Privasi Utama
File yang diunggah akan dihapus secara otomatis dan permanen dalam waktu dua jam.
Penghapusan otomatis
Ucapan ke Teks
Diktekan teks, narasi, catatan kuliah, jawaban wawancara, atau sulih suara singkat langsung di browser, atau unggah rekaman, lalu terima hasilnya sebagai file teks biasa (.txt, UTF 8). Transkripsi menggunakan Whisper, model pengenalan ucapan sumber terbuka, di server kami sendiri – dalam sekitar 100 bahasa yang dideteksi secara otomatis.
-
Rekam: Bicara ke perekam di browser – hingga 30 menit per rekaman – atau unggah MP3, WAV, M4A, AAC, OGG, FLAC, atau WebM.
-
Transkripsi: Whisper menuliskan kata-kata dengan tanda baca; opsional menandai pergantian pembicara untuk wawancara dan rapat. Output: file teks biasa (.txt, UTF 8).
-
Privat: Tidak ada yang diunggah hingga Anda mengonfirmasi. Audio dan transkrip dihapus secara otomatis setelah diproses, paling lambat dalam beberapa jam.
Transkripsi
Cara kerja ucapan ke teks
Halaman ini menggabungkan perekam di browser dengan backend transkripsi GPU. Perekaman menggunakan antarmuka MediaRecorder yang tersedia di Chrome, Firefox, Edge, dan Safari; pengenalan dilakukan oleh Whisper, model sumber terbuka yang diterbitkan oleh OpenAI, yang berjalan pada perangkat keras kami sendiri, bukan pada API pihak ketiga.
Cara menggunakan Converter App
1
Rekam atau unggah
Tekan "Rekam dengan mikrofon Anda", izinkan akses sekali, lalu mulai berbicara. Pengatur waktu dan pengukur level mengonfirmasi bahwa audio sedang masuk. Atau unggah rekaman yang sudah ada – memo suara dari ponsel apa pun dapat digunakan.
2
Periksa dan mulai
Dengarkan rekaman dalam dialog. Aktifkan "Deteksi beberapa pembicara" untuk wawancara dan rapat (fitur ini menandai siapa yang berbicara, tetapi prosesnya jauh lebih lama). Kemudian mulai transkripsi.
3
Unduh transkrip
Kemajuan ditampilkan saat model bekerja; beberapa menit audio biasanya diproses dalam waktu jauh di bawah satu menit. Unduh file teks biasa (.txt, UTF 8) dari halaman hasil.
Fitur utama
Didukung oleh Whisper
Whisper dilatih menggunakan 680.000 jam audio multibahasa dan mampu menangani aksen, kebisingan latar belakang, serta kosakata teknis jauh lebih baik dibandingkan mesin dikte beberapa tahun lalu. Bahasa dideteksi secara otomatis.
Deteksi pembicara sesuai permintaan
Untuk percakapan, deteksi pembicara opsional menandai perubahan pembicara dalam transkrip. Fitur ini kira-kira menggandakan waktu pemrosesan, sehingga dinonaktifkan secara default.
Output teks yang sesuai dengan alur kerja Anda
Transkrip disimpan sebagai file teks UTF 8 biasa dengan tanda baca dan jeda paragraf normal, sehingga dapat dibuka di editor, pengolah kata, atau aplikasi catatan apa pun serta ditempelkan di mana saja.
Gratis dan privat
Tanpa akun, tanpa watermark, tanpa batas percobaan. Rekaman tidak pernah meninggalkan perangkat Anda hingga Anda mengonfirmasi, dan audio serta transkrip dihapus secara otomatis setelah diproses.
Pengalaman & privasi
Dibuat untuk alur kerja transkripsi yang andal.
Dikembangkan oleh para insinyur dengan pengalaman lebih dari 10 tahun dalam infrastruktur skala besar, sistem data, dan komputasi ilmiah. Dirancang untuk alur kerja audio dunia nyata yang mengutamakan privasi, pemrosesan yang andal, dan kemudahan penggunaan yang praktis.
Dipercaya oleh Pengguna
Dinilai 5 bintang di Trustpilot karena kecepatan, keandalan, dan kemudahan penggunaan.
Kepercayaan pengguna
Penggunaan Akademik
Dirujuk dalam penelitian yang telah dipublikasikan dan digunakan untuk transkripsi wawancara dan analisis data kualitatif.
Penggunaan untuk penelitian
Bagaimana ucapan diubah menjadi teks di halaman ini
Browser Anda merekam mikrofon sebagai audio Opus (Chrome, Firefox, Edge) atau AAC (Safari) dan menyimpannya di memori. Saat Anda mengonfirmasi, file diunggah melalui HTTPS ke salah satu server transkripsi kami.
Di sana, ffmpeg mendekode audio dan Whisper – model pengenalan ucapan sumber terbuka – mengubahnya menjadi teks dalam satu proses, termasuk tanda baca dan pemisah kalimat. Jika deteksi pembicara aktif, model diarisation terlebih dahulu memisahkan audio berdasarkan pembicara dan transkrip diberi anotasi sesuai pembicara.
Transkrip disimpan sebagai file teks UTF 8 biasa dengan tanda baca normal dan pemisah paragraf, sehingga dapat dibuka di editor, pengolah kata, atau aplikasi catatan apa pun serta ditempelkan di mana saja. Halaman hasil memungkinkan Anda mengunduhnya; audio dan transkrip akan dihapus secara otomatis setelahnya.
