Start free

Transkribera MP4-video till text.Ljud extraheras automatiskt.

Släpp MP4-filen som den är — vi hämtar ljudspåret på servern, returnerar ett tidsstämplat transkript och levererar en SRT som passar direkt in i YouTube, Vimeo eller din NLE.

Släpp in ditt ljud eller video

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

Spela in direkt från webbläsaren

Registrering tar 30 sekunder — inspelningen öppnas direkt efter, i dashboarden.

No card required~90s per 60-min fileSRT · VTT · DOCX · TXTFiler raderas automatiskt efter 24 h

↓ Se vad som kommer ut

MP4 in. Transkript + SRT ut.

MP4 är en behållare — vi läser ljudströmmen direkt, omkoderar aldrig videon. Tidsstämplar förblir ramaccurata i din ursprungliga tidslinje, så SRT:en passar perfekt vid första importen.

training-module-04.mp4REC 1080p · 22:14 · 412 MB
auto-detected en-USAAC 48 kHz stereo · 192 kbps
~90s
Transkript · streaming95% noggrannhet
S1

Okej, i den här modulen går vi igenom refund-arbetsflödet från början till slut.

S2

Snabb fråga innan vi börjar — gäller det här även partiella återbetalningar?

S1

Bra observerat. Partiella använder samma skärm men en annan anledningskod.

S2

Förstår. Och godkännandegränsen är fortfarande tvåhundra dollar?

95% på ren dialogSRT · 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

Tre verkliga alternativ · ärlig jämförelse

DIY med ffmpeg. En videoredigerare. Eller oss.

Du kan extrahera ljudet själv och köra Whisper. Du kan dra MP4:an till Descript eller VEED och bo inuti deras redigerare. Eller du kan släppa filen här och få transkriptet + SRT tillbaka, ingen redigeringslås.

Option 01

ffmpeg + Whisper

Gratis, lokalt, knepigt. Du äger pipelinen och varje bugg i den.

KräverCLI + 10 GB-modell + GPU
TalarseparationSeparat verktyg (pyannote)
SRT-utmatningJa, manuell flagga
Tid på en 1-timmes MP420–90 min på CPU
Flera ljudspårDu väljer strömmen
Kostnad$0 + din hårdvara
Best forIngenjörer som redan kör Whisper lokalt och inte tar sig för att limma på separationen.
Option 02

Transcription.Solutions

Släpp MP4:an. Ljudextraktion, talarseparation, SRT, sammanfattning — ett pass.

KräverWebbläsare, bara det
TalarseparationInbyggd, varje jobb
SRT-utmatningRamaccurat mot källan
Tid på en 1-timmes MP4~4 min, streamad
Flera ljudspårVi listar alla strömmar
Kostnad · per minut$0.03
Best forVem som helst med en MP4 som vill ha texten och SRT utan att lära sig en videoredigerare eller CLI.
Option 03

Descript / VEED

Läs in MP4 i redigeraren. Transkriptet visas som del av tidslinjen UI.

KräverKonto + inlärningskurva för redigerare
TalarseparationJa, EN-justerad
SRT-utmatningExport-gränsad av plan
Uppladdningsgräns5 GB (Descript gratis)
Flera ljudspårBara första spåret
Kostnad$12–24/user/mån
Best forRedaktörer som vill klippa videon och transkriptet i samma verktyg.

Prissättning och funktionsgränser ungefärliga från 2026. Descript och VEED-tjänstnamn ändras ofta — kontrollera deras webbplats för aktuella gränser.

Specifikt för MP4

Tre saker som biter människor på generiska transkriptionsverktyg.

MP4 är en behållare, inte en kodek — och de flesta transkriptionsverktyg behandlar den som ett stort ljudblob. Det är där missarna kommer ifrån.

Vad som går snett

  1. 1Multi-track MP4 med boom + lav. Generiska verktyg tar spår 1 och ignorerar resten, så du förlorar den renare mikrofonen. Vanligt på FCP- och Premiere-exporter.
  2. 2Bakgrundsmusik i vlogs och annonser utlöser fantomord. Igenkännaren försöker transkribera vokala på musikbädden.
  3. 3SRT-tidsstämplar driver när verktyget omkoderar videon på vägen in. Vid minut 40 är bildtexterna en sekund före.

Vad man bör vända här

  1. 1Ladda upp — vi sonderar varje ljudström och låter dig välja vilken som transkriberas. Standard är det högsta bitratesspåret.
  2. 2Aktivera Musik-undertryckande på jobbformuläret. Vi grindar igenkännaren på tal-VAD så instrumentala avsnitt förblir tomma.
  3. 3Vi omkoderar aldrig video. Ljud extraheras med inbyggd samplingshastighet, tidsstämplar refererar till behållarens redigeringslista — SRT står ramaccurat.

