Sekretess först
Uppladdade filer raderas automatiskt och permanent inom två timmar.
Automatisk radering
Tal till TXT
Diktera anteckningar, berättarröst, föreläsningsanteckningar, intervjusvar eller en snabb voice-over direkt i webbläsaren, eller ladda upp en inspelning, och få orden som en vanlig textfil (.txt, UTF 8). Transkriberingen körs med Whisper, den öppna taligenkänningsmodellen, på våra egna servrar – på omkring 100 språk som identifieras automatiskt.
-
Spela in: Tala i webbläsarens inspelare – upp till 30 minuter per inspelning – eller ladda upp MP3, WAV, M4A, AAC, OGG, FLAC eller WebM.
-
Transkribera: Whisper skriver ut orden med skiljetecken; markera valfritt talarbyten för intervjuer och möten. Utdata: en vanlig textfil (.txt, UTF 8).
-
Privat: Ingenting laddas upp förrän du bekräftar. Ljudfilen och transkriptionen raderas automatiskt efter bearbetningen, senast inom några timmar.
Transkribering
Så fungerar tal till TXT
Sidan kombinerar en inspelare i webbläsaren med en GPU baserad transkriberingstjänst. Inspelningen använder MediaRecorder-gränssnittet som finns inbyggt i Chrome, Firefox, Edge och Safari; taligenkänningen utförs av Whisper, den öppen källkodsmodellen som publicerats av OpenAI, och körs på vår egen hårdvara i stället för via ett tredjeparts API.
Så använder du Converter App
1
Spela in eller ladda upp
Tryck på "Spela in med din mikrofon", tillåt åtkomst en gång och börja prata. En timer och nivåmätare bekräftar att ljud tas emot. Du kan också ladda upp en befintlig inspelning – röstmemon från vilken telefon som helst fungerar bra.
2
Kontrollera och starta
Lyssna på inspelningen i dialogrutan. Aktivera "Identifiera flera talare" för intervjuer och möten (det markerar vem som talar men tar märkbart längre tid). Starta sedan transkriberingen.
3
Ladda ner transkriptionen
Förloppet visas medan modellen arbetar; några minuters tal tar vanligtvis betydligt mindre än en minut. Ladda ner en oformaterad textfil (.txt, UTF 8) från resultatsidan.
Nyckelfunktioner
Whisper i bakgrunden
Whisper har tränats på 680 000 timmar flerspråkigt ljud och hanterar accenter, bakgrundsljud och teknisk terminologi betydligt bättre än dikteringsmotorerna för några år sedan. Språket identifieras automatiskt.
Talardetektering på begäran
För samtal markerar den valfria talaridentifieringen när talaren ändras i transkriptionen. Den fördubblar ungefär bearbetningstiden, därför är den avstängd som standard.
TXT utdata som passar ditt arbetsflöde
Transkriptionen sparas som en vanlig UTF 8 textfil med normal interpunktion och styckeindelning, så att den kan öppnas i valfri textredigerare, ordbehandlare eller anteckningsapp och klistras in var som helst.
Gratis och privat
Inget konto, ingen vattenstämpel, ingen provräknare. Inspelningen lämnar aldrig din enhet förrän du bekräftar, och ljudfilen och transkriberingen tas bort automatiskt efter bearbetningen.
Erfarenhet & integritet
Byggd för tillförlitliga transkriptionsarbetsflöden.
Utvecklad av ingenjörer med 10+ års erfarenhet av storskalig infrastruktur, datasystem och vetenskaplig beräkning. Utformad för verkliga ljudarbetsflöden där integritet, pålitlig bearbetning och praktisk användbarhet är viktiga.
Betrodd av användare
Betygsatt med 5 stjärnor på Trustpilot för snabbhet, tillförlitlighet och användarvänlighet.
Användarnas förtroende
Akademisk användning
Refererad i publicerad forskning och använd för intervjutranskribering och kvalitativ dataanalys.
Användning för forskning
Så blir tal till TXT på den här sidan
Din webbläsare spelar in mikrofonen som Opus-ljud (Chrome, Firefox, Edge) eller AAC (Safari) och behåller det i minnet. När du bekräftar laddas filen upp via HTTPS till en av våra transkriberingsservrar.
Där avkodar ffmpeg ljudet och Whisper – en öppen källkodsmodell för taligenkänning – omvandlar det till text i ett steg, inklusive skiljetecken och meningsbrytningar. Om talardetektering är aktiverad delar en diariseringsmodell först upp ljudet efter talare, och transkriptionen annoteras därefter.
