Start free

Speaker labels सहित WAV फाइलहरू ट्रान्सक्राइब गर्नुहोस्।Lossless गुणस्तर।

आफ्नो WAV रेकर्डिङ field rig, DAW bounce, वा interview kit बाट सीधै फाल्नुहोस्। हामी 24-bit headroom सुरक्षित राख्छौं, raw PCM मा diarization चलाउँछौं, र timestamped ट्रान्सक्रिप्ट SRT सहित मिनिटमा फर्काइ दिन्छौं।

तपाईंको अडियो वा भिडियो छोड्नुहोस्

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

ब्राउजरबाटै सीधै रेकर्ड गर्नुहोस्

साइन-अप ३० सेकेन्डमै — त्यसपछि सीधै dashboard मा रेकर्डिङ खुल्छ।

No card required~90s per 60-min fileSRT · VTT · DOCX · TXTफाइल २४ घण्टामा अटो-डिलिट

↓ के निकलिन्छ हेर्नुहोस्

Raw PCM अन्दर। स्वच्छ ट्रान्सक्रिप्ट बाहिर।

Lossless WAV मतलब हरेक sibilant, plosive, र शान्त शब्द बिस्तारै कसैले हराउँदैन — MP3 consonants मा कुनै smear छैन। यदि फाइल multi-track छ (खोली speaker प्रति channel), हामी acoustic diarization पूर्णतः स्किप गर्छौं र channel layout मा विभाजन गर्छौं।

WAV · 48 kHz / 24-bitREC 2 tracks · 1h 12m · 743 MB
auto-detected en-GBstereo PCM · uncompressed
~90s
Transcript · streaming97% सटीकता
S1

मलाई त्यो सातहत्तरको बिहान फिर्ता लिएर जानुहोस् — कल कति बजे आयो?

S2

पाँच बजेको पश्चात्, मोटामोटी। केतली अन पर थिएको, त्यो मलाई याद छ।

S1

र त्यहाँबाट तपाइं सीधै बन्दरगाहमा गएर हिँडनुभयो?

S2

Boatyard सीधै। बत्तीहरू अझै जलिरहेको थिए जब मैले भित्र पसें।

97% per-track WAV माSRT · 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

तीन वास्तविक विकल्प · इमानदार तुलना

Adobe Audition। Descript। वा हामी।

Audition को Speech to Text Creative Cloud सँग bundled छ र timeline भित्र रहन्छ। Descript आफ्नो editor मा WAV import गर्छ। हामी फाइल जस्तै छ लिन्छौं, मानक exports फर्काउँछौं, र तपाइंलाई आफ्नो project कुनै कहिले सार्न सोध्दैनौं।

Option 01

Adobe Audition / Premiere

Transcript panel Adobe timeline भित्र। Creative Cloud र project file मा बद्ध।

आवश्यकCreative Cloud subscription
Speaker diarizationYes, mixed-down मात्र
Multi-track WAVSTT अघि समतल गरिएको
ExportSRT · CSV · XML
भाषाहरू18, manual select
लागत~$23/mo (single app)
Best forPremiere वा Audition मा पहिले देखि काट्ने संपादकहरूको लागि जो timeline मा captions सिलाई गर्न चाहन्छन्।
Option 02

Transcription.Solutions

WAV फाल्नुहोस्। Per-channel diarization यदि multi-track छ भने। Source 24h मा हटाइ दिन्छौं।

आवश्यककेही छैन — सिर्फ फाइल
Speaker diarizationPer-track वा acoustic
Multi-track WAV16 channels सम्म
ExportSRT · VTT · DOCX · TXT · JSON
भाषाहरू99, auto-detected
लागत · प्रति मिनिट$0.03
Best forकोही पनि जो raw WAV राख्छन् — field recordists, podcasters DAW बाट bounce गर्ने, oral history archivists, अनुसन्धानकर्ताहरू।
Option 03

Descript

आफ्नो WAV Descript को editor मा import गर्छ। शक्तिशाली, तर तपाइं यो भित्र काम गर्नु पर्छ।

