Kilka modeli AI
Wybierz Szybki, Dokładny, Zrównoważony, Ulepszony lub Standardowy. Każdy pokazuje cenę za minutę i limit pliku przed startem.
Transkrypcja audio na tekst
Prześlij nagranie audio lub wideo i otrzymaj tekst z podziałem na mówców.
Moje pliki
70+języków
3 h · 1 GBna plik
Mówcyi znaczniki czasu słów
TXT · DOCX · SRTi 5 innych formatów
Jak zrobić transkrypcję nagrania na tekst
Dodaj nagranie
Prześlij jeden lub kilka plików (do 100 naraz), nagraj głos mikrofonem albo wklej link.
Wybierz model i język
Wybierz model szybszy albo dokładniejszy. Wskaż język nagrania lub pozwól modelowi go rozpoznać. Cenę w kredytach widzisz przed startem.
Sprawdź i wyeksportuj
Słuchaj i czytaj jednocześnie. Zmień nazwy mówców, a potem pobierz TXT, DOCX, PDF, SRT, VTT lub inny format.
Transkrypcja nagrań online
Transkrypcja audio na tekst z podziałem na mówców i czasem każdego słowa.
Zamiana audio na tekst dla plików MP3, WAV, M4A, OGG, FLAC i innych oraz wideo (MP4, MOV, MKV, AVI, WEBM) do 3 godzin i 1 GB. Możesz też nagrać głos albo wkleić link do YouTube, Google Drive lub bezpośredni link do pliku. Działa w przeglądarce na komputerze i telefonie — bez instalowania czegokolwiek.
Jak wygląda gotowy tekst
Jedno nagranie z dwoma mówcami wyeksportowane do czterech formatów: zwykły tekst, dokument i dwa pliki napisów. Twój plik dostanie taką samą strukturę.
[00:01] Mówca 1: [00:05] Mówca 2:
Mówca 1 00:01
Mówca 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 Mówca 1> 00:00:05.100 --> 00:00:08.300 <v Mówca 2>
Domyślnie wiersz napisów ma 42 znaki. Możesz to zmienić przed pobraniem.
Co SpeechGen robi z Twoim nagraniem
Identyfikacja mówców
Każdy mówca dostaje etykietę. Zmień nazwę raz, a zmieni się w całym tekście. Fragment możesz przenieść do innego mówcy.
Znaczniki czasu słów
Kliknij słowo, aby odtworzyć nagranie od tego miejsca. Bieżące słowo jest podświetlane podczas odtwarzania.
70+ języków
Z odmianami regionalnymi angielskiego, hiszpańskiego, arabskiego i innych języków. Większość modeli sama rozpoznaje język.
Nagrywanie mikrofonem
Nagrywaj w przeglądarce, wstrzymuj i wznawiaj, a potem wyślij gotowe nagranie. Do notatek głosowych użyj strony zamiana mowy na tekst.
Wideo i linki
Prześlij plik wideo albo wklej link do YouTube lub Google Drive. Dźwięk jest wyodrębniany automatycznie.
Podgląd pierwszej minuty
Przy plikach dłuższych niż 30 minut przetwórz tylko pierwszą minutę, aby sprawdzić jakość. Potem cały plik.
Transkrybuj ponownie
Wynik Ci nie odpowiada? Uruchom jeszcze raz z innym modelem lub językiem. Cenę widzisz przed potwierdzeniem.
Praca seryjna: do 100 plików w jednym przesłaniu i do 20 w jednym eksporcie — wystarczy na cykl wywiadów albo semestr wykładów.
Modele rozpoznawania mowy
Każdy model ma swoje mocne strony i cenę. Nie wiesz, który wybrać? Zacznij od Szybkiego albo przetwórz pierwszą minutę dwoma modelami i porównaj.
| Model | Do czego | Dokładność | Szybkość | Języki | Wykrywa język | Limit pliku | Cena |
|---|---|---|---|---|---|---|---|
| SzybkiMicrosoft Fast | Najszybsze wyniki i najdłuższa lista języków. Minuta kosztuje dwa razy więcej. | 76 | Tak | 3 h / 1 GB | 278 kredytów/min | ||
| DokładnyMAI-Transcribe-2 | Wysoka dokładność przy wywiadach, wykładach i spotkaniach. Mniejszy limit pliku. | 57 | Tak | 2 h / 300 MB | 139 kredytów/min | ||
| ZrównoważonyGrok Voice Transcribe 2.0 | Wysoka dokładność przy średniej szybkości. Dobry do długich nagrań, do 3 godzin. | 25 | Tak | 3 h / 1 GB | 139 kredytów/min | ||
| UlepszonyMicrosoft LLM Speech | Rozpoznawanie mowy z wbudowanym modelem językowym dla najpopularniejszych języków. | — | 24 | Tak | 3 h / 1 GB | 139 kredytów/min | |
| StandardowyWhisper (Microsoft Azure) | Obsługuje pełną listę języków. Język wybierasz sam. Wolniejszy od pozostałych. | 76 | Ręcznie | 3 h / 1 GB | 139 kredytów/min |
Ceny są w kredytach z Twojego salda SpeechGen. Dokładną kwotę dla Twojego pliku widzisz przed startem.
Eksport do TXT, DOCX, PDF i napisów
Dokumenty
TXTDOCXPDF
Napisy
SRTVTTSUB
Dane
CSVJSON
Schowek
Kopiuj tekst
- Akapity
- Automatycznie albo od 1 do 8 wierszy na akapit. Nowy akapit zaczyna się po pauzie; ustaw jej długość (domyślnie 700 ms).
