Start free

Transkribirajte WAV datoteke s oznakama govornika.Lossless kvaliteta.

Spustite WAV snimak direktno s vašeg terenskog uređaja, DAW-a ili interview kitka. Zadržavamo 24-bitnu dubinu, pokrenemo diarizaciju na raw PCM-u, i vratimo vam vremenski označeni transkript sa SRT-om u minutama.

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 što izlazi

Raw PCM ulazi. Čist transkript izlazi.

Lossless WAV znači svaki sibilant, eksploziv, i tiha reč ostaje nepromijenjena — bez MP3 omekšavanja na suglasnozacima. Ako je datoteka višekanalka (jedan govornik po kanalu), preskačemo akustičku diarizaciju u potpunosti i dijelimo po kanalnoj shemi.

WAV · 48 kHz / 24-bitREC 2 kanala · 1h 12m · 743 MB
auto-detektirano en-GBstereo PCM · nekompresiran
~90s
Transkript · streaming97% točnost
S1

Vratite me u to jutro sedamdeset i osme — u koliko sati je poziv stigao?

S2

Četvrt do pet, više-manje. Čajnik je bio uključen, to se sjećam jasno.

S1

A odatle ste vozili direktno do luke?

S2

Direktno do brodogradilišta. Svjetla su bila upaljena kad sam stigao.

97% na kanalima WAV datotekaSRT · 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

Tri stvarne opcije · poštena usporedba

Adobe Audition. Descript. Ili nas.

Audition Speech to Text dolazi s Creative Cloud paketom i ostaje unutar vremenske linije. Descript uvozi WAV u svoj urednik. Mi primamo datoteku kakva je, vraćamo standardne izvozne formate, i ne trebamo vas da premještate projekt nikud.

Opcija 01

Adobe Audition / Premiere

Transkript panel unutar Adobe vremenske linije. Vezan na Creative Cloud i datoteku projekta.

ZahtijevaCreative Cloud pretplatu
Diarizacija govornikaDa, samo miksana/svedena
Višekanalni WAVSpljošteno prije STT
IzvozSRT · CSV · XML
Jezici18, ručni izbor
Cijena~23 EUR/mj (jedna aplikacija)
Best forUrednici koji su već u Premiere-u ili Audition-u i trebaju podnaslove spojene na vremensku liniju.
Opcija 02

Transcription.Solutions

Spustite WAV. Diarizacija po kanalu ako je višekanalni. Izvor obrisan u 24h.

ZahtijevaNišta — samo datoteku
Diarizacija govornikaPo kanalu ili akustička
Višekanalni WAVDo 16 kanala
IzvozSRT · VTT · DOCX · TXT · JSON
Jezici99, auto-detekcirano
Cijena · po minuti0,03 EUR
Best forBilo tko s raw WAV-om — terenski snimatelji, podcasterti koji ispisuju iz DAW-a, oral history arhivari, istraživači.
Opcija 03

Descript

Uvozi vaš WAV u Descript-ov urednik. Moćan, ali morate raditi unutar njega.

ZahtijevaDescript račun + uvoz
Diarizacija govornikaAkustička, EN-optimizirana
Višekanalni WAVUvoz kao zasebne isječke
IzvozTXT · SRT · DOCX
Jezici23, točnost varira
Cijena$16–24/korisnik/mj
Best forPodcast urednici koji trebaju uređivati audio tako da uređuju transkript — Descript-ova prava supermoć.

Cijene točne od 2026. Adobe i Descript zastavice se često mijenjaju; provjerite trenutnu dokumentaciju prije nego što se vezete.

Specifično za WAV

Tri stvari koje imaju problema na generičkim alatima za transkripciju.

Većina učitavatelja tiho smanjuje vašu WAV prije nego što je pošalje prepoznavatelju. Mi to ne činimo.

Što ide po zlu

  1. 1Višekanalni WAV se spljoštava. Snimak s 4 kanala s Field Media MixPre se miješa u mono prije STT. Po-mikrofon separacija za koju ste platili se baca dalje.
  2. 232-bitni float WAV-ovi s Zoom F-serije ili MixPre se odbacuju, ili se skupljaju u 16-bit i gube oporavak dubine.
  3. 396 kHz / 24-bit intervali traju zauvijek za učitavanje jer se alat ponovno kodira u MP3 u pregledniku prije slanja.

Što se obrće ovdje

  1. 1Učitajte višekanalni WAV kao što je (do 16 kanala). Čitamo raspored kanala iz WAV zaglavlja i dodjeljujemo jedan govornik po traži — nema akustičkog nagađanja.
  2. 232-bitni float se nativno prihvaća. Čuvamo dubinu float-a pri normalizaciji za prepoznavatelja, tako da vrhunci iznad 0 dBFS ne rezine.
  3. 3Direktan binarni učitak, nema transkodiranja u pregledniku. 2 GB WAV se kreće sa cijelom vašom propusnošću i počinje obrada чим zajednji bajt stiže.

