01
Sube a gravación
Escolle un ficheiro de audio ou vídeo. Os formatos máis habituais non precisan conversión previa.
Transcrición de audio e vídeo en liña
Transcribe audio e vídeo a texto con IA
O contexto importa. Escolle o idioma e un modelo especializado en medicina, dereito ou finanzas. A IA converte a gravación en texto editable, separa as voces e alcanza ata un 99 % de precisión con audio claro.
Para entrevistas, reunións, clases, pódcasts, chamadas e vídeos. Tamén para crear subtítulos sen escribir todo a man.
- Máis de 50 idiomas e acentos
- Servidores na UE, RXPD
Modelos especializados para máis precisión
Escolle un audio ou vídeo
Arrastra aquí os teus ficheiros ou preme para subilos.
MP3, WAV, M4A, MP4, MOV e outros formatos
Equipos e organizacións
Os nosos clientes
Equipos e organizacións usan SpeechText.AI para traballar con entrevistas, investigacións, reunións e material audiovisual, e para consultar os seus arquivos de gravacións.
Da gravación ao documento
Como converter voz en texto
Sube a gravación, escolle os axustes e deixa que a IA faga a transcrición. Despois revisas o texto e descargas o resultado.
02
Escolle os axustes
Indica o idioma, o ámbito temático e o tipo de gravación. Se hai varias voces, activa a separación de falantes.
03
Inicia a transcrición
A IA recoñece a voz, engade a puntuación e organiza as intervencións en parágrafos.
04
Revisa e descarga
Corrixe o texto no navegador e gárdao como documento ou ficheiro de subtítulos, no formato que necesites.
Ti tes a última palabra
Axusta o recoñecemento á túa gravación
Unha entrevista e unha consulta médica non usan o mesmo vocabulario. Os modelos especializados teñen en conta ese contexto; despois, o editor reúne a gravación e o texto nun mesmo lugar para que poidas comprobar os fragmentos que importan.
- Escolle o modelo axeitado para unha entrevista, chamada, reunión, clase ou outro tipo de gravación.
- Activa a separación de falantes cando participen varias persoas na conversa.
- Revisa nomes, cifras e termos especializados antes de publicar ou compartir o documento.
- Descarga o texto ou os subtítulos sen ter que copiar e pegar o contido.
Vídeo de presentación de SpeechText.AI
Funcións do servizo
Que podes facer con SpeechText.AI
Do recoñecemento de voz á revisión final: traballa con varias voces, busca fragmentos e prepara documentos ou subtítulos sen saír do navegador.
Recoñecemento de voz
Pasa a voz das túas gravacións de audio e vídeo a texto estruturado que podes editar.
Máis de 50 idiomas e acentos
Traballa con contido en distintos idiomas, entrevistas internacionais e gravacións con diferentes acentos.
Separación de falantes
Detecta cando cambia a persoa que fala e separa as intervencións. Así resulta máis doado seguir a conversa.
Modelos especializados
Finanzas, medicina, dereito e outros ámbitos. Escolle un modelo que teña en conta o vocabulario da túa especialidade.
Busca no contido
Busca palabras ou fai consultas en linguaxe natural para atopar o fragmento que necesitas, mesmo nunha gravación longa.
Puntuación automática
Engade signos de puntuación e divide o discurso en frases lexibles, no canto dunha sucesión de palabras sen pausas.
Editor de transcricións
Escoita a gravación mentres corrixes o texto. Podes comprobar as pasaxes dubidosas directamente no navegador.
Exportación de texto e subtítulos
Descarga o texto en Word (DOCX) ou PDF, e os subtítulos en SRT ou VTT. Tamén hai outros formatos de exportación.
Características do servizo
- Para que serve
- Transcrición automática de voz a texto
- Ficheiros de entrada
- Audio e vídeo nos formatos máis habituais
- Idiomas
- Máis de 50 idiomas e acentos
- Conversas
- Detección e etiquetaxe dos falantes
- Resultado
- Documentos de texto e subtítulos
- Pagamento
- Paquetes de minutos sen subscrición obrigatoria
A precisión, en cifras
Precisión próxima á humana
O gráfico mostra o 96,2 % obtido por SpeechText.AI nunha proba comparativa con gravacións en ruso e ruído de fondo. O resultado de cada ficheiro depende do ruído, do micrófono, da velocidade da fala, do acento, das voces superpostas e da complexidade da terminoloxía.
