT

Accuracy · real-world numbers

95%+ na 192 kbps stereo. Upotrebljivo prema dnu od 64 kbps mono.

Preciznost MP3 je ograničena onim što je enkoder zadržao, a ne nama. Percepcijska kompresija iznad ~96 kbps čuva inteligibilnost govora veoma dobro; ispod 64 kbps, sibilante i konsonante počinju da se rastvaraju. Brojevi ispod su iz stvarnih MP3 datoteka korisnika u produkciji.

96%
320 kbps stereo, izvor iz studija

Gotovo bez gubitaka za govor. Podkast masteru, izvozi aplikacije za diktiranje, profesionalne intervju sistemi. Diarizacija čista ako su govornici na odvojenim kanalima.

95%
192 kbps stereo, 2-3 govornika

Najčešća bitrata za govorna MP3. Zoom izvozi, Riverside preuzimanja, zadane vrednosti zvučne trake. Artefakti kompresije nevidljivi prepoznavaču.

91%
128 kbps mono, razgovor

Zadate vrednosti beleške glasa na većini telefona. Akustička diarizacija obrađuje 2-4 govornika. Brojevi i imena često trebaju samo pogled.

84%
64 kbps mono, arhivsko / telefonsko

Stare otkrije od telefonske sekretarice, arhive predavanja, izvori uske trake. Konsonanti visoke frekvencije (f/s/sh) se mute. Još uvek čitljivo — planirajte pregled.

Česta pitanja

8 stvari koje ljudi pitaju o MP3 transkripciji.

01Koja je minimalna MP3 bitrata koja i dalje daje upotrebljiv prepis?+
64 kbps je praktična granica. Ispod toga, sibilante (s, sh, f) se kompresiraju u buku i stopa greške u reči penje iznad 20%. Ako snimate sprežno, usmerite prema 128 kbps mono ili 192 kbps stereo — bilo šta više je preterano za govor.
02Trebam li da konvertujem MP3 u WAV prvo?+
Ne. Ponovno kodiranje MP3 → WAV dodaje nula preciznosti jer su podaci koje je enkoder odbacio weg zauvek. Otpremite MP3 direktno. Mi dekodiramo frame-ove u memoriji i hranimo PCM prepoznavaču.
03Da li će stereo MP3 dati meni bolje oznake govornika nego mono?+
Samo ako su govornici zapravo snimljeni na odvojenim kanalima — većina stereo MP3-ova ima isti audio na obe strane ('dual mono') i ne dobija ništa. Pravo razdvajanje kanala (npr. Riverside izvozi, dve-mikrofon terenski sistemi) nam omogući da preskočimo akustičku diarizaciju i označimo govorike gotovo savršeno.
04Koja je maksimalna veličina MP3 datoteke koju prihvatate?+
5 GB po otpremljavanju, što je otprilike 60 sati na 192 kbps ili 90 sati na 128 kbps. Ako je vaša datoteka veća, pokazaćemo otpremljavanje u komadima — ne trebate je sami deliti.
05Koliko dugo traje transkripcija 60-minutnog MP3-a?+
Obično 90 sekundi od dovršetka otpremljavanja do spremnosti prepisa, bez obzira na bitrate. Dekodiranje MP3 frame-a je brzo; vreme je u prepoznavaču. Diarizacija dodaje 5-10 sekundi na datotekama sa više govornika.
06Moj MP3 ima pozadinsku muziku — da li će prepis biti uništen?+
Tiho muzičko kreveto pod govorom je u redu. Glasna muzika koja se natječe sa glasom (uvodne pesme, skor ispod intervjua) ponekad okida pogrešna prepoznavanja na preklappajućim slogovima. Prebacite potiskivanje muzike na obrascu posla za preunapremršto filtriranje.
07Možete li rukovati MP3-ovima rippedima iz telefonske glasne pošte ili automatskih odgovarača?+
Da, mada su ova često 8 kHz узак-opseg ponovno kodiran kao MP3 — strop kvaliteta audija je postavljen originalnom PSTN hvatanjem, a ne MP3 omot. Očekujte 78-85% preciznosti na tom tipu izvora, što je isto što bismo dobili na osnovnom pozivu.
08Čuvate li moj MP3 nakon što je prepis gotov?+
Datoteke se brišu nakon 30 dana po zadanoj vrednosti, ili odmah na zahtev preko kontrolne ploče. Prepis ostaje u vašem računu dok ga ne izbriešete. Ne koristimo audio korisnika za obuku bilo kog modela — nikada.

Otpremite MP3. Dobijete tekst u 90 sekundi.

30 besplatnih minuta svakog meseca. Bez kartice potrebne. Oznake govornika, 99 jezika, svi formati izvoza uključeni.

Počnite besplatno