Start free

Nota de voz para texto.iPhone, Android, qualquer aplicativo.

O gravador do seu telefone salva notas como M4A, MP3 ou WAV dependendo do dispositivo. Compartilhe o arquivo em uma aba do navegador, solte-o e obtenha uma transcrição com carimbo de tempo em cerca de 90 segundos.

Drop a file, or pick one

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

Record straight from your browser

Sign up takes 30 seconds — recording opens right after, in the dashboard.

No card required~90s per 60-min fileSRT · VTT · DOCX · TXTFiles auto-deleted in 24h

↓ Watch what happens

Audio in. Transcript out.

Drop a file, paste a URL, or record live — text appears back with speaker labels and timestamps. Same pipeline whether the source is a file, a URL, or your microphone.

Microphone · liveREC 00:07.41
en-US auto-detected16 kHz mono
~90s
Transcript · streaming2 speakers · 47:08
S1

Thanks for making the time. I want to start with framing — what was the original hypothesis behind the project?

S2

Honestly, maybe forty percent. The shape held — the mechanics underneath had to be rebuilt almost entirely.

S1

What flipped it for you? Was there one customer call, one piece of data

~95% accuracy on clean audioSRT · 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

Three real options · honest comparison

Built-in dictation, AI speech-to-text, or a human transcriber.

Three legitimate ways to get text from spoken audio in 2026. Each is best for different work. Honest numbers below — no claim that AI matches a professional human transcriber on hard audio.

Option 01

Built-in dictation

Live, free, on-device. Handy for short bursts while you talk.

Accuracy · clear English~85%
Speaker separationNo
TimestampsNo
Languages~30
60-min fileLive only
CostFree
Best forShort voice notes while you walk. Hands-free messaging. Dictating an email at a stoplight.
Option 02

AI speech-to-text

~30× faster than realtime. 100+ languages. Speaker labels. The sweet spot for most work.

Accuracy · clear English95%+
Speaker separationYes (Pro+)
TimestampsPer sentence
Languages100+ auto
60-min file~90 s
Cost · per min$0.03
Best forInterview recordings · meeting notes · podcast transcripts · YouTube subtitles · batch jobs · API automation · field journalism.
Option 03

Human transcriber

Gold-standard accuracy when the audio is hard or the stakes are legal.

Accuracy · clear English98–99%
Speaker separationManual
TimestampsPer turn
LanguagesPer transcriber
60-min file4–8 hours
Cost · per min$1–3
Best forLegal depositions · medical dictation · archival oral history · anything where 95%+ accuracy is non-negotiable.

Built-in dictation figures from public iOS / Android speech API benchmarks. Human transcriber rates from US/UK industry surveys 2024–2025.

Accuracy · real-world numbers

95%+ on clear English. It holds up on real-world recordings too.

Modern transcription reaches 95%+ word accuracy on clear English at 128 kbps and above, comparable to a human transcriber on the same recording. The audio coming in sets the ceiling — cleaner source, cleaner transcript. The breakdown below covers the recordings we actually see in production.

97%+
Clean studio audio

USB or studio microphone in a treated room. Single speaker at conversational distance. The headline number.

95%+
Clear English at 128 kbps+

Podcast masters, interview recordings, well-mic'd meetings. The sweet spot for most professional work.

93%
Real-world podcast

Field-recorded interviews, podcast episodes at 64–128 kbps, multi-speaker recordings. Usable for editorial without a review pass.

91%
Meeting room recording

Ceiling mic, omnidirectional capture, mild reverb, multiple speakers at distance. Plan a rename pass on the speaker chips.

Common questions

7 things people ask about this.

01Qual formato de arquivo o gravador do meu telefone salva?+
iPhone Voice Memos: M4A (AAC). Android (Google Pixel, Samsung): geralmente M4A ou AAC, às vezes MP3. Windows Voice Recorder / Sound Recorder: M4A. Mac Voice Memos: M4A. Todos esses são enviados diretamente sem conversão.
02Como faço para levar a nota de voz do meu telefone para um navegador?+
iPhone: abra o Voice Memos, toque na gravação, toque em Compartilhar e AirDrop para Mac ou salve em Arquivos do iCloud. Android: toque em Compartilhar ou Exportar no aplicativo gravador e envie por e-mail ou armazenamento em nuvem. Mac/Windows: o arquivo está em uma pasta conhecida — arraste de lá.
03Qual é a duração máxima da nota de voz?+
30 minutos no plano Gratuito. Até 10 horas por arquivo nos planos Pro e Business. A maioria das notas de voz de telefone tem menos de 30 minutos, então o plano Gratuito cobre a maioria dos casos de uso pessoal. Entrevistas de pesquisa e palestras longas que excedam 30 minutos precisam de um plano pago.
04Rótulos de falante estão disponíveis para notas de voz de duas pessoas?+
Sim, nos planos Pro e Business. Coloque o telefone equidistante entre dois falantes para a separação mais limpa. O pipeline identifica e rotula cada voz — clique em qualquer rótulo para renomear de 'Falante 1' para o nome real da pessoa.
05Consegue transcrever uma nota de voz em um idioma diferente do inglês?+
Sim — 100+ idiomas, detectados automaticamente. Francês, espanhol, alemão, japonês, português, russo e mais 95+ funcionam. Para notas muito curtas onde a detecção é incerta, você pode forçar o idioma nas configurações avançadas.
06Posso transcrever notas de voz de aplicativos de terceiros como Otter ou Rev?+
Se o aplicativo permitir exportar o áudio original como M4A, MP3 ou WAV, sim — faça upload desse arquivo. Não nos conectamos diretamente a aplicativos de gravação de terceiros. Exporte o áudio do aplicativo primeiro, depois faça o upload.
07E quanto a notas de voz com música de fundo ou som ambiente?+
Som de fundo leve (ambiente de café, trânsito silencioso) reduz a precisão para cerca de 85–88%, mas ainda é transcritível. Música pesada no mesmo volume da fala é o caso difícil — a precisão cai significativamente nessas seções.

Drop something in. See what comes out.

30 minutos gratuitos por mês, sem cartão. Compartilhe a gravação do seu telefone, solte-a — transcrição em cerca de 90 segundos.

Iniciar transcrição gratuita