Tips perekaman yang lebih penting daripada pengaturan apa pun
Pengenalan suara hanya sebaik kualitas audionya. Tiga hal yang paling berpengaruh adalah jarak, kebisingan, dan tumpang tindih suara. Jaga mikrofon tetap berjarak 10–20 cm dari mulut; ponsel yang dipegang dekat lebih baik daripada laptop yang berada di seberang meja. Matikan kipas angin, tutup jendela, dan hindari ruangan dengan gema yang kuat.
Berbicaralah dengan kecepatan normal dan selesaikan kalimat – model menggunakan konteks, sehingga kalimat yang terputus dan kata-kata pengisi menghasilkan teks yang lebih buruk dibandingkan ucapan lengkap dengan kecepatan sedikit lebih lambat. Untuk wawancara, mintalah orang-orang agar tidak berbicara bersamaan; suara yang tumpang tindih adalah kasus tersulit bagi sistem pengenal suara apa pun.
Dengarkan pratinjau sebelum memulai. Jika indikator level hampir tidak bergerak atau terus-menerus berada pada level penuh, rekam ulang daripada berharap transkripnya akan keluar dengan benar.
Kegunaan umum speech to text
Alat ini digunakan oleh guru, podcaster, jurnalis, dan siapa pun yang berpikir lebih cepat saat berbicara daripada mengetik: menyusun e-mail atau artikel dengan berbicara, mencatat notulen rapat, mengubah kuliah atau memo suara menjadi catatan yang dapat dicari, mentranskripsikan jawaban wawancara untuk penelitian, serta mendapatkan versi teks yang mudah dibaca dari pesan suara yang tidak dapat diputar saat ini.
Karena Whisper mendeteksi bahasa secara otomatis, halaman yang sama dapat digunakan untuk dikte bahasa Jerman, catatan suara bahasa Spanyol, atau kuliah bahasa Inggris tanpa pengaturan apa pun. Transkrip tidak diterjemahkan – transkrip ditulis dalam bahasa yang digunakan saat berbicara.
Untuk audio yang sudah tersedia sebagai file – podcast, kuliah, panggilan – konverter audio ke teks dan MP3 ke teks di situs ini menggunakan mesin yang sama dengan opsi yang sama.
Yang tidak dilakukan alat ini
Alat ini tidak menerjemahkan: transkrip dibuat dalam bahasa yang digunakan dalam rekaman. Alat ini tidak menghasilkan penanda waktu subtitle – untuk file SRT atau VTT, gunakan konverter subtitle di situs ini. Alat ini tidak mengidentifikasi pembicara berdasarkan nama, hanya berdasarkan pergantian pembicara saat deteksi pembicara diaktifkan. Alat ini juga tidak dapat memulihkan kata-kata yang tidak terdengar dalam rekaman.
Nama diri, nama produk, dan singkatan yang jarang digunakan merupakan kesalahan yang paling sering terjadi; biasanya, rekaman yang jelas hanya memerlukan pemeriksaan singkat pada hasil dengan memperhatikan hal-hal tersebut.
FAQ
Pertanyaan yang Sering Diajukan
Seberapa akurat transkripnya?
Dengan rekaman yang jelas dan satu pembicara, Whisper biasanya mengenali jauh lebih dari 90 % kata dengan benar dalam bahasa-bahasa utama, termasuk tanda baca. Akurasi menurun jika terdapat kebisingan latar yang kuat, beberapa orang berbicara bersamaan, audio sangat pelan, atau dialek yang kental – tips rekaman di bawah ini lebih membantu daripada pengaturan apa pun.
Bahasa apa saja yang didukung?
Whisper mengenali sekitar 100 bahasa dan secara otomatis memilih bahasa dari beberapa detik pertama audio, sehingga tidak ada yang perlu diatur. Rekaman dengan campuran bahasa ditranskripsikan dalam bahasa yang dominan. Transkrip ditulis dalam bahasa yang diucapkan; tidak diterjemahkan.
Apakah audio diunggah saat saya berbicara?
Tidak. Perekam menyimpan audio di browser Anda hingga Anda menekan tombol di dialog. Jika Anda membatalkan atau menutup tab, tidak ada yang dikirim. File yang diunggah dan transkrip dihapus secara otomatis setelah diproses.
Berapa lama durasi rekamannya?
Perekam di browser berhenti setelah 30 menit; file yang diunggah dapat lebih panjang. Waktu pemrosesan bertambah seiring durasi audio, dan deteksi pembicara menambahkan waktu yang kurang lebih sama.
Apa fungsi "Deteksi beberapa pembicara"?
Alat ini menjalankan proses diarisisasi pembicara sebelum transkripsi dan menyisipkan penanda setiap kali pembicara berganti. Gunakan untuk wawancara, rapat, dan podcast; nonaktifkan untuk dikte dan catatan suara karena hanya menambah waktu tunggu.
Apakah saya dapat mengedit teks setelahnya?
Ya – hasilnya berupa file .txt biasa. Buka file tersebut di editor apa pun, perbaiki nama atau istilah teknis yang salah didengar oleh model, lalu tempelkan di tempat yang Anda perlukan. Nama diri dan singkatan yang jarang digunakan adalah hal yang paling umum untuk diperiksa.