Transkriptionen sparas som en vanlig UTF 8 textfil med normala skiljetecken och styckebrytningar, så att den kan öppnas i valfri textredigerare, ordbehandlare eller anteckningsapp och klistras in var som helst. På resultatsidan kan du ladda ner den; ljudet och transkriptionen raderas automatiskt efteråt.
Inspelningstips som är viktigare än någon inställning
Taligenkänning blir bara så bra som ljudet. Tre saker gör störst skillnad: avstånd, brus och överlappande tal. Håll mikrofonen 10–20 cm från munnen; en telefon som hålls nära är bättre än en bärbar dator på andra sidan bordet. Stäng av fläktar, stäng fönstret och undvik rum med kraftigt eko.
Tala i normal takt och avsluta meningarna – modellen använder sammanhanget, så halvfärdiga meningar och utfyllnadsord ger sämre text än något långsammare, fullständigt tal. Vid intervjuer bör ni be deltagarna att inte prata i mun på varandra; överlappande tal är det svåraste fallet för alla taligenkänningssystem.
Lyssna på förhandsvisningen innan ni startar. Om nivåmätaren knappt rör sig eller hela tiden ligger på max bör ni spela in igen i stället för att hoppas att transkriberingen blir korrekt.
Vanliga användningsområden för tal till TXT
Det här verktyget används av lärare, poddare, journalister och alla som tänker snabbare högt än på ett tangentbord: för att skriva utkast till e-postmeddelanden eller artiklar genom att tala, dokumentera mötesanteckningar, omvandla en föreläsning eller ett röstmemo till sökbara anteckningar, transkribera intervjusvar för forskning och få en läsbar version av ett röstmeddelande som inte går att spela upp just nu.
Eftersom Whisper identifierar språket automatiskt fungerar samma sida för tysk diktering, en spansk röstanteckning eller en engelsk föreläsning utan några inställningar. Transkriptionen översätts inte – den skrivs på det språk som talades.
För ljud som redan finns som en fil – poddar, föreläsningar och samtal – använder webbplatsens ljud-till-text- och MP3 till text konverterare samma teknik med samma alternativ.
Vad det här verktyget inte gör
Den översätter inte: transkriptioner är på det talade språket. Den skapar inga undertextstider – använd undertextkonverterarna på den här webbplatsen för SRT- eller VTT filer. Den identifierar inte talare med namn, utan endast talarbyten när talaridentifiering är aktiverad. Och den kan inte återställa ord som inte hörs i inspelningen.
Egennamn, produktnamn och ovanliga förkortningar är de vanligaste felen; det räcker vanligtvis att snabbt läsa igenom resultatet med detta i åtanke för att redigera en ren inspelning.
FAQ
Vanliga frågor
Hur exakt är transkriberingen?
Med en tydlig inspelning och en talare återger Whisper vanligtvis långt över 90 % av orden korrekt på större språk, inklusive skiljetecken. Noggrannheten minskar vid kraftigt bakgrundsljud, flera personer som pratar i mun på varandra, mycket svagt ljud eller stark dialekt – inspelningstipsen nedan hjälper mer än någon inställning.
Vilka språk stöds?
Whisper känner igen ungefär 100 språk och väljer automatiskt språk utifrån de första sekunderna av ljudet, så du behöver inte ställa in något. Inspelningar med flera språk transkriberas på det dominerande språket. Transkriberingen skrivs på det talade språket och översätts inte.
Laddas ljudet upp medan jag talar?
Nej. Inspelaren sparar ljudet i din webbläsare tills du trycker på knappen i dialogrutan. Om du avbryter eller stänger fliken har inget skickats. Uppladdade filer och transkriptioner raderas automatiskt efter bearbetningen.
Hur lång kan inspelningen vara?
Webbläsarinspelaren stoppas efter 30 minuter; uppladdade filer kan vara längre. Bearbetningstiden ökar med ljudets längd, och talaridentifiering lägger till ungefär lika mycket tid igen.
Vad gör ”Identifiera flera talare”?
Den kör ett talardiariseringssteg före transkriberingen och infogar en markering varje gång talaren byts. Använd den för intervjuer, möten och poddar; lämna den avstängd för diktat och röstanteckningar, där den bara ökar väntetiden.
Varför en .txt-fil och inte ett Word-dokument?
Oformaterad text är det mest portabla resultatet: den öppnas på alla enheter, kan enkelt klistras in i anteckningar, e-postmeddelanden, CMS redigerare och chattar och tar mycket lite utrymme. Om du behöver ett formaterat dokument kan du klistra in texten i ditt ordbehandlingsprogram eller använda tal till PDF verktyget på den här webbplatsen.