आवश्यकDescript account + import
Speaker diarizationAcoustic, EN-tuned
Multi-track WAVअलग clips को रूपमा import
ExportTXT · SRT · DOCX
भाषाहरू23, सटीकता भिन्न हुन्छ
लागत$16–24/user/mo
Best forPodcast संपादकहरूको लागि जो अडियो edit गर्न चाहन्छन् transcript edit गरेर — Descript को वास्तविक superpower।

मूल्य निर्धारण 2026 को समय अनुसार सटीक। Adobe र Descript feature flags बारम्बार परिवर्तन हुन्छन्; commit गर्नु अघि वर्तमान docs जाँच गर्नुहोस्।

WAV को लागि विशेष

तीन कुरा जो मानिसहरूलाई काट्छन्। Generic ट्रान्सक्रिप्शन उपकरणहरूमा

अधिकांश uploaders quietly आपको WAV recognizer मा पठाउनु अघि downsample गर्छन्। हामी गर्दैनौं।

के गलत हुन्छ

  1. 1Multi-track WAV समतल गरिन्छ। Sound Devices MixPre बाट 4-channel field recording STT अघि mono मा mixed हुन्छ। Per-mic separation तपाइंले भुक्तानी गरेको छ हराइ जान्छ।
  2. 232-bit float WAVs Zoom F-series वा MixPre बाट पूर्णतः अस्वीकार गरिन्छ, वा 16-bit मा clip गरिन्छ र आफ्नो headroom recovery हराउँछ।
  3. 396 kHz / 24-bit interviews अपलोड गर्न सधैं सम्म लाग्छ किनभने tool ब्राउजरमा MP3 मा re-encode गर्छ पठाउनु अघि।

यहाँ के फ्लिप गर्नुहोस्

  1. 1Multi-track WAV जस्तै अपलोड गर्नुहोस् (16 channels सम्म)। हामी WAV header बाट channel layout पढ्छौं र एक speaker प्रति track assign गर्छौं — कुनै acoustic guess गर्न सक्दैन।
  2. 232-bit float स्वाभाविक रूपमा स्वीकार छ। हामी float headroom संरक्षण गर्छौं recognizer को लागि normalize गर्दा, त्यसैले 0 dBFS भन्दा माथि peaks clip हुँदैनन्।
  3. 3Direct binary upload, ब्राउजरमा कुनै transcode छैन। 2 GB WAV आफ्नो पूर्ण bandwidth मा moves र अन्तिम byte land गर्ने क्षण प्रक्रिया सुरु हुन्छ।

WAV को लागि सुझाइ दिएको job settings

WAV फाल्नुहोस् र यहाँ default मा फ्लिप हुन्छ। Form बाट per-job override गर्नुहोस्।

Sample rate
Native (कुनै downsample छैन)
Bit depth
24-bit / 32-float संरक्षित
Diarization
Per-channel यदि multi-track छ भने
Speaker model
Interview · 2-8 speakers
Filler words
राख्छ (आवश्यक भए toggle off गर्नुहोस्)
Export
DOCX · SRT · timestamped TXT

Accuracy · real-world numbers

97%+ per-track WAV मा। WAV ले recognizer लाई सबैभन्दा स्वच्छ सम्भावित सिग्नल दिन्छ।

किनभने WAV ले raw PCM को साथ कुनै perceptual compression बिना संग्रह गर्छ, consonants र sibilants MP3 ले गरेको तरीकाल��� smear हुँदैनन्। Recognizer लाई अडियो सुन्न सुक्क्छ। तलको संख्याहरू उत्पादन मा वास्तविक ग्राहक WAV jobs बाट आउँछन्।

98%
Studio WAV · एकल speaker

48 kHz / 24-bit, large-diaphragm condenser, treated room। Narration, audiobook, voice-over bookings यहाँ आउँछन्।

96%
Multi-track interview WAV

एक channel प्रति speaker (lavs वा boundary mics)। Diarization सिर्फ channel routing छ — text-only error।

92%
Handheld field recorder

Zoom H5, Tascam DR-40, समान। Stereo XY pickup, 2-3 speakers, केही room reflection। अधिकांश podcast WAVs यहाँ आउँछन्।

85%
Noisy environment field WAV

बाहिर, café, vehicle। Lossless capture मदद गर्छ — noise वास्तविक छ, codec artefact छैन — तर सटीकता अझै पनि overlapping speech मा घट्छ।