- Znaczniki czasu
- Przy akapitach, przy wypowiedziach, przy obu albo wcale.
- Mówcy
- Pokaż lub ukryj nazwy mówców. Połącz kolejne wypowiedzi tej samej osoby.
- Wiersze napisów
- Ustaw znaki w wierszu (domyślnie 42) i słowa w wierszu.
- Zwykły tekst
- Usuń znaczniki czasu i nazwy mówców, aby dostać czysty tekst do dokumentu lub narzędzia AI.
Ponad 70 języków
70+ języków · 130+ odmian regionalnych · automatyczne rozpoznawanie języka
Polski, angielski, niemiecki, ukraiński, hiszpański, francuski, włoski, japoński, koreański, arabski, turecki i ponad 60 innych. Wybierz język nagrania albo pozwól modelowi go rozpoznać — audio na tekst po niemiecku, ukraińsku czy hiszpańsku działa tak samo. Lista zależy od modelu: najwięcej języków mają Szybki i Standardowy.
Co ludzie przepisują na tekst
Dziennikarze i badacze
Transkrypcja wywiadów: cytaty z mówcą i dokładnym czasem.
Studenci i wykładowcy
Wykłady zamieniają się w notatki, które da się przeszukać.
Podcasterzy i twórcy wideo
Opis odcinka i napisy z jednego przesłania.
Spotkania i zebrania
Stenogram z nagrania rozmów i spotkań.
Twórcy napisów
Pobierz SRT lub VTT i dopasuj długość wiersza. Masz plik wideo? Skorzystaj z transkrypcji wideo.
Tłumacze
Zacznij od wiernego tekstu źródłowego w oryginalnym języku.
Cena za minutę nagrania
Płacisz kredytami z salda SpeechGen — tego samego, którego używasz do zamiany tekstu na mowę. Większość modeli kosztuje 139 kredytów za minutę nagrania; Szybki — 278. Cenę dla Twojego pliku widzisz przed startem, a jeśli przetwarzanie się nie uda, kredyty wracają na saldo.
139kredytów / minDokładny · Zrównoważony · Ulepszony · Standardowy
278kredytów / minSzybki
Prywatność i przechowywanie plików
- Szyfrowany transfer
- Pliki i teksty są przesyłane przez HTTPS (TLS).
- Okres przechowywania
- Z kontem pliki i teksty są przechowywane 90 dni. Bez konta — 1 dzień. Plik możesz usunąć w każdej chwili.
- Prywatne wyniki
- Tylko Ty otwierasz swoje wyniki: na swoim koncie albo, bez konta, w tej samej przeglądarce. Sam link nie daje dostępu. Aby komuś przekazać tekst, pobierz go i wyślij plik.
Najczęstsze pytania
Jak dokładny jest wynik?
Zależy od nagrania i modelu. Najlepsze wyniki daje wyraźna mowa jednej lub dwóch osób. Szum w tle, muzyka, nakładające się głosy, silny akcent i dźwięk z rozmowy telefonicznej powodują więcej błędów. Zawsze sprawdź nazwiska i liczby przed publikacją.
Ile to trwa?
Zależy od długości pliku, modelu i bieżącej kolejki. Możesz zamknąć stronę: tekst zapisze się w Twoich plikach i pojawi się, gdy będzie gotowy.
Jakie pliki mogę przesłać? Czy zamienię MP3 na tekst?
Tak, MP3 na tekst to podstawowy przypadek. Pliki audio i wideo do 1 GB i 3 godzin (model Dokładny: do 300 MB i 2 godzin). Popularne formaty: MP3, WAV, M4A, OGG, OPUS, FLAC, AAC, MP4, MOV, MKV, AVI, WEBM. Głosówkę z Messengera lub WhatsAppa zapisz jako plik i prześlij. Możesz też wkleić link do YouTube, publiczny link Google Drive albo bezpośredni link do pliku.
Jakie języki są obsługiwane?
Ponad 70, wiele z odmianami regionalnymi. Większość modeli sama rozpoznaje język; w modelu Standardowy wybierasz go sam. Jeśli nagranie jest w rzadkim języku, przetwórz pierwszą minutę, aby sprawdzić jakość.
Ile to kosztuje?
Płacisz kredytami z salda SpeechGen, za minutę nagrania. Cena zależy od modelu i widzisz ją przed startem.
Czy mogę edytować tekst?
Możesz zmieniać nazwy mówców, przenosić fragmenty do innego mówcy i usuwać fragmenty. Aby poprawić słowa, pobierz DOCX lub TXT i edytuj plik w swoim edytorze tekstu.
Jak długo są przechowywane pliki i kto je widzi?
Z kontem — 90 dni, bez konta — 1 dzień. Plik możesz usunąć wcześniej. Stronę z wynikiem otwierasz tylko Ty; aby komuś przekazać tekst, pobierz go i wyślij plik.
Czy przepisywanie nagrań wymaga programu do transkrypcji?
Nie. Wszystko działa w przeglądarce na komputerze i telefonie. Prześlij plik, nagraj głos albo wklej link.
Który model wybrać?
Do większości nagrań zacznij od Szybkiego. Przy wywiadach i wykładach, gdzie liczy się każde słowo, wypróbuj Dokładny. Jeśli Twojego języka nie ma na liście, użyj Standardowego i wybierz język sam.
Inne sposoby na tekst z nagrania
Wypróbuj na swoim nagraniu
Prześlij plik, nagraj głos albo wklej link. Cenę widzisz przed startem.