Privasi Utama
File yang diunggah akan dihapus secara otomatis dan permanen dalam waktu dua jam.
Penghapusan otomatis
Ucapan ke TXT
Diktekan catatan dikte, 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 suara sumber terbuka, di server kami sendiri – dalam sekitar 100 bahasa yang terdeteksi secara otomatis.
-
Rekam: Berbicaralah 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; tandai perubahan pembicara secara opsional untuk wawancara dan rapat. Output: file teks biasa (.txt, UTF 8).
-
Privat: Tidak ada yang diunggah hingga Anda mengonfirmasi. Audio dan transkrip akan dihapus secara otomatis setelah diproses, paling lambat dalam beberapa jam.
Transkripsi
Cara kerja konversi ucapan ke TXT
Halaman ini menggabungkan perekam dalam 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 dirilis oleh OpenAI, yang berjalan pada perangkat keras kami sendiri, bukan melalui 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 masuk. Atau unggah rekaman yang sudah ada – memo suara dari ponsel apa pun dapat digunakan.
2
Periksa dan mulai
Dengarkan rekaman di dialog. Aktifkan "Deteksi beberapa pembicara" untuk wawancara dan rapat (fitur ini menandai siapa yang berbicara, tetapi membutuhkan waktu lebih lama). Lalu mulai transkripsi.
3
Unduh transkrip
Kemajuan ditampilkan saat model bekerja; beberapa menit audio ucapan biasanya diproses dalam waktu kurang dari satu menit. Unduh file teks biasa (.txt, UTF 8) dari halaman hasil.
Fitur utama
Didukung oleh Whisper
Whisper dilatih dengan 680.000 jam audio multibahasa dan mampu menangani aksen, kebisingan latar belakang, serta kosakata teknis jauh lebih baik daripada mesin dikte beberapa tahun lalu. Bahasa terdeteksi secara otomatis.
Deteksi pembicara sesuai permintaan
Untuk percakapan, deteksi pembicara opsional menandai pergantian pembicara dalam transkrip. Fitur ini kira-kira menggandakan waktu pemrosesan, sehingga dinonaktifkan secara default.
Output TXT yang sesuai dengan alur kerja Anda
Transkrip disimpan sebagai file teks UTF 8 biasa dengan tanda baca dan pemisah paragraf normal, sehingga dapat dibuka di editor, pengolah kata, atau aplikasi catatan apa pun dan ditempelkan di mana saja.
Gratis dan privat
Tanpa akun, tanpa tanda air, tanpa batas percobaan. Rekaman tidak pernah meninggalkan perangkat Anda hingga Anda mengonfirmasi, dan audio serta transkrip akan 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
Cara ucapan menjadi TXT di halaman ini
Browser Anda merekam audio dari 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 kali proses, termasuk tanda baca dan pemisah kalimat. Jika deteksi pembicara diaktifkan, model pemisahan pembicara terlebih dahulu membagi audio berdasarkan pembicara, lalu transkrip diberi anotasi sesuai pembicara.
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. 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 jarak mikrofon 10–20 cm dari mulut Anda; ponsel yang dipegang dekat lebih baik daripada laptop di seberang meja. Matikan kipas angin, tutup jendela, dan hindari ruangan dengan gema yang kuat.
Bicaralah dengan kecepatan normal dan selesaikan kalimat – model menggunakan konteks, sehingga kalimat yang terputus dan kata pengisi menghasilkan teks yang lebih buruk daripada ucapan lengkap dengan tempo sedikit lebih lambat. Untuk wawancara, mintalah orang-orang untuk tidak berbicara bersamaan; suara yang tumpang tindih adalah kasus tersulit bagi sistem pengenal suara apa pun.
Dengarkan pratinjau sebelum memulai. Jika pengukur level hampir tidak bergerak atau terus-menerus berada pada tingkat penuh, rekam ulang daripada berharap transkripnya akan keluar dengan benar.
Kegunaan umum konversi suara ke TXT
Alat ini digunakan oleh guru, podcaster, jurnalis, dan siapa saja yang berpikir lebih cepat saat berbicara daripada mengetik: menyusun email atau artikel dengan berbicara, membuat notulen rapat, mengubah kuliah atau rekaman suara menjadi catatan yang dapat dicari, mentranskripsikan jawaban wawancara untuk penelitian, serta mendapatkan versi 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 berbahasa Spanyol, atau kuliah berbahasa Inggris tanpa pengaturan apa pun. Transkrip tidak diterjemahkan – transkrip ditulis dalam bahasa yang diucapkan.
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 saat berbicara. 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 jernih hanya memerlukan pembacaan cepat pada hasilnya dengan memperhatikan hal-hal tersebut.
FAQ
Pertanyaan yang Sering Diajukan
Seberapa akurat transkripnya?
Dengan rekaman yang jelas dan satu pembicara, Whisper biasanya mengenali 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 perekaman di bawah ini lebih membantu daripada pengaturan apa pun.
Bahasa apa saja yang didukung?
Whisper mengenali sekitar 100 bahasa dan memilih bahasa secara otomatis dari beberapa detik pertama audio, jadi 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 pada dialog. Jika Anda membatalkan atau menutup tab, tidak ada yang dikirim. File yang diunggah dan transkrip akan dihapus secara otomatis setelah pemrosesan.
Berapa lama durasi rekaman?
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 lagi.
Apa fungsi "Deteksi beberapa pembicara"?
Sistem menjalankan tahap diarisation 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.
Mengapa menggunakan file .txt, bukan dokumen Word?
Teks biasa adalah hasil yang paling mudah dibawa: dapat dibuka di semua perangkat, ditempel dengan rapi ke catatan, e-mail, editor CMS, dan chat, serta berukuran sangat kecil. Jika Anda memerlukan dokumen berformat, tempelkan teks ke pengolah kata Anda atau gunakan alat ucapan ke PDF di situs ini.