Privasi Utama
File yang diunggah akan dihapus secara otomatis dan permanen dalam waktu dua jam.
Penghapusan otomatis
Suara ke Teks
Diktekan catatan suara, pengingat, pesan untuk rekan kerja, atau memo 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: Bicaralah 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; secara 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 konversi suara 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 suara dilakukan oleh Whisper, model sumber terbuka yang diterbitkan 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 satu kali, lalu 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 dalam dialog. Aktifkan "Deteksi beberapa pembicara" untuk wawancara dan rapat (fitur ini menandai siapa yang berbicara, tetapi memerlukan waktu jauh lebih lama). Kemudian mulai transkripsi.
3
Unduh transkrip
Progres ditampilkan saat model bekerja; beberapa menit rekaman suara 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 kurang lebih 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 dan 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 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
Bagaimana suara 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 suara sumber terbuka – mengubahnya menjadi teks dalam satu proses, termasuk tanda baca dan jeda kalimat. Jika deteksi pembicara diaktifkan, model diarisasi terlebih dahulu membagi audio berdasarkan pembicara dan transkrip diberi anotasi sesuai pembicara.
Transkrip disimpan sebagai file teks UTF 8 biasa dengan tanda baca normal dan jeda 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 ucapan hanya akan sebaik kualitas audionya. Tiga hal yang paling berpengaruh adalah jarak, kebisingan, dan ucapan yang saling tumpang tindih. Jaga mikrofon pada jarak 10–20 cm dari mulut Anda; ponsel yang dipegang dekat lebih baik daripada laptop di seberang meja. Matikan kipas, tutup jendela, dan hindari ruangan dengan gema yang kuat.
Bicaralah dengan kecepatan normal dan selesaikan kalimat – model menggunakan konteks, jadi kalimat yang tidak lengkap dan kata pengisi menghasilkan teks yang lebih buruk dibandingkan ucapan lengkap dengan tempo sedikit lebih lambat. Untuk wawancara, minta orang-orang agar tidak berbicara bersamaan; ucapan yang tumpang tindih adalah kasus tersulit bagi sistem pengenalan ucapan apa pun.
Dengarkan pratinjau sebelum memulai. Jika pengukur level hampir tidak bergerak atau terus-menerus berada pada level penuh, rekam ulang alih-alih berharap transkrip akan keluar dengan benar.
Penggunaan umum suara ke teks
Alat ini digunakan oleh orang yang lebih suka berbicara daripada mengetik, atau yang memerlukan pesan suara di luar aplikasi chat: 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 pesan suara yang dapat dibaca ketika 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 diucapkan.
Untuk audio yang sudah tersedia sebagai file – podcast, kuliah, panggilan – konverter audio ke teks dan MP3 ke teks di situs ini menjalankan mesin yang sama dengan opsi yang sama.
Yang tidak dilakukan alat ini
Alat ini tidak menerjemahkan: transkrip dibuat dalam bahasa yang diucapkan. 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 mendeteksi 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; untuk rekaman yang jernih, biasanya cukup membaca cepat hasilnya sambil memeriksa hal-hal tersebut.
FAQ
Pertanyaan yang Sering Diajukan
Seberapa akurat transkripnya?
Dengan rekaman yang jernih dan satu pembicara, Whisper biasanya mengenali jauh di atas 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 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; teks tidak diterjemahkan.
Apakah audio diunggah saat saya berbicara?
Tidak. Perekam menyimpan audio di browser Anda hingga Anda menekan tombol dalam dialog. Jika Anda membatalkan atau menutup tab, tidak ada yang dikirim. File yang diunggah dan transkrip akan dihapus secara otomatis setelah diproses.
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 kira-kira waktu yang sama lagi.
Apa fungsi "Deteksi beberapa pembicara"?
Alat ini menjalankan tahap diarisation pembicara sebelum transkripsi dan menambahkan penanda setiap kali pembicara berganti. Gunakan untuk wawancara, rapat, dan podcast; nonaktifkan untuk dikte dan catatan suara, karena hanya akan 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.