Ubah audio ke teks

Ubah rekaman, wawancara, kuliah, dan pesan suara menjadi teks. Pengenalan suara berjalan di perangkatmu sendiri, jadi audiomu tidak pernah diunggah.

Tingkat 0 · browser · tanpa batas

Letakkan file audio di sini atau pilih

PemrosesanBahasa yang diucapkanUnduh sebagai

Pengenalan suara berjalan di perangkat ini; rekamanmu tidak pernah diunggah.

Audio ke teks dalam beberapa klik

Pilih rekaman lalu tekan Transkripsi: model AI pengenalan suara mendengarkannya di perangkatmu dan menuliskan apa yang diucapkan. Salin teks langsung dari halaman atau unduh sebagai file teks, atau sebagai subtitle dengan waktu jika dibutuhkan.

Mendukung file MP3, WAV, M4A, FLAC, Ogg, dan Opus, voice note dari ponsel dan aplikasi chat seperti WhatsApp, serta suara dari file video. Bahasa terdeteksi otomatis; jika rekaman diawali musik atau hening, pilih bahasanya sendiri agar awalnya lebih tepat.

Perlu diketahui

Akurasi tertinggi untuk ucapan yang jelas, satu orang bicara pada satu waktu, dekat dengan mikrofon. Wawancara dan rapat bekerja dengan baik; ruangan bising, musik, dan orang yang bicara bersamaan membuat kesalahan lebih mungkin, jadi baca ulang teks sebelum dipublikasikan.

Privat sejak awal

Kebanyakan situs transkripsi mengunggah audiomu ke server dan memungut biaya per menit. Di sini model berjalan di browsermu, jadi wawancara, catatan medis, dan pesan pribadi tetap di perangkatmu. Pertama kali, model (sekitar 136 MB) diunduh dan disimpan browser. Rekaman hingga 90 menit.

Cara kerjanya

Suara diubah menjadi 16.000 sampel per detik lalu dibagi menjadi jendela 30 detik. Setiap jendela menjadi spektrogram (seberapa keras setiap nada dari waktu ke waktu) yang dibaca model Whisper base, jaringan pengenalan suara open source dari OpenAI (lisensi MIT), untuk menuliskan kata-kata beserta penanda waktunya. Jendela saling tumpang tindih di titik kalimat terpotong, jadi tidak ada kata yang hilang.

Pertanyaan umum

Apakah rekamanku diunggah?

Tidak. Pengenalan suara berjalan di browsermu pada perangkat ini; file tidak pernah keluar darinya.

Bahasa apa saja yang didukung?

Sekitar 100 bahasa, termasuk Indonesia, Inggris, Spanyol, Prancis, dan Jerman. Bahasa terdeteksi sendiri, atau kamu bisa memilihnya.

Berapa panjang rekaman maksimal?

Hingga 90 menit per file. Laptop mentranskripsi sekitar enam menit audio per menit; pertama kali juga mengunduh model AI (sekitar 136 MB).

Seberapa akurat?

Sangat baik untuk ucapan jelas satu orang pada satu waktu. Kebisingan, musik, logat kuat, dan orang yang bicara bersamaan menurunkan akurasi, jadi baca ulang teksnya sebelum dipakai.

Bisakah mendapat subtitle, bukan teks?

Bisa. Pilih SRT atau VTT di Unduh sebagai.

Bisakah lebih cepat?

Bisa, dengan akun gratis: pilih Cepat, di cloud. Whisper large-v3-turbo mentranskripsi audio satu jam dalam beberapa menit dengan sekitar 0,5 kredit per menit (akun gratis mendapat 50 kredit per bulan). Audio dikirim per potongan dua menit dan tidak disimpan. Di perangkat ini tetap gratis dan privat.

Sumber

Ditinjau 19 Okt 2026 · vektor uji fixtures/tools/audio/transcribe-audio/