5 AI model
Pumili sa Mabilis, Tumpak, Balanse, Pinahusay o Standard. Makikita mo ang presyo kada minuto at file limit ng bawat isa bago magsimula.
Gawing tumpak na text, AI summary, notes, at chat ang audio at video.
Mag-upload ng isa o ilang file (hanggang 100 nang sabay), mag-record gamit ang mic, o mag-paste ng link.
Pumili ng model ayon sa bilis o accuracy. Piliin ang wika ng recording o hayaang ang model ang tumukoy. Makikita mo ang presyo sa kredito bago magsimula.
Makinig habang nagbabasa, gumawa ng AI summary o meeting notes sa isang click, magtanong sa AI chat, at i-download bilang TXT, DOCX, PDF, SRT, o VTT.
Gawing text ang kahit anong recording — hiwalay bawat speaker at may oras ang bawat salita.
I-convert ang audio at video sa tumpak na text, mga buod, notes, at mahahalagang punto. Pumili mula sa 5 model, makipag-chat sa iyong recording, at i-export sa anumang format. Audio (MP3, WAV, M4A, OGG, FLAC at iba pa) at video (MP4, MOV, MKV, AVI, WEBM) hanggang 3 oras at 1 GB. Puwede ka ring mag-record ng boses o mag-paste ng YouTube, Google Drive o direct link sa file. Sa browser tumatakbo ang transkripsyon, sa computer man o phone — walang kailangang i-install.
Isang recording na may dalawang speaker, na-export sa apat na format: plain text, document at dalawang subtitle file. Ganito rin ang structure ng file mo.
[00:01] Tagapagsalita 1: [00:05] Tagapagsalita 2:
Tagapagsalita 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 Tagapagsalita 1> 00:00:05.100 --> 00:00:08.300 <v Tagapagsalita 2>
42 characters ang default na haba ng bawat subtitle line. Puwede mo itong baguhin bago mag-download.
Higit pa sa simpleng transcript. Gumawa ng maayos na report sa isang click o magtanong sa built-in na AI chat — bawat sagot ay batay sa iyong recording na may napi-click na timestamp.
Pangunahing paksa, mga desisyon, numero, petsa at tao sa 3–5 pangungusap.
Organisadong tala ayon sa paksa: konteksto, talakayan, posisyon, desisyon at bukas na tanong.
Mga kumpirmadong gawain na may responsable, deadline at sipi, pati ang mga item na kailangang linawin.
Mga katotohanang sinusuportahan ng verbatim na sipi, may link sa mga ito: tinalakay, mga desisyon, hindi pagkakasundo.
Ang mga pangunahing ideya ng lektyur, podcast, panayam o video, bawat isa may timestamp.
Mga chapter ng video na may timestamp, handang i-paste sa paglalarawan sa YouTube.
AI chat sa iyong recording: gamitin ang mabilisang tanong ("Tungkol saan ito?", "Mahahalagang punto", "Mabilis na buod", "Ano ang dapat gawin?") o mag-type ng sarili mong tanong sa anumang wika. I-click ang [MM:SS] timestamp para marinig ang bahaging iyon, at i-download ang report bilang PDF, DOCX, o TXT.
Pumili sa Mabilis, Tumpak, Balanse, Pinahusay o Standard. Makikita mo ang presyo kada minuto at file limit ng bawat isa bago magsimula.
May label ang bawat speaker. Palitan ang pangalan nang isang beses at magbabago ito sa buong text. Puwede ring ilipat ang isang segment sa ibang speaker.
I-click ang isang salita para i-play ang audio mula roon. Naka-highlight ang kasalukuyang salita habang nagpe-play.
Kasama ang regional variants ng English, Spanish, Arabic at iba pa. Kaya ng karamihan ng model na awtomatikong tukuyin ang wika.
Mag-record sa browser, i-pause at ituloy (hanggang 3 oras), tapos i-send ang tapos na recording — lalabas ang text pagkatapos itong ma-process. Voice to text converter mismo sa browser, walang app na kailangang i-install.
Mag-upload ng MP4, MOV, MKV, AVI o WEBM (hanggang 1 GB at 3 oras), o mag-paste ng YouTube o Google Drive link. Awtomatikong kinukuha ang audio — transcribe video to text sa isang upload lang.
Sa mga file na lampas 30 minuto, unang minuto muna ang i-process para ma-check ang quality. Saka ituloy ang buong file.
Hindi ka satisfied sa resulta? Patakbuhin ulit gamit ang ibang model o wika. Makikita mo ang presyo bago mag-confirm.
Maramihan: hanggang 100 file bawat upload at hanggang 20 file bawat export — sapat para sa isang serye ng interview o isang semestre ng lectures.
