Start free

Transkripsi MP3 jadi téks.Label panyatur, 100+ basa.

Tuluykeun file MP3 dina bitrate naon waé ti 64 dugi 320 kbps. Entuk transkripsi jeung tanda waktu, label panyatur dina 99 basa — taya konversi format, taya re-encoding, taya ngantosan dina antrian.

Lepaskeun audio atawa vidéo anjeun

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

Rékam langsung tina browser

Daptar ngan 30 detik — rékaman muka langsung sanggeusna, di dashboard.

No card required~90s per 60-min fileSRT · VTT · DOCX · TXTFile otomatis dipupus dina 24 jam

↓ Tingali naon anu kaluar

MP3 asup. Transkripsi jeung pisahan panyatur kaluar.

Urang maca header frame MP3 langsung — VBR, CBR, joint-stereo, encoder naon waé (LAME, Fraunhofer, FFmpeg). Lamun file aslina stereo sabenerna jeung panyatur dina channel misah, urang paké éta pikeun pisahkeun sora. Mono mix-down balik ka diarization akustik.

interview-tape-04.mp3REC 192 kbps · stereo · 38:42
otomatis kapanggih en-GB44.1 kHz · LAME 3.100
~90s
Transkripsi · streaming95% akurasi
S1

Jadi iraha mak mimiti manggih arsip ieu kirang lengkap?

S2

Mungkin sakira 2019, pas urang mimiti digitalisasi reel-to-reels.

S1

Jeung tape anu hilang — aya katalog naon waé?

S2

Aya indéks kertas ti '78, tapi satengahna rusak kahicik.

95% dina 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

Tilu pilihan nyata · perbandingan jujur

Whisper lokal gratis. Otter atawa Sonix. Atawa urang.

Anjeun bisa jalanan Whisper dina laptop sorangan alamat gratis lamun jeung kahandak teknis. Otter jeung Sonix narima unggah MP3 dina dashboard langganan. Urang nyandak file, balik transkripsi, jeung taya nyaranaan anjeun umur di jero UI.

Option 01

Whisper lokal / open source

Gratis lamun mibanda GPU jeung soré. Taya pisahan panyatur tina kotak.

SetupPython + CUDA + model 10 GB
Pisahan panyaturTaya (tambahan pyannote)
Gancang · 1 jam MP35–40 menit dina GPU konsumen
Basa99, tapi model leutik lebu di handap 80%
EksporTXT / SRT / VTT / JSON
BiayaGratis + listrik anjeun
Best forInsinyur anu geus gaduh GPU, henteu perlu label panyatur, jeung hoyong privasi lokal lengkap.
Option 02

Transcription.Solutions

Tuluy MP3. Entuk teks jeung label panyatur deui dina sakira waktos nyata × 0.025.

SetupDrag-and-drop, taya akun pikeun nyoba
Pisahan panyaturDibangun dina (plan Pro & Business)
Gancang · 1 jam MP3~90 détik
Basa99, otomatis kapanggih
EksporSRT · VTT · DOCX · TXT · JSON
Biaya · per menit$0.03
Best forSaha waé boga MP3 — pita wartawan, ekspor podcast, memo sora, dub arsip — anu cukup hoyong teks akurat di kaluar.
Option 03

Otter / Sonix

Dashboard amilir, tutup menit bulanan, tala pikeun Inggris. Unggah file ngarasa kawas fitur samping.

SetupAkun + plan bayar
Pisahan panyaturAkustik, tala EN
Gancang · 1 jam MP35–10 menit dina antrian
BasaOtter EN-hiji; Sonix ~40
EksporDikonci tukangeun tier bayar
Biaya$17+/bulan atawa $10+/jam (Sonix)
Best forTim anu hoyong editor transkripsi jeung UI kolaborasi leuwih ti alur file→teks API bersih.

Pricing jeung availability fitur akurat ti Méi 2026. Kinerja Whisper beda-beda ku ukuran modél jeung hardware.

Spésifik pikeun MP3

Tilu hal anu nyésélkeun jalma dina alat transkripsi pamomong.

MP3 nyaéta format, taya gaya rekamán — anu nyaéta failure modes datang ti ngawangun, taya sora.

Naon nu lepat

  1. 1Header VBR hésé dina parsing. Sababaraha alat maca MP3 bitrate variable minangka fixed-rate jeung miscalculate durasi — timestamps drift haréup minutes dina file sageung jam.
  2. 2Joint-stereo diratakeun ka mono salimali preprocessing unggah. Anjeun lebu pisahan channel per-panyatur anu sabenerna dina file.
  3. 3Seni ID3 album tatén ngagérok sawatara uploaders — aranjeun tolak file salaku 'taya audio murni' atawa kupas jeung re-encode, tuluy lebu kualitas.

Naon anu urang lakukeun

  1. 1Urang paké Xing/LAME header lamun hadir jeung frame-count fallback lamun taya. Timestamps VBR tetep akurat ka ±0.1 s sagenap file jam.
  2. 2Joint-stereo jeung true-stereo MP3s decoded ka L/R PCM sateuacan diarization. Lamun panyatur anjeun ieu panned, urang asak aranjeun pisah.
  3. 3ID3v1, ID3v2, APE tags, seni tatén — sakabéh dipuluykeun taya dirubah. Urang seuneu re-encode MP3 anjeun.

