Start free

Transcribe MP3 a tèks.Etikèt ale, 100+ lang.

Jete yon fichye MP3 nan nenpòt bitrate soti 64 a 320 kbps. Jwenn yon transskripsyon avèk tandap ak etikèt ale nan 99 lang — pa gen konvèsyon fòma, pa gen re-encoding, pa gen atand nan fil.

Mete odyo oswa videyo ou a

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

Anrejistre dirèkteman nan navigatè w

Enskripsyon pran 30 segonn — anrejistreman ouvri tousuit apre, nan dashboard la.

No card required~90s per 60-min fileSRT · VTT · DOCX · TXTFichye yo efase otomatik nan 24è

↓ Gade ki soti

MP3 antre. Transskripsyon diarize soti.

Nou li header frame MP3 yo dirèkteman — VBR, CBR, joint-stereo, nenpòt encoder (LAME, Fraunhofer, FFmpeg). Si fichye a se vre stereo avèk moun ki pale sou chanel separe, nou itilize sa pou divize vwa. Mono mix-down tonbe tounen nan diarization akoustik.

interview-tape-04.mp3REC 192 kbps · stereo · 38:42
en-GB detekte otomatikman44.1 kHz · LAME 3.100
~90s
Transskripsyon · streaming95% presizyon
S1

Alò, kilè ou te konprann achiv lan te enkonplè?

S2

Pwobableman alantou 2019, lè nou te kòmanse dijitalize rèl-a-rèl yo.

S1

Ak kasèt yo ki manke — eske yo te kataloge nenpòt kote?

S2

Gen yon endèks papye soti nan '78, men mwatye l endomaje dlo.

95% sou 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

Twa opsyon rèy · konparison onèt

Whisper gratis lokalman. Otter oswa Sonix. Oswa nou.

Ou ka kouri Whisper sou pwòp laptop ou pou gratis si ou teknik. Otter ak Sonix aksepte MP3 upload nan dachbò abònman. Nou pran fichye a, retounen transskripsyon, epi nou pa fè ou viv andedan yon UI.

Option 01

Whisper lokalman / ouvri sous

Gratis si ou gen yon GPU ak yon apremidi. Pa gen diarization moun ki pale nan bwat.

KonfigirasyonPython + CUDA + 10 GB modèl
Diarization moun ki palePa enkliy (pyannote add-on)
Vitès · 1 herez MP35–40 minit sou GPU konsomasyon
Lang99, men ti modèl tonbe anba 80%
EkspoTXT / SRT / VTT / JSON
FrèGratis + elektrisite ou
Best forEnjenyez ki deja gen yon GPU, pa bezwen etikèt moun ki pale, epi vle pwivesite lokal konplè.
Option 02

Transcription.Solutions

Jete MP3 la. Jwenn tèks avèk etiket moun ki pale tounen nan tan rèy × 0.025.

KonfigirasyonTrennen-ak-depòt, pa bezwen kont pou eseye
Diarization moun ki paleBati a (plan Pro & Business)
Vitès · 1 herez MP3~90 segond
Lang99, detekte otomatikman
EkspoSRT · VTT · DOCX · TXT · JSON
Frè · pou minit$0.03
Best forNenpòt moun avèk yon MP3 — kasèt jounalis, ekspo podcast, memo vwa, dib achiv — ki vle tèks egzak deyò otèlot.
Option 03

Otter / Sonix

Dachbò poliye, limit minit chak mwa, Anglè-kontre. Fichye upload sanble tankou yon caracktèristik bòkote.

KonfigirasyonKont + plan peye
Diarization moun ki paleAkoustik, AN-panche
Vitès · 1 herez MP35–10 minit nan fil
LangOtter AN-sèl; Sonix ~40
EkspoFèmen dèyè et peye
Frè$17+/mwa oswa $10+/herez (Sonix)
Best forEkip ki vle yon editè transskripsyon ak UI kolaborasyon plis pase yon koule API fichye→tèks.

Prix ak dipu caracktèristik egza nan Me 2026. Pèfomans Whisper varye daprè gwosè modèl ak materyèl.

Spesifik a MP3

Twa bagay ki pike moun sou zouti transcription jenerik.

MP3 se yon fòma, pa yon stil enjistreman — sa vle di echrèk yo vini soti nan encoder, pa soti nan diskou.

Ki rive mal

  1. 1VBR header yo mal-parse. Kèk zouti li MP3 varyab-bitrate kòm fikse ak mal-kalkile dire — tandap yo flete pa minit sou yon fichye yon herez.
  2. 2Joint-stereo tonbe a mono pandan prelap upload. Ou pèdi separasyon chanel moun ki pale ki te rèy nan fichye.
  3. 3ID3 emanje albim trip kèk uplodè — yo rejte fichye kòm 'pa odyò pi' oswa strepe l ak re-encode, tonbe kalite anba.

Ki nou fè atan

  1. 1Nou itilize Xing/LAME header lè patran ak frame-kantaj tonbe-atèn lè non. VBR tandap rete egzak a ±0.1 s atravè fichye muli-herez.
  2. 2Joint-stereo ak vre-stereo MP3 dekode a L/R PCM anvan diarization. Si moun ki pale ou te pannen, nou kenbe yo divize.
  3. 3ID3v1, ID3v2, APE tag, emanje enbed — tout pase atravè san chanjman. Nou pa janm re-encode MP3 ou.

