Start free

Transkrybuj długie audio.Do 10 godzin. Bez limitów.

Upuść długi plik audio — do 10 godzin, 5 GB w Business. Dzielimy równolegle, utrzymujemy spójne ID mówców od początku do końca, zwracamy jedną transkrypcję zamiast numerowanego folderu.

Wrzuć audio lub wideo

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

Nagrywaj prosto z przeglądarki

Rejestracja zajmuje 30 sekund — nagrywanie otwiera się od razu po niej, w panelu.

No card required~90s per 60-min fileSRT · VTT · DOCX · TXTPliki znikają automatycznie po 24 h

↓ Plik 5-godzinny, w trakcie transkrypcji

Godziny na wejściu. Jeden czysty plik na wyjściu.

Większość narzędzi timeout'uje przy 90-minutowej granicy lub dzieli twoje długie nagranie na numerowane części, które montują się ręcznie. Dzielimy na 12-minutowe, nakładające się okna, przetwarzamy równolegle i montujemy za globalnym przejściem diaryzacji.

Sesja strategii zarząduREC 3 mówcy · 5:14:22 · 3,1 GB
auto-detected en-GB44.1 kHz stereo · 192 kbps
~90s
Transkrypcja · jeden plik92% dokładności · t=3:14:08
S1

Jesteśmy trzy godziny w — wróćmy do punktu o łańcuchu dostaw z sesji rano.

S2

Tak, zwrot produkcji w Wietnamie. Myślę, że przelecimy nad ryzykiem czasu realizacji.

S1

Czasy realizacji wzrosły z 14 do 31 dni po zmianie taryf.

S3

I to zanim uwzględnimy zatłoczenie portów w Long Beach.

92% na całym 5-godzinnym plikuDOCX · SRT · 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

Trzy realne opcje · szczera porównanie

Otter Pro. DIY Whisper z dzieleniem. Lub my.

Konsumenckie narzędzia ograniczają długość i bez ostrzeżenia obcinają. Whisper API ma limit 25 MB na żądanie, więc sam budujesz dzielnik. Przyjmujemy cały 10-godzinny plik i zwracamy jedną transkrypcję.

Option 01

Otter Pro

Ogranicza długie pliki do 4 godzin na nagranie. ID mówców dryfują po 2 godzinach.

Maks. długość pliku4 godziny (Pro)
Maks. rozmiar pliku~1,5 GB upload
ID mówców od początku do końcaDryfuje po 2 godzinach
Wyjście dla długich plikówJeden dokument, obcięty na granicy
Koszt$16.99/użytkownik/miesiąc
Resumowalny uploadNie
Best forKrótkie spotkania do 2 godzin. Upadła na całodniowych nagraniach.
Option 02

Transcription.Solutions

10 godzin na plik. Dzielenie równoległe, globalny przeskok mówcy, jeden DOCX na wyjściu.

Maks. długość pliku10 godzin (Pro i Business)
Maks. rozmiar pliku2 GB Pro · 5 GB Business
ID mówców od początku do końcaGlobalny embedding pass
Wyjście dla długich plikówJeden plik · DOCX/SRT/TXT
Koszt · za minutę$0,03 flat niezależnie od długości
Resumowalny uploadMultipart, przetrwa przerwy
Best forCałodniowe warsztaty, przesłuchania, zebrania zarządu, historie ustne — cokolwiek poza 90-minutową ścianą.
Option 03

Whisper API + DIY dzielenie

Najtańsze za minutę. Sam budujesz dzielnik, łączenie mówców i logikę ponawiania.

Maks. długość pliku25 MB na żądanie (~25 min)
Maks. rozmiar pliku25 MB hard cap
ID mówców od początku do końcaBrak — bez diaryzacji
Wyjście dla długich plikówNumerowane części, sam łączysz
Koszt · za minutę$0,006 (OpenAI Whisper)
Czas engineeringGodziny do dni na potok
Best forInżynierowie chcący tekst na część i nie potrzebujący mówców, streszczań czy jednego wyjścia.

Ceny i limity dokładne na maj 2026. Limit długości Otter Pro ostatnio sprawdzony na ich publicznej stronie cenowej.

Specyficzne dla długich plików

Trzy sposoby, w które narzędzia generyczne pękają poza 90-minutową granicę.

Większość potoków budowana dla spotkań jednogodzinnych. Długi audio je łamie w przewidywalnych sposób — tu co robimy inaczej.

Co idzie źle

  1. 1Cichy timeout przy 90 minutach. Zadanie kręci się godzinę, potem umiera bez użytecznego błędu. Zostaje ci nic do ponowienia.
  2. 2ID mówców dryfują między fragmentami. Mówca 1 w godzinie 1 staje się Mówcą 4 w godzinie 3, bo każdy fragment diaryzuje się w izolacji.
  3. 3Wyjście to numerowany folder. `transcript_part_01.txt` przez `transcript_part_24.txt` z resetem znacznika czasu na każdej granicy fragmentu. Sami montujecie.

