Няколко модела с ИИ
Изберете Бърз, Точен, Балансиран, Подобрен или Стандартен. Всеки показва цена на минута и лимит на файла преди старта.
Транскрибиране на аудио в текст
Качете аудио или видео и получете текст с говорители и времеви маркери.
Моите файлове
70+езика
3 часа · 1 GBна файл
Говорителии време на всяка дума
TXT · DOCX · SRTи още 5 формата
Превръщане на аудио в текст — 3 стъпки
Добавете записа
Качете един или няколко файла (до 100 наведнъж), запишете с микрофона или поставете връзка.
Изберете модел и език
Изберете модел за скорост или за точност. Посочете езика на записа или оставете модела да го разпознае. Цената в кредити виждате преди старта.
Прегледайте и експортирайте
Слушайте и четете едновременно. Преименувайте говорителите и изтеглете TXT, DOCX, PDF, SRT, VTT или друг формат.
Транскрибиране на аудио онлайн
Всеки запис става текст — разделен по говорители и с време на всяка дума.
Превръща звук в текст от аудио (MP3, WAV, M4A, OGG, FLAC и др.) и видео (MP4, MOV, MKV, AVI, WEBM) до 3 часа и 1 GB. Можете също да запишете гласа си или да поставите връзка към YouTube, Google Drive или директно към файл. Работи в браузъра на компютър или телефон, без инсталиране.
Как изглежда транскриптът
Един запис с двама говорители в четири формата: обикновен текст, документ и два файла със субтитри. Вашият файл ще има същата структура.
[00:01] Говорител 1: [00:05] Говорител 2:
Говорител 1 00:01
Говорител 2 00:05
1 00:00:01,200 --> 00:00:04,500 2 00:00:05,100 --> 00:00:08,300
WEBVTT 00:00:01.200 --> 00:00:04.500 <v Говорител 1> 00:00:05.100 --> 00:00:08.300 <v Говорител 2>
Редовете на субтитрите са по 42 знака по подразбиране; можете да го промените преди изтегляне.
Какво прави SpeechGen със записа ви
Етикети на говорителите
Всеки говорител получава етикет. Сменете името веднъж и то се сменя в целия транскрипт. Можете и да преместите сегмент към друг говорител.
Време на всяка дума
Кликнете върху дума и възпроизвеждането започва оттам. Текущата дума се осветява, докато слушате.
70+ езика
С регионални варианти на английски, испански, арабски и други езици. Повечето модели разпознават езика автоматично.
Запис с микрофона
Записвайте направо в браузъра, спирайте на пауза и продължавайте — до 3 часа на запис. Така превръщате реч в текст без приложение и без отделен диктофон. Текстът се появява, след като изпратите готовия запис.
Видео и връзки
Качете видео файл или поставете връзка към YouTube или Google Drive. Звукът се извлича автоматично.
Пробна първа минута
При файлове над 30 минути транскрибирайте само първата минута, за да проверите качеството, а после целия файл.
Повторна транскрипция
Резултатът не ви харесва? Пуснете го отново с друг модел или език. Цената виждате преди потвърждение.
Работа на партиди: до 100 файла на качване и до 20 на експорт — достатъчно за серия интервюта или лекциите от цял семестър.
Модели за разпознаване на говор
Всеки модел има свои силни страни и цена. Не знаете кой да изберете? Започнете с Бърз или пробвайте първата минута с два модела и сравнете.
| Модел | Подходящ за | Точност | Скорост | Езици | Разпознава езика | Лимит на файла | Цена |
|---|---|---|---|---|---|---|---|
| БързMicrosoft Fast | Най-бързият резултат и най-дългият списък с езици. Минутата струва двойно. | 76 | Да | 3 часа / 1 GB | 278 кредита/мин | ||
| ТоченMAI-Transcribe-2 | Висока точност за интервюта, лекции и срещи. По-нисък лимит на файла. | 57 | Да | 2 часа / 300 MB | 139 кредита/мин | ||
| БалансиранGrok Voice Transcribe 2.0 | Висока точност при средна скорост. Подходящ за дълги записи до 3 часа. | 25 | Да | 3 часа / 1 GB | 139 кредита/мин | ||
| ПодобренMicrosoft LLM Speech | Разпознаване на говор с вграден езиков модел за най-разпространените езици. | — | 24 | Да | 3 часа / 1 GB | 139 кредита/мин | |
| СтандартенWhisper (Microsoft Azure) | Работи с целия списък езици. Езика избирате сами. По-бавен от другите модели. | 76 | Ръчно | 3 часа / 1 GB | 139 кредита/мин |
Цените са в кредити от баланса ви в SpeechGen. Точната сума за файла ви се показва преди старта.
Експорт в Word, TXT, PDF и субтитри
Документи
TXTDOCXPDF
Субтитри
SRTVTTSUB
Данни
CSVJSON
Клипборд
Копиране на текста
- Абзаци
- Автоматично или от 1 до 8 реда на абзац. Нов абзац започва след пауза; дължината на паузата задавате вие (700 ms по подразбиране).
