Поверителността на първо място
Качените файлове се изтриват автоматично и окончателно в рамките на два часа.
Автоматично изтриване
Преобразуване на реч в текст
Диктувайте текст, нарация, бележки от лекция, отговори от интервю или кратък гласов запис директно в браузъра или качете запис и получете думите като обикновен текстов файл (.txt, UTF 8). Транскрибирането се извършва с Whisper — модела с отворен код за разпознаване на реч — на собствените ни сървъри, на приблизително 100 езика, разпознавани автоматично.
-
Запис: Говорете в рекордера в браузъра – до 30 минути на запис – или качете MP3, WAV, M4A, AAC, OGG, FLAC или WebM.
-
Транскрибиране: Whisper записва думите с пунктуация; по избор отбелязва смяната на говорещите при интервюта и срещи. Изходен файл: обикновен текстов файл (.txt, UTF 8).
-
Поверителност: Нищо не се качва, докато не потвърдите. Аудиото и транскрипцията се изтриват автоматично след обработката, най-късно в рамките на няколко часа.
Транскрибиране
Как работи преобразуването на реч в текст
Страницата съчетава вграден в браузъра рекордер с GPU система за транскрибиране. Записването използва интерфейса MediaRecorder, вграден в Chrome, Firefox, Edge и Safari; разпознаването се извършва от Whisper — модела с отворен код, публикуван от OpenAI, който работи на наш собствен хардуер, а не чрез API на трета страна.
Как да използвате Converter App
1
Запишете или качете файл
Натиснете „Запис с микрофона“, разрешете достъп еднократно и говорете. Таймерът и индикаторът за ниво потвърждават, че се получава аудио. Или качете съществуващ запис – гласови бележки от всеки телефон са подходящи.
2
Проверете и започнете
Прослушайте записа в диалоговия прозорец. Включете „Откриване на множество говорители“ за интервюта и срещи (отбелязва кой говори, но отнема значително повече време). След това стартирайте транскрипцията.
3
Изтеглете транскрипцията
Напредъкът се показва, докато моделът работи; обработването на няколко минути говор обикновено отнема значително по-малко от минута. Изтеглете файл с обикновен текст (.txt, UTF 8) от страницата с резултата.
Основни функции
Технология Whisper в основата си
Whisper е обучен с 680 000 часа многоезично аудио и се справя с акценти, фонов шум и техническа терминология много по-добре от системите за диктовка отпреди няколко години. Езикът се разпознава автоматично.
Разпознаване на говорители при поискване
За разговори опционалното разпознаване на говорители обозначава смяната на говорителя в транскрипцията. То приблизително удвоява времето за обработка, затова по подразбиране е изключено.
Текстов изход, който отговаря на вашия работен процес
Транскрипцията се запазва като обикновен UTF 8 текстов файл с нормална пунктуация и нови абзаци, така че се отваря във всеки текстов редактор, текстообработваща програма или приложение за бележки и може да бъде поставена навсякъде.
Безплатно и поверително
Без акаунт, без воден знак, без ограничение за пробен период. Записът не напуска Вашето устройство, докато не потвърдите, а аудиофайлът и транскрипцията се изтриват автоматично след обработката.
Опит и поверителност
Създаден за надеждни работни процеси по транскрибиране.
Разработено от инженери с над 10 години опит в голяма инфраструктура, системи за данни и научни изчисления. Проектирано за реални работни процеси с аудио, където поверителността, надеждната обработка и практическата използваемост са важни.
Одобрено от потребителите
Оценен с 5 звезди в Trustpilot за бързина, надеждност и лесна употреба.
Доверие на потребителите
Академична употреба
Цитирано в публикувани изследвания и използвано за транскрибиране на интервюта и качествен анализ на данни.
Изследователска употреба
Измерено на нашите сървъри
Какво да очаквате при конвертиране на Speech в Text
Реални данни от всяко конвертиране с този инструмент от 24 октомври 2026 насам. Тук няма приблизителни стойности: записваме колко време е отнела всяка задача и колко големи са били файловете. Имената и съдържанието на файловете никога не се съхраняват.
9.2 сек.
Типично време за обработка
за файл с размер 1.6 МБ (медиана)
23
Конвертирания
от 24 октомври 2026
141 MB
Най-голям конвертиран файл
от 24 октомври 2026
Колко време отнема конвертирането на файлове
дял от всички конвертирания
- под 1 сек.0%
- 1–10 сек.52%
- 10–60 сек.39%
- 1–5 мин.0%
- над 5 мин.9%
Времената се отнасят само за обработката на сървъра и се измерват след приключване на качването; качването и изтеглянето не са включени. Големите файлове отнемат повече време, но ограничението е еднакво за всички: без акаунт и без възможност за закупуване на приоритет в опашката. Актуализирано 2026-11-02
Как речта се превръща в текст на тази страница
Вашият браузър записва микрофона като Opus аудио (Chrome, Firefox, Edge) или AAC (Safari) и го съхранява в паметта. Когато потвърдите, файлът се качва чрез HTTPS на един от нашите сървъри за транскрибиране.