Anviwònman travay rekòmande pou MP3 upload

Dèfo ki ka genyen ~80% fichye MP3. Ede pou travay soti nan fòm.

Dekodè
Frame-egza, pa re-encode
Diarization
Chanel divize si stereo, otreman akoustik
Modèl moun ki pale
Otomatik · 1-12 moun ki pale
Lang
Otomatik-detekte soti premye 30 s
Mo ranpli
Retire (baskile pou kenbe)
Pake ekspo
DOCX + SRT + tandap TXT

Accuracy · real-world numbers

95%+ sou 192 kbps stereo. Itilizab desann a 64 kbps mono.

Presizyon MP3 limite pa sa encoder la te konsève, pa pa nou. Konpresyon pèsepsyon pi wo pase ~96 kbps konsève enteligibilite diskou trè byen; anba 64 kbps, sibilant ak konsonan yo kòmanse dirèzoud. Nimewo anba vini soti nan rèy kliyan MP3 nan prodyksyon.

96%
320 kbps stereo, sous estidyo

Preske-san-pèt pou diskou. Mest podcast, dikte app ekspo, rèl entèvyou pwofesyonèl. Diarization pwòp si moun ki pale sou chanel separe.

95%
192 kbps stereo, 2-3 moun ki pale

Bitrate ki pi komen pou MP3 pale diskou. Zoom ekspo, telecharjman Riverside, vwa enjistrè dèfo. Artefak konpresyon enodib a rekonèt.

91%
128 kbps mono, konvèsasyon

Memo vwa dèfo sou pi fò telefòn. Diarization akoustik jere 2-4 moun ki pale. Nimewo ak non pwòp wè de tan.

84%
64 kbps mono, achiv / telefòn-jete

Ansyen rip respond-mashin, achiv klas, sous fou-ban. Konsonan-frekans-wo (f/s/sh) embrouille. Toujou lizib — prepare yon revizyon.

Kesyon komen

8 bagay moun mande sou transcription MP3.

01Ki bitrate MP3 minimim ki fè yon transskripsyon itilizab?+
64 kbps se etaj praktik. Anba sa, sibilant (s, sh, f) konprese a bri epi mo erè pousantaj grimpe pase 20%. Si ou enjistrè fre, vize 128 kbps mono oswa 192 kbps stereo — nenpòt ki pi wo se dlo dwòl pou diskou.
02Eske mwen gen bezwen konvèti MP3 mwen a WAV anvan?+
Non. Re-encode MP3 → WAV ajoute zewo presizyon paske done encoder la rejte yo ale pou bon. Upload MP3 la dirèkteman. Nou dekode frame nan memwa epi nourish PCM a rekonnitè.
03Eske stereo MP3 ba mwen etikèt moun ki pale pi bon pase mono?+
Sèlman si moun ki pale te rèy enjistrè sou chanel separe — pi fò stereo MP3 gen menm odyo soti de kote ('mono doub') epi jwenn anyen. Vre divize-chanel (egzanp ekspo Riverside, deu-mik fil règ) pèmèt nou sote diarization akoustik ak etikèt moun ki pale pre-parfe.
04Ki gwosè maksimim fichye MP3 ou aksepte?+
5 GB pou upload, ki se gwosè alantou 60 herez nan 192 kbps oswa 90 herez nan 128 kbps. Si fichye ou pi gwo, nou pral montre yon upload moso — pa gen bezwen divize l tèt ou.
05Konben tan yon 60-minit MP3 pran pou transcribe?+
Tipikman 90 segond soti konplè upload a redi-transskripsyon, kèlkeswa bitrate. Dekode frame MP3 vit; tan se nan rekonnitè. Diarization ajoute 5-10 segond sou fichye multip-moun ki pale.
06MP3 mwen gen mizik dèyè — eske transskripsyon va destriye?+
Mizik lit anba diskou dwèt. Mizik fò ki konpete avèk vwa (intro sting, eskorasyon anba entèvyou) de tan deklanche mirekonesans sou silab ki sipèpoze. Baskile sipresyon mizik sou fòm travay pou pre-filtre.
07Eske ou ka jere MP3 rive soti telefòn vouemel oswa respond mashin?+
Wi, men sa yo souvan 8 kHz fou-ban re-encode kòm MP3 — plafon kalite odyo limite pa kapti PSTN orijinal, pa enrobè MP3. Espere 78-85% presizyon sou kalite sous sa, ki menm nou ta jwenn sou apèl andedan.
08Eske ou kenbe MP3 mwen apre transskripsyon fini?+
Fichye delete apre 30 jou pa dèfo, oswa imedyaman sou demann atravè dachbò. Transskripsyon an rete nan kont ou jouk ou delete l. Nou pa itilize odyo kliyan pou antrenmen modèl — janm.

Jete MP3 ou. Jwenn tèks tounen nan 90 segond.

30 minit gratis chak mwa. Pa gen kart obligatwa. Etikèt moun ki pale, 99 lang, chak fòma ekspo enkliy.

Kòmanse gratis