Soal padamelan panimbang pikeun unggah MP3

Standar anu pas ~80% file MP3. Override per-job ti formulir.

Decoder
Frame-akurat, taya re-encode
Diarization
Channel split lamun stereo, lain akustik
Modél panyatur
Otomatis · 1-12 panyatur
Basa
Otomatis-detect ti 30 s kahiji
Kecap pengisi
Dipuslit (toggle pikeun asak)
Bundel ekspor
DOCX + SRT + TXT mibanda tanda waktu

Accuracy · real-world numbers

95%+ dina 192 kbps stereo. Bisa dipaké dugi ka 64 kbps mono.

Akurasi MP3 kaayaan ku naon anu ngawangun asing, taya ku urang. Komprési persépsi di luhur ~96 kbps ngajaga kacerdasaan ucapan saé pisan; di handap 64 kbps, sibilants jeung konsonan mimiti lebu. Angka di handap ti MP3 pelanggan sabenerna dina produksi.

96%
320 kbps stereo, sumber studio

Carekawayan-lossless pikeun ucapan. Master podcast, ekspor aplikasi dikté, rigging wawancara profésional. Diarization bersih lamun panyatur dina channel misah.

95%
192 kbps stereo, 2-3 panyatur

Bitrate paling umum pikeun MP3 lisan. Ekspor Zoom, unduh Riverside, voice recorders standar. Artefak komprési taya kacium pikeun recognition.

91%
128 kbps mono, obrolan

Standar memo sora dina leuwih kabéh ponsel. Diarization akustik nanganan 2-4 panyatur. Angka jeung nami sosob kadang kudu pirang.

84%
64 kbps mono, arsip / dumping ponsel

Rips mesin penjawab heujan, arsip pidato, sumber band sempit. Konsonan frekuénsi luhur (f/s/sh) kabur. Tapi tetap legible — rencana prufread.

Patangtenan umum

8 hal anu ditaroskeun jalma ngeunaan transkripsi MP3.

01Naon bitrate MP3 minimum anu tetap masihan transkripsi bisa dipaké?+
64 kbps nyaéta lantai praktis. Di handap éta, sibilants (s, sh, f) komprési jadi ambek jeung error rate ucapan naeak luhur ti 20%. Lamun anjeun ngarékam anyar, target 128 kbps mono atawa 192 kbps stereo — naon waé luhur mak sopir pikeun sora.
02Naha urang kudu konversi MP3 ka WAV mimitina?+
Henteu. Re-encoding MP3 → WAV nambahkeun akurasi énggal sabab data anu ngawangun asing geus ical pikeun jaga. Tuluy MP3 langsung. Urang decode frames dina memori jeung suapkeun PCM ka recognizer.
03Naha MP3 stereo masihan urang label panyatur luhur ti mono?+
Ngan lamun panyatur sabenerna dirékam dina channel misah — leuwih soë MP3 stereo mibanda audio sarua dina duanab jalma ('dual mono') jeung nampi nimpang. True channel-split (msl. ekspor Riverside, two-mic field rigs) ngidinan urang skip diarization akustik jeung label panyatur carekawayan-némpélna.
04Naon ukuran file MP3 maximum anu anjeun katarima?+
5 GB per unggah, anu nyaéta sakira 60 jam dina 192 kbps atawa 90 jam dina 128 kbps. Lamun file anjeun luhur tina éta urang aya chunked upload — taya kudu pisahkeun sorangan.
05Sabaraha lami 60-menit MP3 nyandak pikeun transkripsi?+
Lazimna 90 détik ti upload-lengkap ka transkripsi-siap, sanggeus bitrate. Decoding MP3 frames gancang; waktos aya dina recognizer. Diarization nambahkeun 5-10 détik dina file multi-panyatur.
06MP3 urang mibanda musik kalatar — naha transkripsi bakal ruruksak?+
Musik kaserat diam di handap sora alright. Musik keras anu bersaing jeung sora (intro stings, scoring handap wawancara) kadang nyetrum misrecognitions dina suku overlapping. Toggle suppression musik dina form padamelan pikeun pre-filter.
07Naha anjeun tiasa nanganan MP3 anu diripped ti voicemail ponsel atawa answering machines?+
Hihĕ, padahal éta soë 8 kHz narrow-band re-encode minangka MP3 — siling kualitas audio disetel ku tangkepan PSTN sakabéh, taya wrapper MP3. Eureun akurasi 78-85% dina jinis sumber, anu sarua urang tukang dina panggilan kaselah.
08Naha anjeun asak MP3 sanggeus transkripsi?+
File dipuslit sanggeus 30 poé standar, atawa langsung dina paménta via dashboard. Transkripsi tetep dina akun dugi anjeun puslit. Urang henteu paké audio pelanggan pikeun latih modél — sakali-sakali.

Tuluy MP3 anjeun. Entuk téks deui dina 90 détik.

30 mènit gratis unggal bulanan. Tanpa kartu. Label panyatur, 99 basa, unggal format ekspor kaasupna.

Mimiti gratis