Там ffmpeg декодира аудиото, а Whisper – модел с отворен код за разпознаване на реч – го преобразува в текст с едно преминаване, включително с пунктуация и разделяне на изреченията. Ако е включено разпознаването на говорители, модел за диаризация първо разделя аудиото по говорители, а транскрипцията се анотира съответно.
Транскрипцията се записва като обикновен UTF 8 текстов файл с нормална пунктуация и абзаци, така че се отваря във всеки текстов редактор, текстообработваща програма или приложение за бележки и може да бъде поставена навсякъде. Страницата с резултата Ви позволява да я изтеглите; аудиото и транскрипцията се изтриват автоматично след това.
Съвети за запис, които са по-важни от всяка настройка
Разпознаването на реч е толкова добро, колкото е добър аудиозаписът. Най-голямо значение имат три неща: разстоянието, шумът и припокриването на гласове. Дръжте микрофона на 10–20 см от устата си; телефон, държан близо, е по-добър от лаптоп от другата страна на масата. Изключете вентилаторите, затворете прозореца и избягвайте помещения със силно ехо.
Говорете с нормално темпо и завършвайте изреченията – моделът използва контекста, затова недовършените изречения и паразитните думи водят до по-неточен текст от малко по-бавната, но завършена реч. При интервюта помолете хората да не говорят едновременно; припокриващата се реч е най-трудният случай за всяка система за разпознаване.
Прослушайте предварителния преглед, преди да започнете. Ако индикаторът за нивото едва помръдва или постоянно е на максимална стойност, запишете отново, вместо да се надявате, че транскрипцията ще се получи правилно.
Типични приложения на преобразуването на реч в текст
Този инструмент се използва от учители, подкастъри, журналисти и всеки, който мисли по-бързо, когато говори, отколкото когато пише на клавиатура: за съставяне на имейл или статия чрез говорене, записване на протоколи от срещи, превръщане на лекция или гласова бележка в бележки с възможност за търсене, транскрибиране на отговори от интервюта за проучвания и получаване на четима версия на гласово съобщение, което в момента не може да бъде възпроизведено.
Тъй като Whisper разпознава езика автоматично, една и съща страница работи за диктовка на немски, гласова бележка на испански или лекция на английски без никакви настройки. Транскрипцията не се превежда – тя се изписва на езика, на който е говорено.
За аудио, което вече съществува като файл – подкасти, лекции, разговори – конверторите от аудио в текст и от MP3 в текст на този сайт използват същата интелигентна система със същите опции.
Какво не прави този инструмент
Той не превежда: транскрипциите са на говоримия език. Не създава времеви маркери за субтитри – за SRT или VTT файлове използвайте конверторите за субтитри на този сайт. Не разпознава говорещите по име, а само отчита смяната на говорещия, когато разпознаването на говорещи е включено. Също така не може да възстанови думи, които не се чуват в записа.
Собствените имена, имената на продукти и редките съкращения са най-честите грешки; обикновено е достатъчно бързо да прегледате резултата с оглед на тях, за да редактирате чист запис.
FAQ
Често задавани въпроси
Колко точен е преписът?
При ясен запис и един говорещ Whisper обикновено разпознава правилно над 90 % от думите на основните езици, включително пунктуацията. Точността намалява при силен фонов шум, когато няколко души говорят едновременно, при много тихо аудио или силен диалект – съветите за запис по-долу помагат повече от която и да е настройка.
Кои езици се поддържат?
Whisper разпознава приблизително 100 езика и автоматично избира езика от първите секунди на аудиото, така че не е необходимо да настройвате нищо. Записи със смесени езици се транскрибират на преобладаващия език. Транскрипцията се изписва на говоримия език; тя не се превежда.
Аудиото качва ли се, докато говоря?
Не. Рекордерът съхранява аудиото във Вашия браузър, докато не натиснете бутона в диалоговия прозорец. Ако отмените действието или затворите раздела, нищо не се изпраща. Качените файлове и транскрипциите се изтриват автоматично след обработката.
Колко дълъг може да бъде записът?
Рекордерът в браузъра спира след 30 минути; качените файлове могат да бъдат по-дълги. Времето за обработка се увеличава с продължителността на аудиото, а разпознаването на говорители добавя приблизително още толкова време.
Какво прави „Откриване на няколко говорители“?
Преди транскрипцията се извършва разпознаване на говорителите и се добавя маркер при всяка смяна на говорителя. Използвайте тази функция за интервюта, срещи и подкасти; оставете я изключена за диктовки и гласови бележки, при които само удължава времето за изчакване.
Мога ли да редактирам текста след това?
Да – резултатът е обикновен .txt файл. Отворете го в произволен редактор, коригирайте имена или технически термини, които моделът е разпознал неправилно, и го поставете там, където Ви е необходим. Собствените имена и редките съкращения са най-честите неща, които трябва да проверите.