Start free

Írd át az MP4 videót szövegre.Hang automatikusan kinyerve.

Dobd fel az MP4 fájlt úgy, ahogy van — szerver oldalon kinyerjük az audiónyomot, visszaadunk egy időbélyegzett átírást, és szállítunk egy SRT-t, amely egyenesen vissza illeszthető YouTube-ba, Vimeo-ba vagy az NLE-ba.

Húzd ide az audiót vagy videót

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

Felvétel egyenesen a böngészőből

30 másodperc a regisztráció — utána rögtön a vezérlőpulton indulhat a felvétel.

No card required~90s per 60-min fileSRT · VTT · DOCX · TXTA fájlok 24 órán belül törlődnek

↓ Nézd meg, mi jön ki

MP4 be. Átírás + SRT ki.

Az MP4 egy tárolóformátum — közvetlenül olvassuk az audióstreamet, soha nem kódoljuk újra a videót. Az időbélyegzések keretpontosan maradnak az eredeti idővonalhoz, így az SRT az első importáláskor beáll.

training-module-04.mp4REC 1080p · 22:14 · 412 MB
auto-detected en-USAAC 48 kHz stereo · 192 kbps
~90s
Átírás · streamelés95% pontosság
S1

Rendben, ebben a modulban az átmeneti munkafolyamatot járjuk végig teljes körűen.

S2

Gyors kérdés, mielőtt elkezdünk — ez a részleges visszatérítésekre is vonatkozik?

S1

Jó megfigyelés. A részleges visszatérítésekben ugyanaz a képernyő, de más indokkód szerepel.

S2

Értem. A jóváhagyási küszöb még mindig kétszáz dollár?

95% tiszta dialógusonSRT · VTT · 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

Három valós lehetőség · becsületes összehasonlítás

DIY az ffmpeg segítségével. Egy videószerkesztő. Vagy mi.

Saját magad kinyerheted az audiót és futtathatod a Whisper-t. Behuzhod az MP4-et a Descript-ba vagy VEED-be és ott szerkeszthetsz. Vagy ide betöltöd a fájlt, és visszakapod az átírást és az SRT-t, szerkesztőhöz kötés nélkül.

Option 01

ffmpeg + Whisper

Ingyenes, helyi, macerás. Te vagy a tulajdonosa az egész feldolgozásnak és minden hibájának.

SzükségesCLI + 10 GB model + GPU
Beszélő diarizációKülön eszköz (pyannote)
SRT kimenetIgen, manuális jelzéssel
Idő 1 óra hosszú MP4-hez20–90 perc CPU-n
Többsávos audióTe választasz streamet
Költség$0 + a hardvered
Best forFejlesztők, akik már helyileg futtatnak Whisper-t és nem gondnak a diarizáció csatolására.
Option 02

Transcription.Solutions

Dobd fel az MP4-et. Hang-kinyerés, diarizáció, SRT, összegzés — egy lépésben.

SzükségesBöngésző, ennyi
Beszélő diarizációBeépítve, minden feladatnál
SRT kimenetKeretpontosan igazítva a forráshoz
Idő 1 óra hosszú MP4-hez~4 perc, streamelve
Többsávos audióFelsoroljuk az összes streamet
Költség · percenként$0.03
Best forBárki, akinek MP4-je van és szeretne szöveget és SRT-t videószerkesztő vagy CLI tanulása nélkül.
Option 03

Descript / VEED

Töltsd be az MP4-et a szerkesztőbe. Az átírás megjelenik az idővonalas felületen.

SzükségesFiók + szerkesztő tanulási görbe
Beszélő diarizációIgen, EN-hangolva
SRT kimenetExportálás a terv alapján
Feltöltési korlát5 GB (Descript ingyenes)
Többsávos audióCsak az első sáv
Költség$12–24/felhasználó/hó
Best forSzerkesztők, akik a videót és az átírást ugyanabban az eszközben szeretnék vagdosni.

Az árak és funkciók közelítőlegesek, 2026 szerinti. A Descript és VEED szint nevek gyakran változnak — nézd meg az aktuális korlátokért az ő oldalukat.

Specifikus az MP4-hez

Három probléma az általános átírási eszközökkel.

Az MP4 egy tárolóformátum, nem kodek — és a legtöbb átírási eszköz egy nagy audióblobként kezelik. Innen származnak a bukások.

Mi megy félre

  1. 1Többsávos MP4 puskamikrofon- és nakkamikrofon-hangokkal. Az általános eszközök az 1. sávot veszik és a többit ignorálják, így elveszítesz a tisztább mikrofonnal felvett hanggal. Gyakori az FCP és Premiere exportnál.
  2. 2Háttérzene a vlogban és hirdetésben szóhallucinációt okoz. Az felismerő a zenei háttér énekét próbálja szövegre írni.
  3. 3Az SRT időbélyegzések eltolódnak, amikor az eszköz újrakódolja a videót bemenetkor. A 40. perc után a feliratok egy másodperccel maradnak.

Mit állíts be itt

  1. 1Feltöltés — alaposan megvizsgálunk minden audióstreamet és hagyjuk, hogy te választhass, melyik kerüljön átírásra. Az alapértelmezés a legmagasabb bitrátájú sáv.
  2. 2Kapcsold be a Zenefojtást a feladat űrlapján. Az felismerőt beszéd VAD-ra szűrjük, így az instrumentális szakaszok üresek maradnak.
  3. 3Soha nem kódolunk újra videót. Az audió natív mintavételezési sebességnél nyer ki, az időbélyegzések a tárolóhoz szerkesztési listájára hivatkoznak — az SRT keretpontosan illeszkedik.