Preporučene postavke posla za WAV

Spustite WAV i ove se okreću zadano. Prepisujte po poslu iz obrasca.

Stopa uzorkovanja
Nativna (nema mogućnosti smanjenja)
Dubina bita
24-bit / 32-float sačuvano
Diarizacija
Po kanalu ako je više kanala
Model govornika
Interval · 2-8 govornika
Punjive riječi
Čuvane (isključite ako je potrebno)
Izvoz
DOCX · SRT · vremenski označeni TXT

Accuracy · real-world numbers

97%+ na kanalnim WAV datotekama. WAV daje prepoznavatelju najčistiji mogući signal.

Budući da WAV pohranjuje raw PCM bez perceptualne kompresije, sibilanti i eksplozivi se ne omekšavaju kako ih MP3 omekšava. Prepoznavatelj čuje što je mikrofon čuo. Brojevi dolje dolaze s pravih customer WAV poslova u produkciji.

98%
Studio WAV · jedan govornik

48 kHz / 24-bit, veliki diafragmski kondenzatorski mikrofon, tretirana soba. Naracija, audiobook, voice-over booking dolaze ovdje.

96%
Višekanalni interval WAV

Jedan kanal po govorni (lavalijerski ili boundary mikrofoni). Diarizacija je samo preusmjeravanje kanala — samo tekstualna greška.

92%
Terenski ručni rekorder

Zoom H5, Tascam DR-40, slično. Stereo XY pickup, 2-3 govornika, neka odskakanja sobe. Većina podcast WAV-a dolazi ovdje.

85%
Bučna terenski WAV okruženja

Vani, kafić, vozilo. Lossless hvatanje pomaže — buka je stvarna, nije codec artefakt — ali točnost i dalje pada na preklapajućeg govora.

Česta pitanja

8 stvari koju se ljude pitaju o WAV transkripciji.

01Koja je maksimalna veličina WAV datoteke?+
5 GB po datoteci na standardnom planu, što je otprilike 8 sati stereo 48 kHz / 24-bit, ili 2,5 sati 96 kHz / 24-bit. Veće datoteke su u redu na team planu — samo nas kontaktirajte prije učitavanja.
02Podržavate li 32-bit float WAV s Zoom F-serije ili MixPre?+
Da, nativno. Čitamo float uzorke bez rezanja pri 0 dBFS, tako da jaki tranzienti koje ste planirali povući dolje u post-produkciji su i dalje čisto transkribirani. Većina generičkih učitavatelja tiho obavršava 16-bit prvo.
03Imam 4-kanalni WAV s terenskog rekorders — jedan mikrofon po osobi. Će diarizacija to koristiti?+
Hoće. Učitajte polifonski WAV direktno (ne odbijajte prvo u stereo). Raščlanjujemo raspored kanala iz WAV zaglavlja i dodjeljujemo jedan govornik po traži — puno pouzdanije od akustičke diarizacije na sličnim glasovima.
04Hoćete li smanjiti moj 96 kHz WAV?+
Prepoznavatelj radi na 16 kHz interno — to je potrop ljudske inteligibilnosti govora. Ali čuvamo vašu izvornu datoteku netaknutu i koristimo je za bilo koju após-obradu poput gating buke. Vaši izvozi referenciraj izvornu vremensku liniju.
05Je li WAV zaista precizniji od MP3-a za transkripciju?+
Malo, da — obično 1-2 točke WER-a na čistom govoru. Veća jaz se pojavljuje na sibilantima i tihim dijelovima, gdje MP3-ova psihoakustična kompresija odbacuje informacije koje bi prepoznavatelj koristio. Za arhivsku ili forenzičku analizu, WAV je pravi odabir.
06Čuvaju li se BWF metapodaci i vremenski kod?+
Čitamo BWF komade (bext, iXML) i koristimo početni vremenski kod da uskladimo transkript na vašu vremensku liniju sesije. Izvorni WAV se nikada ne mijenja — radimo na kopiji koja se briše u 24h.
07Mogu li spustiti mapu WAV datoteka iz DAW sesije izvoza?+
Da. Batch učitavanje prihvaća do 50 datoteka istovremeno. Svaki WAV dobija svoj vlastiti posao i transkript. Ako su to steme jedne sesije, možete ih i spojiti u jedan višekanalni WAV prije učitavanja i mi ćemo diarizirati po kanalu.
08Koliko dugo zapravo traje 1 sat stereo WAV?+
Učitavanje je najsporiji dio — 1 sat 48 kHz / 24-bit stereo WAV je otprilike 600 MB i traje 2-5 minuta na tipičnoj širokopojasnoj vezi. Kad je učitan, sama transkripcija traje oko 4-6 minuta na standardnom redu čekanja.

Spustite vaš WAV. Zadržite lossless kvalitetu. Pogledajte što izlazi.

30 besplatnih minuta svaki mjesec. Bez kartice. Po kanalu diarizacija, 32-bit float podržan, izvor audio brisan u 24h.

Počni besplatno