Fala a texto

Uso comercial permitido 582 modelos Sen marca de auga Non fai falta rexistrarse
Modelo:
+ GPT-5, Claude, Gemini
Envíe un ficheiro de son ou vídeo, ou apegue un URL, e obteña unha transcrición limpa con marcas de tempo. Diarización de falantes, exportación de subtítulos SRT/VTT, máis de 100 idiomas con detección automática. O custo escala exactamente coa lonxitude do clip. Xestionado por Whisper large-v3-turbo (autoaloxado), ademais de Wizper premium e ElevenLabs STT.

Arrastre e solte son/vídeo ou prema para examinar

MP3, WAV, MP4, WebM, M4A - ata 500MB

- - -
Whisper large- v3 - 99 linguas, a mellor precisión da súa clase.
Estimación do token para este clip
-
YouTube, Instagram, TikTok, Spotify e máis de 1.300 plataformas
O custo da transcrición do URL baséase na duración real do clip - cotámolo despois de obtelo. Espere ~500 tokens/ minuto en Whisper.
Gravación: 0:00

Transcrición en tempo real usando o micrófono

Transcripción

A transcreber o audio...

Isto pode levar un tempo para os ficheiros máis longos.

O que a xente transcribe con Free.ai

Entrevistas + podcasts

A diarización etiqueta cada falante. Exporte SRT directamente ao editor de vídeo, ou texto simple para escribir un artigo.

Títulos automáticos + subtítulos

Envíe un vídeo de YouTube ou TikTok, escolla SRT ou WebVTT e grave os subtítulos en /video/subtitle/. Fluxo de traballo de subtítulos completo.

Notas da reunión

Upload a Zoom/Teams recording - get transcript + speaker labels. Pair with /write/summarize/ for bullet-point minutes.

Leccións

Transcríbe unha conferencia de 90 minutos e logo usa /study/flashcards/ ou /write/summarize/ para convertela en material de estudo.

Son en lingua estranxeira

Whisper detecta automaticamente 99 linguas. Transcríbeas na orixinal e despois envía o texto a través de / translate / para saltar as linguas.

Legal + médico

Marcas de tempo, etiquetas de oradores, exportación a JSON con tempo de inicio/fin de cada palabra - preparación precisa para reporteiros de corte ou notas clínicas.

Como se compara a transcrición Free.ai

O que obtén Free.ai Otter.ai Descript Rev.com
Uso diario libre5K+ tokens/day300 minutes/mo1 hr/month-
MotorWhisper large-v3-turboProprietaryProprietaryHuman + AI
Linguas99English-focused2230+
Diarización do orador
Exportación de SRT / VTTPaidPaid
API públicaLimitedLimited
Transmisión en directo STT (libre) Paid--
Requírese rexistroNonYesYesYes
As cifras dos competidores reflicten os niveis libres listados publicamente a partir de 2026. Comprobe cada provedor para os plans actuais.
Opcións avanzadas
Resultado
Quédanche poucos tokens. Consegue máis tokens
Queres mellores resultados? Modelos premium (GPT-5, Claude, Gemini) ofrecen maior calidade. Ver plans

❤️ Amas a Free.ai?

Rexístrate para obter unha ligazón de referido e gañar 30,000 tokens por cada amizade.

Queres máis? Rexístrate gratis: 30,000 tokens/día
Inscríbete gratis

A procesar o seu pedido...

Fala libre a texto: envíe MP3, WAV ou MP4, ou grave en directo. Detecta a lingua automaticamente e pode separar os falantes.

Como usar Fala a texto

1
Indique a súa entrada

Escriba texto, envíe un ficheiro ou describa o que queira. Non se precisa conta ningunha.

2
Prema para xerar

A nosa IA procesa a túa solicitude en segundos cos mellores modelos de código aberto.

3
Obter e compartir

Obteña, copie ou comparta o seu resultado. Gratuito para uso persoal e comercial.

Usa esta ferramenta mediante a API

Automatiza esta ferramenta desde o teu propio código. Punto final REST compatible con OpenAI, autenticación con token Bearer, sen necesidade de ningún SDK adicional. Os custos en tokens son os mesmos que na interface web.

curl -X POST https://api.free.ai/v1/stt/ \
  -H "Authorization: Bearer sk-free-..." \
  -H "Content-Type: application/json" \
  -d '{"file": "@audio.mp3", "language": "auto"}'

Fala a texto - FAQ

Free.ai ofrece voz a texto con Whisper con excelente precisión, 99 linguas, exportación de subtítulos, detección de falantes e captura de micrófono en directo - completamente gratis.

Envíe un ficheiro de son ou vídeo (MP3, WAV, MP4, M4A), prema en Transcribir e obterá unha voz precisa en segundos. Ou grave en directo co micrófono.

Si. Apegue calquera URL de YouTube na pestana URL e a ferramenta de voz a texto extraerá o son e converterao. Funciona con Instagram, TikTok, Spotify e máis de 1.300 plataformas.

Si. Detectar automaticamente ou escoller entre 99 linguas. O noso discurso a texto xestiona ben os acentos, o ruído de fondo e o son de linguas mixtas.

Si. Escolla varios ficheiros de son á vez - cada un envíase mediante voz a texto con seguimento do progreso e os resultados poden descargarse por separado ou combinados.

Si. A API de voz a texto en / api / é compatíbel con OpenAI. Envie o son por programación e reciba JSON coa transcrición, linguaxe e marcas de data/ hora.

Si. Conmute a detección de falantes antes de enviar e a saída de voz a texto etiquetarase por falante (falante 1, falante 2...). Engade un 50% ao custo do token.

A voz a texto acepta ficheiros de ata 500 MB por envío. Para contidos de varias horas, divida primeiro o son en anacos.

Moi preciso para un son claro - normalmente máis do 95% de precisión de palabras en inglés coa nosa infraestrutura Whisper large- v3. A calidade depende da claridade do son, do acento e do ruído de fondo.

Si. A transcrición é totalmente editábel no lugar. Corrixa erros, reformate e copie/ descargue como TXT, SRT ou VTT.

Si. O son procesábase nas nosas propias GPU e borrabase cando remataba a conversión de voz a texto. Non se garda nada a longo prazo, non se comparte nada nin se usa para adestramento.

Si. Envie un ficheiro de son ou vídeo a / chat / e pídalle á IA que o transcriba - combine a voz co texto con preguntas de seguimento e resumo nun só fluxo de traballo.

Rexístrate gratis: 30,000 tokens/día

Crear conta gratuíta

Non se require tarxeta de crédito

Como valoras esta ferramenta?

Amas a Free.ai?