- Времеви маркери
- На абзаците, на репликите, и на двете — или без тях.
- Говорители
- Показвайте или скривайте имената на говорителите и обединявайте последователните реплики на един говорител.
- Редове на субтитрите
- Задайте знаци на ред (42 по подразбиране) и думи на ред.
- Обикновен текст
- Без времеви маркери и имена на говорители — чист текст за документ или за инструмент с ИИ.
Транскрипция на 70+ езика
70+ езика · 130+ регионални варианта · автоматично разпознаване на езика
Български, английски, немски, руски, турски, гръцки, испански, френски, италиански, румънски и още 60+ езика. Изберете езика на записа или оставете модела да го разпознае: транскрипция на български става така, както на английски или немски. Списъкът зависи от модела — Бърз и Стандартен поддържат най-много езици.
Какво транскрибират хората
Журналисти и изследователи
От диктофон в текст: цитати от интервюто с говорителя и точното време.
Студенти и преподаватели
Лекциите стават записки, в които можете да търсите.
Подкастъри и видеосъздатели
Резюме на епизода и субтитри от едно качване.
Работни срещи
Писмен запис на разговори и срещи.
Автори на субтитри
Изтеглете SRT или VTT и настройте дължината на реда. Работите с видео файл? Вижте видео транскрипция.
Преводачи
Започвате от точен изходен текст на езика на записа.
Цена за минута аудио
Транскрибирането се плаща с кредити от баланса ви в SpeechGen — същия баланс, който ползвате за озвучаване. Повечето модели струват 139 кредита на минута аудио, Бърз — 278. Цената за файла ви се показва преди старта, а ако обработката се провали, кредитите се връщат.
139кредита / минТочен · Балансиран · Подобрен · Стандартен
278кредита / минБърз
Поверителност и съхранение
- Криптиран пренос
- Файловете и транскриптите се пренасят през HTTPS (TLS).
- Срок на съхранение
- С акаунт файловете и транскриптите се пазят 90 дни. Без акаунт — 1 ден. Можете да изтриете файл по всяко време.
- Лични резултати
- Само вие отваряте резултатите си: през акаунта или в същия браузър, ако нямате акаунт. Връзката сама по себе си не дава достъп. За да споделите транскрипт, изтеглете го и изпратете файла.
Въпроси за транскрибирането
Колко точно е транскрибирането?
Точността зависи от звука и модела. Ясна реч на един или двама говорители дава най-добър резултат. Шум, музика, застъпващи се гласове, силен акцент и звук от телефонен разговор водят до повече грешки. Винаги проверявайте имената и числата преди публикуване.
Колко време отнема?
Зависи от дължината на файла, модела и текущата опашка. Можете да затворите страницата: транскриптът се запазва във файловете ви и се появява, когато е готов.
Как да превърна аудио файл в текст — MP3, M4A или WAV?
Просто го качете: аудио и видео файлове до 1 GB и 3 часа (при модела Точен — до 300 MB и 2 часа). Чести формати: MP3, WAV, M4A, OGG, FLAC, AAC, MP4, MOV, MKV, AVI, WEBM. Гласовите съобщения от Viber или WhatsApp също стават — запазете ги като файл (обикновено OPUS или OGG). Можете и да поставите връзка към YouTube, публична връзка към Google Drive или директна връзка към файл.
Кои езици се поддържат?
Над 70 езика, много от тях с регионални варианти. Повечето модели разпознават езика автоматично; при Стандартен го избирате сами. Ако езикът на записа е рядък, пробвайте първо първата минута.
Колко струва?
Плащате с кредити от баланса си в SpeechGen, на минута аудио. Цената зависи от модела и се показва преди старта.
Мога ли да редактирам транскрипта?
Можете да преименувате говорители, да местите сегмент към друг говорител и да триете сегменти. За да поправите думи, изтеглете DOCX или TXT и редактирайте файла в текстовия си редактор.
Колко дълго се пазят файловете ми и кой ги вижда?
С акаунт — 90 дни, без акаунт — 1 ден. Можете да изтриете файл и по-рано. Страницата с резултата отваряте само вие; за да споделите транскрипт, изтеглете го и изпратете файла.
Има ли преобразуване на речта в текст онлайн, без програма?
Да, всичко работи в браузъра на компютър или телефон. Натиснете запис, говорете (с пауза, до 3 часа) и изпратете записа — текстът се появява след това, не по време на диктовката. За български изберете езика на записа или оставете модела да го разпознае: това е speech to text bulgarian без инсталиране. Можете и да качите файл или да поставите връзка.
Кой модел да избера?
За повечето записи започнете с Бърз. За интервюта и лекции, където всяка дума е важна, пробвайте Точен. Ако езикът ви не е в списъка, изберете Стандартен и задайте езика ръчно.
Пробвайте със свой запис
Качете файл, запишете гласа си или поставете връзка. Цената виждате преди старта.