Confidențialitatea pe primul loc
Fișierele încărcate sunt șterse automat și permanent în decurs de două ore.
Ștergere automată
Voce în text
Dictați o notă vocală, un memento, un mesaj pentru un coleg sau o scurtă notă direct în browser ori încărcați o înregistrare și primiți cuvintele ca fișier text simplu (.txt, UTF 8). Transcrierea rulează cu Whisper, modelul open-source de recunoaștere vocală, pe propriile noastre servere – în aproximativ 100 de limbi, detectate automat.
-
Înregistrați: vorbiți în recorderul din browser – până la 30 de minute pentru fiecare înregistrare – sau încărcați MP3, WAV, M4A, AAC, OGG, FLAC ori WebM.
-
Transcrie: Whisper scrie cuvintele cu punctuație; opțional, marchează schimbările de vorbitor pentru interviuri și întâlniri. Rezultat: un fișier text simplu (.txt, UTF 8).
-
Confidențial: Nimic nu este încărcat până când nu confirmați. Fișierul audio și transcrierea sunt șterse automat după procesare, cel târziu în câteva ore.
Transcriere
Cum funcționează conversia vocii în text
Pagina combină un recorder în browser cu un backend de transcriere bazat pe GPU. Înregistrarea utilizează interfața MediaRecorder integrată în Chrome, Firefox, Edge și Safari; recunoașterea este realizată de Whisper, modelul open-source publicat de OpenAI, care rulează pe propriul nostru hardware, nu printr-un API terț.
Cum se folosește Converter App
1
Înregistrați sau încărcați
Apăsați „Înregistrați cu microfonul”, permiteți accesul o singură dată și vorbiți. Un cronometru și un indicator de nivel confirmă recepționarea semnalului audio. Sau încărcați o înregistrare existentă – sunt acceptate notițele vocale de pe orice telefon.
2
Verificați și începeți
Ascultați înregistrarea în fereastra de dialog. Activați „Detectează mai mulți vorbitori” pentru interviuri și întâlniri (indică cine vorbește, dar durează considerabil mai mult). Apoi începeți transcrierea.
3
Descărcați transcrierea
Progresul este afișat în timp ce modelul procesează; câteva minute de vorbire durează de obicei mult sub un minut. Descărcați un fișier text simplu (.txt, UTF 8) de pe pagina cu rezultate.
Funcții cheie
Whisper integrat în platformă
Whisper este antrenat pe 680.000 de ore de conținut audio multilingv și gestionează accentele, zgomotul de fundal și vocabularul tehnic mult mai bine decât sistemele de dictare de acum câțiva ani. Limba este detectată automat.
Detectarea vorbitorilor la cerere
Pentru conversații, detectarea opțională a vorbitorilor etichetează schimbările de vorbitor în transcriere. Aceasta dublează aproximativ timpul de procesare, motiv pentru care este dezactivată în mod implicit.
Text transcris care se potrivește fluxului dumneavoastră de lucru
Transcrierea este salvată ca fișier text simplu UTF 8, cu punctuație normală și separări în paragrafe, astfel încât se deschide în orice editor, procesor de text sau aplicație de notițe și poate fi lipită oriunde.
Gratuit și privat
Fără cont, fără filigran, fără limită de încercări. Înregistrarea nu părăsește niciodată dispozitivul dvs. până nu confirmați, iar fișierul audio și transcrierea sunt eliminate automat după procesare.
Experiență și confidențialitate
Construit pentru fluxuri de lucru de transcriere fiabile.
Dezvoltat de ingineri cu peste 10 ani de experiență în infrastructură la scară largă, sisteme de date și calcul științific. Proiectat pentru fluxuri de lucru audio din lumea reală, unde confidențialitatea, procesarea fiabilă și utilizarea practică sunt importante.
De încredere pentru utilizatori
Evaluat cu 5 stele pe Trustpilot pentru viteză, fiabilitate și ușurință în utilizare.
Încrederea utilizatorilor
Utilizare academică
Menționat în cercetări publicate și utilizat pentru transcrierea interviurilor și analiza calitativă a datelor.
Utilizare în scop de cercetare
Măsurat pe serverele noastre
La ce să vă așteptați când convertiți Voice în Text
Date reale din fiecare conversie realizată cu acest instrument din 24 octombrie 2026. Nimic de aici nu este estimat: înregistrăm durata fiecărei conversii și dimensiunea fișierelor. Numele și conținutul fișierelor nu sunt niciodată stocate.
64 sec.
Timp de procesare obișnuit
pentru un fișier de 8.1 MB (medie)
37
Conversii
din 24 octombrie 2026
131 MB
Cel mai mare fișier convertit
din 24 octombrie 2026
Timp estimat în funcție de dimensiunea fișierului
Cât durează conversiile
procent din toate conversiile
- sub 1 s0%
- 1–10 sec.14%
- 10–60 sec.35%
- 1–5 min.32%
- peste 5 min.19%
Timpii se referă doar la procesarea pe server, măsurată după finalizarea încărcării; încărcarea și descărcarea nu sunt incluse. Fișierele mari necesită mai mult timp, dar limita este aceeași pentru toată lumea: fără cont, fără prioritate în coadă de cumpărat. Actualizat 2026-11-02
Cum devine vocea text pe această pagină
Browserul dumneavoastră înregistrează sunetul de la microfon ca audio Opus (Chrome, Firefox, Edge) sau AAC (Safari) și îl păstrează în memorie. După confirmare, fișierul este încărcat prin HTTPS pe unul dintre serverele noastre de transcriere.
