Sekretess först
Uppladdade filer raderas automatiskt och permanent inom två timmar.
Automatisk radering
Röst till TXT
Diktera en röstanteckning, en påminnelse, ett meddelande till en kollega eller ett kort memo direkt i webbläsaren, eller ladda upp en inspelning, och få texten som en oformaterad textfil (.txt, UTF 8). Transkriberingen använder Whisper, den öppen källkodsbaserade taligenkänningsmodellen, på våra egna servrar – på cirka 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 bearbetning, senast inom några timmar.
Transkribering
Så fungerar konvertering från röst till TXT
Sidan kombinerar en inspelare i webbläsaren med en GPU baserad transkriberingslösning. Inspelningen använder MediaRecorder-gränssnittet som är inbyggt i Chrome, Firefox, Edge och Safari; taligenkänningen utförs av Whisper, den öppna källkodsmodellen från OpenAI, som 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 spelas in. Du kan också ladda upp en befintlig inspelning – röstanteckningar från vilken telefon som helst fungerar.
2
Kontrollera och starta
Lyssna på inspelningen i dialogrutan. Aktivera ”Identifiera flera talare” för intervjuer och möten (funktionen 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-teknik i grunden
Whisper har tränats på 680 000 timmar flerspråkigt ljud och hanterar accenter, bakgrundsljud och teknisk vokabulär betydligt bättre än dikteringsmotorerna från för några år sedan. Språket identifieras automatiskt.
Talardetektering på begäran
För samtal markerar den valfria talaridentifieringen byten av talare 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 begränsning av antal provperioder. Inspelningen lämnar aldrig din enhet förrän du bekräftar, och ljudfilen och transkriptionen 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 röst 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 transkriptionsservrar.
Där avkodar ffmpeg ljudet och Whisper – en taligenkänningsmodell med öppen källkod – omvandlar det till text i ett steg, inklusive skiljetecken och meningsbrytningar. Om talaridentifiering är aktiverad delar en diariseringsmodell först upp ljudet efter talare, och transkriptionen märks upp 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 är 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 undvika att prata i mun på varandra; överlappande tal är det svåraste fallet för alla taligenkänningssystem.
Lyssna på förhandsvisningen innan ni börjar. Om nivåmätaren knappt rör sig eller ständigt visar full nivå bör ni spela in på nytt i stället för att hoppas att transkriberingen blir rätt.
Vanliga användningsområden för tal till TXT
Det här verktyget används av personer som föredrar att prata i stället för att skriva, eller som behöver ett röstmeddelande utanför en chattapp: för att skriva ett e-postmeddelande eller en artikel genom att prata, 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 kan spelas 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 språket som talades.
För ljud som redan finns som fil – poddar, föreläsningar och samtal – använder ljud-till-text- och MP3 till text konverterarna på den här webbplatsen samma motor med samma alternativ.
Vad det här verktyget inte gör
Den översätter inte: transkriberingar är på det talade språket. Den skapar inga tidkoder för undertexter – använd undertextkonverterarna på den här webbplatsen för SRT- eller VTT filer. Den identifierar inte talare med namn, utan endast när talaren byts om talaridentifiering är aktiverad. Den kan inte heller återställa ord som inte hörs i inspelningen.
Egennamn, produktnamn och ovanliga förkortningar är de vanligaste felen; en snabb genomläsning av resultatet med dessa i åtanke är vanligtvis all redigering som en tydlig inspelning behöver.
FAQ
Vanliga frågor
Hur exakt är transkriberingen?
Med en tydlig inspelning och en talare får Whisper vanligtvis rätt på långt över 90 % av orden på de största språken, 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 omkring 100 språk och väljer automatiskt språk utifrån de första sekunderna av ljudet, så det finns inget att ställa in. Inspelningar med blandade språk transkriberas på det dominerande språket. Transkriberingen skrivs på det språk som talas och översätts inte.
Laddas ljudet upp medan jag talar?
Nej. Inspelaren behåller 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?
Inspelaren i webbläsaren stoppar 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 steg för talarseparering före transkriberingen och lägger in en markering varje gång talaren byts. Använd den för intervjuer, möten och poddar; lämna den avstängd för diktering 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 plats. Om du behöver ett formaterat dokument kan du klistra in texten i din ordbehandlare eller använda tal till PDF verktyget på den här webbplatsen.