Ajánlott feladat-beállítások MP4-hez

Dobd fel az MP4-et és ezek alapértelmezésben bekapcsolódnak. Felülbírálás feladatonként az űrlapról.

Hang-kinyerés
Natív mintavételezési ráta, nincs újrakódolás
Sáv kiválasztása
Legmagasabb bitrátájú stream
Diarizáció
Akusztikus · 1-6 beszélő
Zenefojtás
Bekapcsolt vlog/hirdetés előbeállításokhoz
SRT formátum
≤42 karakter/sor, 2 sor max
Exportálás
SRT · VTT · DOCX · időbélyegzett TXT

Accuracy · real-world numbers

95% tiszta forgatáson. Valós számok, amikor az audió ellenszegül.

Az MP4 pontossága a mikrofontól függ, nem a kodektől. Egy jól elhelyezett mikrofon egy csendes forgatási helyen mindig felülmúlja a 4K kamerát beépített hanggal. Az alábbi adatok valódi ügyfél MP4-eken alapulnak, az audió rögzítés minőségi szintje szerint szortírozva.

96%+
Studióban forgatott felvétel, nyak- vagy puskamikrofon

Nykamikrofon vagy puskamikrofon rögzítőbe, 48 kHz AAC 192+ kbps-nél, akusztikusan kezelt helység. Az ideális eset. Beszélőcímkézés pontosan működik kétperszonos forgatáson.

93%
DSLR kamera-tetőpuskamikrofonnal

Kamera tetejére szerelt mikrofon 2-4 méter távolságra a beszélőtől. Némi szobazaj, de a beszéd érthető. A legtöbb YouTube-teremtő felvétele ide esik.

89%
Képernyőrögzítés USB mikrofon mellett

OBS, Loom, Camtasia exportok. A mikrofon közel van, de a szoba feldolgozatlan, gyakran rendszerhanggal keveredve. Teljesen jó oktatóanyag-átíratáshoz.

84%
Telefonnal forgatott vlog, beépített mikrofon

Telefon beépített mikrofonja, szél- vagy kezelési zaj, távolság változó felvételről felvételre. Szavak használhatók, számítsd 1-2 javítást percenként a saját nevekhez.

Gyakori kérdések

8 dolog amit gyakran kérdeznek. az MP4 átírásról,

01Újrakódolod a videómat?+
Nem. Csak az audióstreamet olvassuk ki az MP4 tárolóból. A videóstreamet soha nem érgetjük meg, nem kódoljuk újra, és a feladat végén nem tároljuk — az eredeti fájlod érintetlen marad.
02Mely kodekok támogatottak az MP4-en belül?+
A standard H.264 + AAC az egyszerű eset. Kezelünk HEVC/H.265, ProRes-in-MP4, valamint MP3, Opus, ALAC vagy PCM hangot is. Ha az ffmpeg meg tudja nyitni, mi meg tudjuk átírni.
03Mi a fájl méret korlátja?+
10 GB feltöltésenként a web feltöltőn, 50 GB az API-n keresztül újraindítható darabokkal. Az átlagos 1 óra hosszú 1080p MP4 1-3 GB, így a legtöbb fájl elfér a web útvonalon anélkül, hogy gondolkodnál rajta.
04Az SRT igazodik az eredeti videómhoz?+
Igen — az időbélyegzések az MP4 szerkesztési listájára és natív mintavételezési sebességére hivatkoznak. Nem kódolunk újra, így nincs eltolódás. Dobd az SRT-t az MP4 mellé bármilyen lejátszóban vagy NLE-ben, és a feliratok az első betöltéskor szinkronizálnak.
05Beégethetjem a feliratokat a videóba?+
Nem mi oldalunkon — mi az SRT-t outputoljuk és a beégetést az szerkesztődre bízza. Az ffmpeg one-liner, HandBrake, Premiere, DaVinci, Kapwing mind elfogadja az SRT-t, amit készítünk. Nem szeretnénk az kódoló eszköz is lenni.
06Mi a helyzet az MOV, MKV, M4V, WebM formátumokkal?+
Mind támogatott az ugyanazon feldolgozási pályán. Az MOV különösen — az MPEG-4 család tagja, azonos kinyerési útvonal. A többsávos hangú MKV ugyanazt az audió-sáv választó felületet kapja, mint a többsávos MP4.
07Egyszerűen küldhetem a YouTube vagy Vimeo URL-t?+
Igen, a YouTube esetén — illeszd be a nyilvános URL-t a feltöltés képernyőre, és mi közvetlenül lekérjük az audiót, nincs szükség az MP4 letöltésére. A Vimeo közvetlen fájlt vagy aláírt letöltési linket igényel, mivel a lejátszójuk korlátozza a stream-hozzáférést.
08Mi van, ha nincs beszélgetés, csak zene vagy B-roll?+
A VAD-hangváltozási detektor a csendes és csak zenéből álló szakaszokat felismeri és kihagyja, így nem fizetsz az ambiens felvételekért. Az átírás ezeket a tartományokat `[music]` vagy `[no speech]` jelöli, ahelyett hogy szavakat találna fel.

Dobd fel az MP4-et. Visszakapod az átírást és az SRT-t.

Havi 30 ingyenes perc. Nincs kártyaszükséglet. Hang szerver oldalon kinyerve, beszélőcímkék, keretpont-pontos SRT — mindenfel benne van.

Ingyenes kezdés