May sariling lakas at presyo ang bawat model. Hindi sigurado kung alin? Magsimula sa Mabilis, o i-process ang unang minuto gamit ang dalawang model at ikumpara.
| Model | Bagay para sa | Accuracy | Bilis | Mga wika | Tumutukoy ng wika | File limit | Presyo |
|---|---|---|---|---|---|---|---|
| MabilisMicrosoft Fast | Pinakamabilis na resulta at pinakamahabang listahan ng wika. Doble ang presyo kada minuto. | 76 | Oo | 3 oras / 1 GB | 278 kredito/min | ||
| TumpakMAI-Transcribe-2 | Mataas na accuracy para sa interviews, lectures at meetings. Mas maliit ang file limit. | 57 | Oo | 2 oras / 300 MB | 139 kredito/min | ||
| BalanseGrok Voice Transcribe 2.0 | Mataas na accuracy sa katamtamang bilis. Swak sa mahahabang recording hanggang 3 oras. | 25 | Oo | 3 oras / 1 GB | 139 kredito/min | ||
| PinahusayMicrosoft LLM Speech | Speech recognition na may built-in na language model para sa mga pinakakaraniwang wika. | — | 24 | Oo | 3 oras / 1 GB | 139 kredito/min | |
| StandardWhisper (Microsoft Azure) | Gumagana sa buong listahan ng wika. Ikaw ang pipili ng wika. Mas mabagal kaysa ibang model. | 76 | Manual | 3 oras / 1 GB | 139 kredito/min |
Ang presyo ay sa kredito mula sa SpeechGen balance mo. Ipinapakita ang eksaktong halaga para sa file mo bago magsimula.
70+ na wika · 130+ regional variants · awtomatikong pagtukoy ng wika
Filipino, English, Spanish, Japanese, Korean, Indonesian, Malay, Hindi, Arabic, French at 60+ pa. Piliin ang wika ng recording o hayaang ang model ang tumukoy — pareho lang ang proseso ng speech to text Tagalog at English. Depende sa model ang listahan: pinakamarami ang wika ng Mabilis at Standard.
Interview transcript na may pangalan ng speaker at eksaktong oras — para sa article, thesis o research.
Gawing notes na nase-search ang mga lecture.
Show notes at subtitles mula sa isang upload.
Voice record to text mula sa phone: may written record ka ng bawat call at meeting.
I-download ang SRT o VTT at i-adjust ang haba ng linya. Video file ang hawak mo? I-upload din dito — pareho ang proseso.
Magsimula sa malinis na source text sa orihinal na wika.
Binabayaran ito gamit ang kredito mula sa SpeechGen balance mo — parehong balance na gamit mo sa text to speech. Karamihan ng model ay 139 kredito kada minuto ng audio; ang Mabilis ay 278. Makikita mo ang presyo para sa file mo bago magsimula, at kapag pumalya ang proseso, ibinabalik ang kredito.
Depende sa audio at sa model. Pinakamaganda ang resulta sa malinaw na boses ng isa o dalawang speaker. Mas maraming mali kapag may ingay, music, nagsasabayang boses, makapal na accent o audio na parang sa tawag sa phone. Laging i-check ang mga pangalan at numero bago i-publish.
Depende sa haba ng file, sa model at sa pila. Sa MP4, MOV o MKV, audio track lang ang ginagawang text, kaya makukuha mo ang video transcript na may speaker at timestamp. Puwede mong isara ang page: naka-save ang resulta sa files mo at lalabas kapag tapos na.
Oo. Audio at video file hanggang 1 GB at 3 oras (sa Tumpak na model: hanggang 300 MB at 2 oras). Karaniwang format: MP3, WAV, M4A, OGG, FLAC, AAC, MP4, MOV, MKV, AVI, WEBM. Para sa voice message to text, i-save muna ang VM bilang audio file, tapos i-upload. Puwede rin ang YouTube link, public na Google Drive link o direct link sa file.
Higit 70 wika, kasama ang Filipino at English, at marami ang may regional variants. Awtomatikong tinutukoy ng karamihan ng model ang wika; sa Standard, ikaw ang pipili. Kung bihira ang wika ng recording mo, i-process muna ang unang minuto para ma-check ang quality.
Nagbabayad ka gamit ang kredito mula sa SpeechGen balance mo, kada minuto ng audio. Depende sa model ang presyo at makikita mo ito bago magsimula.
Puwede mong palitan ang pangalan ng speaker, ilipat ang segment sa ibang speaker at magbura ng segment. Para itama ang mga salita, i-download ang DOCX, TXT o SRT at i-edit sa text editor mo. Hiwalay na file ang subtitles at hindi naka-burn sa video: i-upload ang SRT o VTT sa YouTube, player o editor mo.
May account — 90 araw, walang account — 1 araw. Puwede mong burahin ang file nang mas maaga. Ikaw lang ang makakabukas ng result page; para mag-share, i-download ang resulta at ipadala ang file.
Hindi. Gumagana ito sa browser sa computer o phone, pati voice notes to text: i-record ang boses mo (puwedeng i-pause, hanggang 3 oras) at lalabas ang text pagkatapos ng recording, hindi habang nagsasalita ka. Puwede ring mag-upload ng file o mag-paste ng link.
Sa karamihan ng recording, magsimula sa Mabilis. Sa interviews at lectures na mahalaga ang bawat salita, subukan ang Tumpak. Kung wala sa listahan ang wika mo, gamitin ang Standard at ikaw ang pumili ng wika.
Pagkatapos ng buong transcription, buksan ang AI tab para gumawa ng maikling buod, detalyadong tala, desisyon at gawain, katitikan na may sipi, mahahalagang punto, o mga kabanata sa YouTube. Maaari ka ring magtanong sa AI chat na may [MM:SS] timestamp at i-download ang report bilang PDF, DOCX, o TXT.
Mag-upload ng file, i-record ang boses mo o mag-paste ng link. Makikita mo ang presyo bago magsimula.