Rekommenderade jobbinställningar för MP4

Släpp en MP4 och dessa slås på som standard. Åsidosätt per jobb från formuläret.

Ljudextraktion
Inbyggd samplingshastighet, ingen omkodning
Spårval
Högsta bitrateström
Talarseparation
Akustisk · 1-6 talare
Musik-undertryckande
På för vlog/ad-förinställningar
SRT-format
≤42 tecken/rad, 2 rader max
Export
SRT · VTT · DOCX · tidsstämplad TXT

Accuracy · real-world numbers

95% på en ren inspelning. Ärliga tal när ljudet slåss tillbaka.

MP4-noggrannhet ställs in av mikrofonen, inte kodeken. En lavaliermikrofon på en tyst scen slår en 4K-kamera med inbyggd ljud varje gång. Siffrorna nedan kommer från verkliga MP4:or från kunderna, sorterade efter vad som inspelades ljudet.

96%+
Studioinspelning, lav- eller shotgun-mikrofon

Leverantörmikrofon eller boom till en inspelare, 48 kHz AAC vid 192+ kbps, behandlat rum. Takvinkeln. Talarmärkningar träffar rätt på en tvåpersonsinspelning.

93%
DSLR med on-camera shotgun

Kameramikrofon 2-4 fot från talare. En del rumston men tal är förståeligt. De flesta YouTube-skapares material hamnar här.

89%
Skärminspelning med USB-mikrofon

OBS, Loom, Camtasia-exporter. Mikrofon är nära men rummet är obehandlat, ofta med systemljudläckage. Helt bra för handledningsutskrifter.

84%
Telefonfilmad vlog, inbyggd mikrofon

Telefons inbyggda mikrofon, vind eller hanteringsljud, avstånd varierar från bild till bild. Ord är användbara, förvänta 1-2 reparationer per minut på egennamn.

Vanliga frågor

8 saker som folk frågar om MP4-transkription.

01Omkoderar du min video?+
Nej. Vi läser bara ljudströmmen ur MP4-behållaren. Videoströmmen rörs aldrig, omkoderas aldrig och lagras aldrig efter att jobbet är slut — du behåller din originalfil oförändrad.
02Vilka kodekar inuti MP4:an stöds?+
Standard H.264 + AAC är den lätta varianten. Vi hanterar också HEVC/H.265, ProRes-in-MP4, och ljud i MP3, Opus, ALAC eller PCM. Om ffmpeg kan söka det, kan vi transkribera det.
03Vad är filstorleksgränsen?+
10 GB per uppladdning på webbuppladdaren, 50 GB via API:t med resumerbara sektioner. En typisk 1-timmes 1080p MP4 är 1-3 GB så de flesta filer passar webbvägen utan att tänka på det.
04Kommer SRT:en att matcha min originalvideo?+
Ja — tidsstämplar refererar till MP4:ans redigeringslista och inbyggd samplingshastighet. Vi omkoderar inte, så det finns ingen drift. Släpp SRT:en bredvid MP4:an i vilken spelare eller NLE som helst och bildtexterna synkroniseras vid första inläsningen.
05Kan jag bränna in undertexterna i videon?+
Inte från vår sida — vi matar ut SRT:en och lämnar inbränningen till din redigerare. ffmpeg one-liner, HandBrake, Premiere, DaVinci, Kapwing accepterar alla SRT:en vi producerar. Vi vill inte vara kodningsverktyget också.
06Vad med MOV, MKV, M4V, WebM?+
Allt stöds genom samma pipeline. MOV särskilt — samma MPEG-4-familj, identisk extraktionsväg. MKV med flera ljudspår får samma strömväljargränssnitt som en multi-track MP4.
07Kan jag bara skicka en YouTube- eller Vimeo-URL?+
Ja för YouTube — klistra in en offentlig URL på uppladdningsskärmen och vi hämtar ljudet direkt, ingen MP4-nedladdning behövs. Vimeo kräver en direkt fil eller en signerad nedladdningslänk eftersom deras spelare grindar strömmen.
08Vad om det inte finns någon talad dialog, bara musik eller B-roll?+
VAD detekterar tysta och musiksektioner och hoppar över dem, så du betalar inte för omgivningsfilm. Transkriptet markerar dessa intervall som `[musik]` eller `[inget tal]` istället för att hitta på ord.

Släpp din MP4. Få transkriptet och SRT tillbaka.

30 gratis minuter varje månad. Inget kort. Ljud extraheras på servern, talarmärkningar, ramaccurat SRT — allt ingår.

Börja gratis