Acolo, ffmpeg decodifică sunetul, iar Whisper – un model open-source de recunoaștere a vorbirii – îl transformă în text dintr-o singură trecere, inclusiv cu punctuație și delimitări de propoziții. Dacă detectarea vorbitorilor este activată, un model de diarizare împarte mai întâi sunetul în funcție de vorbitor, iar transcrierea este marcată corespunzător.
Transcrierea este salvată ca fișier text simplu UTF 8, cu punctuație normală și separări în paragrafe, astfel încât să poată fi deschisă în orice editor, procesor de text sau aplicație de notițe și lipită oriunde. Pagina cu rezultate vă permite să o descărcați; sunetul și transcrierea sunt apoi șterse automat.
Sfaturi de înregistrare mai importante decât orice setare
Recunoașterea vocală este la fel de bună ca fișierul audio. Trei lucruri fac cea mai mare diferență: distanța, zgomotul și suprapunerea vocilor. Țineți microfonul la 10–20 cm de gură; un telefon ținut aproape este mai bun decât un laptop aflat de cealaltă parte a mesei. Opriți ventilatoarele, închideți fereastra și evitați încăperile cu ecou puternic.
Vorbiți într-un ritm normal și terminați propozițiile – modelul folosește contextul, astfel că propozițiile incomplete și cuvintele de umplutură produc un text mai slab decât vorbirea completă, puțin mai lentă. Pentru interviuri, rugați participanții să nu vorbească unii peste alții; vocile suprapuse reprezintă cel mai dificil caz pentru orice sistem de recunoaștere.
Ascultați previzualizarea înainte de a începe. Dacă indicatorul de nivel abia se mișcă sau rămâne constant la nivel maxim, înregistrați din nou în loc să sperați că transcrierea va ieși corect.
Utilizări obișnuite pentru conversia vocii în text
Acest instrument este folosit de persoane care preferă să vorbească în loc să tasteze sau care au nevoie de un mesaj vocal în afara unei aplicații de chat: redactarea unui e-mail sau a unui articol prin vorbire, înregistrarea proceselor-verbale ale ședințelor, transformarea unei prelegeri sau a unei note vocale în notițe în care se poate căuta, transcrierea răspunsurilor la interviuri pentru cercetare și obținerea unei versiuni ușor de citit a unui mesaj vocal care nu poate fi redat momentan.
Deoarece Whisper detectează automat limba, aceeași pagină funcționează pentru o dictare în germană, o notă vocală în spaniolă sau o prelegere în engleză, fără nicio setare. Transcrierea nu este tradusă – este scrisă în limba vorbită.
Pentru fișiere audio deja existente – podcasturi, prelegeri, apeluri – convertoarele audio în text și MP3 în text de pe acest site folosesc același motor, cu aceleași opțiuni.
Ce nu face acest instrument
Nu traduce: transcrierile sunt în limba vorbită. Nu generează timpi pentru subtitrări – pentru fișiere SRT sau VTT, utilizați convertoarele de subtitrări de pe acest site. Nu identifică vorbitorii după nume, ci doar schimbările de vorbitor atunci când detectarea vorbitorilor este activată. De asemenea, nu poate recupera cuvintele care nu se aud în înregistrare.
Numele proprii, denumirile produselor și abrevierile rare sunt cele mai frecvente erori; de obicei, o citire rapidă a rezultatului, avându-le în vedere, este singura editare necesară pentru o înregistrare clară.
FAQ
Întrebări frecvente
Cât de precisă este transcrierea?
Cu o înregistrare clară și un singur vorbitor, Whisper recunoaște de obicei corect peste 90 % dintre cuvinte în limbile principale, inclusiv punctuația. Precizia scade în cazul zgomotului puternic de fundal, când mai multe persoane vorbesc simultan, pentru audio foarte încet sau dialecte pronunțate – sfaturile de înregistrare de mai jos ajută mai mult decât orice setare.
Ce limbi sunt acceptate?
Whisper recunoaște aproximativ 100 de limbi și selectează automat limba din primele secunde ale fișierului audio, astfel încât nu trebuie să setați nimic. Înregistrările cu mai multe limbi sunt transcrise în limba predominantă. Transcrierea este redactată în limba vorbită; nu este tradusă.
Fișierul audio este încărcat în timp ce vorbesc?
Nu. Înregistratorul păstrează fișierul audio în browserul dumneavoastră până când apăsați butonul din caseta de dialog. Dacă anulați sau închideți fila, nu se trimite nimic. Fișierele încărcate și transcrierile sunt șterse automat după procesare.
Cât de lungă poate fi înregistrarea?
Înregistratorul din browser se oprește după 30 de minute; fișierele încărcate pot fi mai lungi. Timpul de procesare crește odată cu durata fișierului audio, iar detectarea vorbitorilor adaugă aproximativ același timp.
Ce face opțiunea „Detectează mai mulți vorbitori”?
Rulează o etapă de identificare a vorbitorilor înainte de transcriere și inserează un marcaj de fiecare dată când se schimbă vorbitorul. Folosiți această opțiune pentru interviuri, ședințe și podcasturi; lăsați-o dezactivată pentru dictare și note vocale, unde doar adaugă timp de așteptare.
Pot edita textul ulterior?
Da – rezultatul este un fișier .txt simplu. Deschideți-l în orice editor, corectați numele sau termenii tehnici pe care modelul i-a înțeles greșit și lipiți-l unde aveți nevoie. Numele proprii și abrevierile rare sunt cele mai frecvente elemente de verificat.