सामान्य प्रश्नहरू

8 कुरा जो मानिसहरू सोध्छन्। WAV ट्रान्सक्रिप्शन सम्बन्धी

01अधिकतम WAV फाइल साइज के हो?+
मानक योजना मा प्रति फाइल 5 GB, जो लगभग 8 घण्टा stereo 48 kHz / 24-bit, वा 96 kHz / 24-bit को 2.5 घण्टा हो। अझ ठुलो फाइलहरू team plan मा ठीक छन् — सिर्फ अपलोड गर्नु अघि हामीलाई सम्पर्क गर्नुहोस्।
02के तपाइं Zoom F-series वा MixPre बाट 32-bit float WAV समर्थन गर्नुहुन्छ?+
हो, स्वाभाविक रूपमा। हामी 0 dBFS मा clip बिना float samples पढ्छौं, त्यसैले तेज transients तपाइंले post मा तल तान्ने योजना गरेको सुरक्षित ट्रान्सक्राइब हुन्छ। अधिकांश generic uploaders साक्षरता 16-बिटमा down-cast पहिले।
03मेरो field recorder बाट 4-channel WAV छ — एक mic प्रति व्यक्ति। के diarization यो प्रयोग गर्नेछ?+
यो गर्नेछ। Polyphonic WAV सीधै अपलोड गर्नुहोस् (पहिले stereo मा bounce गर्नुहोस् नगर्नुहोस्)। हामी WAV header बाट channel layout analyze गर्छौं र एक speaker प्रति track assign गर्छौं — समान आवाजहरूमा acoustic diarization भन्दा अझ विश्वस्त।
04के तपाइं मेरो 96 kHz WAV downsample गर्नुहुन्छ?+
Recognizer 16 kHz मा अन्दर दौड़ता छ — यो मानव भाषण intelligibility को ceil हो। तर हामी आपको original फाइल अछ राख्छौं र noise gating जस्तै post-processing को लागि यो प्रयोग गर्छौं। आपको exports original timeline सन्दर्भ गर्छन्।
05के WAV MP3 भन्दा ट्रान्सक्रिप्शनको लागि साँच्चै अझ सटीक छ?+
सीमान्त, हो — सामान्यतः clean speech मा WER को 1-2 बिन्दु। ठुलो gap sibilants र शान्त passages मा यो देखा पर्छ, जहाँ MP3 को psychoacoustic compression recognizer प्रयोग गरेको जानकारी discard गर्छ। Archival वा forensic काम को लागि, WAV सही call छ।
06के BWF metadata र timecode संरक्षित छन्?+
हामी BWF chunks (bext, iXML) पढ्छौं र start timecode प्रयोग गर्छौं ट्रान्सक्रिप्ट आफ्नो session timeline मा संरेखित गर्न। Original WAV कहिले पनि संशोधित हुँदैन — हामी एक copy मा काम गर्छौं जो 24h मा हटाइ दिन्छ।
07के मैले DAW session export बाट WAV फाइलहरूको फोल्डर फ्याल्न सक्छु?+
हो। Batch upload एक स���थ 50 फाइल सम्म स्वीकार गर्छ। हरेक WAV लाई आफ्नो job र ट्रान्सक्रिप्ट पर्छ। यदि तिनीहरू एक session को stems छन् भने, तपाइं अनलोड अघि एकल multi-track WAV मा merge गर्न सक्छ र हामी per channel diarize गर्नेछौं।
081 घण्टा stereo WAV साँच्चै कति समय लाग्छ?+
अपलोड सबैभन्दा ढिलो भाग छ — 1 घण्टा 48 kHz / 24-bit stereo WAV लगभग 600 MB छ र typical broadband मा 2-5 मिनिट लाग्छ। अपलोड गरिसकेर, ट्रान्सक्रिप्शन आफै मानक queue मा लगभग 4-6 मिनिटमा चल्छ।

आफ्नो WAV फाल्नुहोस्। Lossless गुणस्तर राख्नुहोस्। के बाहिर आउँछ हेर्नुहोस्।

महिनामा 30 निशुल्क मिनिट। कोई कार्ड छैन। Per-track diarization, 32-bit float समर्थित, source अडियो 24h मा हटाइ दिन्छौं।

निशुल्क सुरु गर्नुहोस्