Co odwrócić tutaj

  1. 1Resumowalny multipart upload. Połączenie upada w godzinie 2 uploadu? Wznawia się od ostatnio ukończonej części. Bez re-uploadu 4 GB.
  2. 2Globalny embedding pass mówcy. Po diaryzacji na fragment, grupujemy głosy na całym pliku, więc Mówca 3 to ta sama osoba w minucie 12 i minucie 487.
  3. 3Jeden DOCX ze znacznikami godziny. Jeden plik, ciągłe znaczniki czasu, opcjonalny podział rozdziału co 60 minut. Bez montażu.

Zalecane ustawienia zadania dla długich plików

Upuść cokolwiek ponad 90 minut i te włączają się automatycznie. Przesłoń na zadanie z formularza.

Strategia fragmentacji
12 min okna · 10s nakrycie
Diaryzacja
Globalny przeskok na wszystkich fragmentach
Model mówcy
Long-form · 2-20 mówców
Upload
Resumowalny multipart
Kolejka
Priorytet (plan Business)
Eksport
Jeden DOCX · znaczniki godziny włączone

Accuracy · real-world numbers

92% utrzymuje się na 5-godzinnym pliku. Jakość pozostaje stała godzina za godziną.

Trudna część z długim audio to nie model — to utrzymanie dokładności od minuty 1 do minuty 600. Dryfowanie mówcy i błędy na granicach fragmentów zabijają większość potoków. Liczby poniżej mierzone na pełnodługościowych plikach klientów, nie na pierwszych 10 minutach.

95%
Studio long-form, jeden mówca

Narracja audiobooka, solo podcast, dyktowana rękopis. 6-10 godzin czystego głosu bez szumu otoczenia. Brak potrzeby diaryzacji.

92%
Sala konferencencyjna, 2-6 mówców

Stół konferencyjny, przyzwoity mikrofon, 3-5 godzin. Globalny przeskok mówcy utrzymuje ID stabilne na całym pliku.

88%
Całodniowy warsztat, mikrofony lavalier

7-9 godzin dnia szkoleniowego z całuskami mikrofonu i pytaniami publiczności. Nazwy wymagają 5-minutowego przeskoku na chipach mówcy.

82%
Okrągły stół polowy, 8+ mówców

Długa historia ustna, focus group, panel z nakładającymi się głosami i szumem otoczenia. Użyteczne, ale spodziewaj się czyszczenia.

Częste pytania

8 rzeczy, które ludzie pytają o transkrypcji długiego audio.

01Jaki jest rzeczywisty limit długości i rozmiaru pliku?+
10 godzin na plik zarówno w Pro, jak i Business. Pro ogranicza rozmiar pliku do 2 GB, Business do 5 GB. Jeśli masz coś dłuższego niż 10 godzin, podziel raz w naturalnym przerwaniu — utrzymamy ID mówców spójne, jeśli uploadziesz je z powrotem do siebie na tym samym projekcie.
02Czy dostaję jedną transkrypcję czy folder numerowanych części?+
Jeden plik. Zawsze. DOCX, SRT, TXT, lub JSON — twój wybór. Znaczniki czasu biegną ciągle od 00:00:00 do końca nagrania, nie resetują się na każdej granicy fragmentu.
03Jak długo zajmuje powrót 6-godzinnego pliku?+
Mniej więcej 18-25 minut na kolejce Pro, 8-12 na priorytecie Business. Przetwarzamy 12-minutowe fragmenty równolegle, więc czas ściennych skal sub-liniowo z długością pliku, nie minuta za minutę.
04Czy ID mówców pozostają spójne od początku do końca?+
Tak. Po diaryzacji na fragment, globalny embedding pass grupuje głosy na całym pliku. Mówca 3 w minucie 12 to ten sam Mówca 3 w minucie 487. To główna rzecz, którą DIY Whisper potoki robią źle.
05Co się stanie, jeśli mój upload upada w godzinie 3 z 4 GB pliku?+
Resumowalny multipart upload wznawia się od ostatnio ukończonej części. Nie re-uploadujesz pierwszych 3 GB. Działa na niestabilnym hotel Wi-Fi i mobilnym tetherings — testowaliśmy obie.
06Dlaczego Whisper API nie radzi sobie z długimi plikami?+
Endpoint OpenAI Whisper ma 25 MB na żądanie hard cap — mniej więcej 25 minut skompresowanego audio. Wszystko dłuższe potrzebuje fragmentacji, równolegej transkrypcji, potem łączenia transkrypcji i wyrównania mówców samemu. My to robimy server-side.
07Czy cena za minutę jest taka sama na 10-godzinnym pliku co na 10-minutowym?+
Tak. $0,03 za minutę flat, niezależnie od długości. 10-godzinny plik kosztuje $18. Nie doliczamy długich plików tak jak Rev ($1.50/min human × 10 godzin = $900).
08Czy mogę mieć znaczniki rozdziału lub znaczniki czasu co godzinę?+
Włącz 'Hour markers' na formularzu zadania i DOCX exportuje z przerwą nagłówka co 60 minut. SRT utrzymuje ciągły timecode. JSON ma oba — tablica rozdziału plus znaczniki czasu na poziomie słowa.

Upuść swój długi plik. Dostajesz jedną transkrypcję z powrotem.

30 darmowych minut co miesiąc. Bez karty. Pliki do 10 godzin, etykiety mówców, które pozostają spójne, eksport jednego pliku.

Zacznij gratis