Audio ke Teks
Ubah ucapan menjadi teks dengan AI — sepenuhnya di browser Anda. Pilih rekaman, pilih ukuran model, dan dapatkan transkrip yang dapat Anda salin atau unduh sebagai subtitle TXT, SRT atau VTT. Audio Anda tidak pernah diunggah: model ucapan diunduh sekali dan berjalan di perangkat Anda sendiri, sehingga tidak ada akun, tidak ada batasan menit, dan tidak ada file di server siapa pun.
Penggunaan pertama mengunduh model ucapan sebesar 77 MB, lalu browser Anda menyimpannya.
Lebih banyak alat transkripsi
Mesin privat yang sama di dalam browser, disesuaikan untuk tugas tertentu:
Cara mengonversi audio menjadi teks
- Masukkan file audio atau video — MP3, WAV, M4A, FLAC dan sebagian besar rekaman berfungsi.
- Pilih ukuran model dan bahasa yang diucapkan (atau biarkan deteksi otomatis), lalu klik Transcribe.
- Saksikan teks muncul, lalu salin atau unduh sebagai TXT, SRT atau VTT.
Tentang konverter audio-ke-teks ini
Alat ini menjalankan model pengenalan suara Whisper open-source dari OpenAI langsung di browser Anda. Pada pemutaran pertama, model yang Anda pilih (41–249 MB) akan diunduh dan di-cache, sehingga transkripsi selanjutnya dimulai tanpa menunggu. Tidak ada informasi dari rekaman Anda yang disimpan, dilacak, atau dikirim ke server.
Tiga ukuran model memungkinkan Anda menukar kecepatan dengan akurasi: Cepat untuk catatan cepat, Seimbang untuk sebagian besar rekaman, dan Presisi ketika setiap kata penting. Segmen berlabel waktu dihasilkan sebagai file subtitle SRT atau VTT yang langsung masuk ke editor dan pemutar video, dan opsi terjemahan mengubah ucapan dalam bahasa apa pun yang didukung menjadi teks bahasa Inggris.
Pertanyaan umum
Apakah rekaman saya diunggah ke mana pun?
Tidak. Transkripsi berjalan sepenuhnya di browser Anda menggunakan model ucapan AI lokal (Whisper sumber terbuka OpenAI). Satu-satunya unduhan adalah model itu sendiri — audio Anda tidak pernah meninggalkan perangkat Anda, yang dapat Anda verifikasi di panel jaringan browser Anda.
Bahasa apa saja yang didukung?
Model ini multibahasa dan mengenali ucapan dalam sekitar 99 bahasa, termasuk Inggris, Spanyol, Cina, Prancis, Jerman, Portugis, Jepang, dan Indonesia. Biarkan bahasa pada deteksi otomatis, atau atur secara eksplisit untuk akurasi yang sedikit lebih baik. Anda juga dapat menerjemahkan ucapan dari bahasa apa pun yang didukung langsung ke teks bahasa Inggris.
Seberapa akuratkah itu?
Sangat berguna untuk ucapan yang jelas, dan model yang lebih besar secara signifikan lebih baik. Seperti semua pengenalan ucapan, ia kesulitan dengan kebisingan latar belakang yang berat, aksen yang kuat, pembicara yang tumpang tindih, dan musik, dan ia dapat mengarang teks selama keheningan yang lama — selalu periksa hasilnya sebelum memublikasikannya.
Berapa lama transkripsi berlangsung?
Tergantung pada perangkat dan ukuran model Anda: rekaman diproses secara lokal, biasanya beberapa kali lebih cepat dari waktu nyata pada laptop modern dengan model Balanced. File yang lebih lama hanya membutuhkan waktu lebih lama — biarkan tab tetap terbuka saat proses berjalan.