Son limpoMenos ruído de fondo significa menos fragmentos difíciles de interpretar.
Voz claraUn micrófono preto e un volume estable melloran o resultado.
Unha voz de cada vezAs voces superpostas son máis difíciles de recoñecer ca unha conversa por quendas.
Revisión finalPresta especial atención aos nomes, ás datas, ás cifras e aos termos pouco habituais.
Privacidade e control
Os teus datos, tratados con responsabilidade
O procesamento é automático. Ti conservas o control dos ficheiros que sobes e das transcricións gardadas na túa conta.
Cumprimento do RXPD
O tratamento dos datos persoais segue o Regulamento xeral de protección de datos (RXPD), coñecido como GDPR en inglés.
Servidores na Unión Europea
A infraestrutura física de servidores de SpeechText.AI está situada no territorio da Unión Europea.
Procesamento automático
O proceso habitual de transcrición non require que unha persoa do equipo escoite e transcriba a gravación a man.
Eliminación de ficheiros
Podes eliminar as gravacións e as súas transcricións desde a túa conta.
Antes de subir unha gravación confidencial, comproba que tes unha base legal para tratala e o consentimento das persoas participantes cando sexa necesario. Para resolver dúbidas sobre o tratamento dos datos, escribe a support@speechtext.ai.
Usos da transcrición
Que podes facer coas túas gravacións?
Converte o audio e o vídeo en textos nos que podes buscar, corrixir, extraer citas e preparar publicacións ou subtítulos.
Un só servizo para notas breves e gravacións de varias horas
SpeechText.AI axuda a xornalistas, persoal investigador, creadores de contido, profesionais e equipos a pasar da gravación ao texto de traballo sen perder tempo transcribindo a man. Escolle o uso que che interese para ver os detalles e saber como preparar o ficheiro.
Experiencias de uso
Que din de SpeechText.AI
Opinións de usuarios
Prezos claros
Paquetes de minutos sen subscrición mensual
Un único pagamento. Os minutos non caducan e non hai cotas mensuais obrigatorias.
INICIAL
Para entrevistas puntuais, notas e gravacións curtas
10$
- 180 minutos de transcrición
- Ficheiros de ata 30 MB
- Máis de 50 idiomas
- Modelos xerais
PERSOAL
Para traballar con entrevistas e contido audiovisual de forma habitual
19$
- 380 minutos de transcrición
- Ficheiros de ata 60 MB
- Máis de 50 idiomas
- Modelos especializados
Popular
ESTÁNDAR
Para profesionais que traballan con grandes volumes de contido
49$
- 990 minutos de transcrición
- Ficheiros de ata 200 MB
- Máis de 50 idiomas
- Modelos especializados
EMPRESAS
Para equipos, gravacións longas e transcrición frecuente
99$
- 2.000 minutos de transcrición
- Ficheiros de ata 1 GB
- Máis de 50 idiomas
- Modelos especializados
Os prezos están en dólares estadounidenses (USD). Escolle a moeda e paga coa túa tarxeta durante o proceso de compra.
Resolve as túas dúbidas
Preguntas frecuentes
Seguridade, formatos, precisión, exportación e axustes para distintos tipos de gravacións.
-
Como se protexen os meus datos?
SpeechText.AI cumpre co RXPD. Os servidores físicos están na Unión Europea e os datos transmítense por unha conexión segura. O recoñecemento é automático, sen que unha persoa do equipo teña que transcribir a gravación a man. Podes eliminar os ficheiros e os resultados desde a túa conta.
-
Como podo converter audio en texto?
Crea unha conta e sobe o ficheiro de audio. Escolle o idioma da gravación, o ámbito temático e o tipo de audio; se hai varias voces, activa a separación de falantes. Preme o botón para iniciar a transcrición. Cando remate, revisa o texto no editor e descárgao no formato que necesites.
-
Como converter un MP3 nun documento de Word?
Sube o ficheiro MP3 e inicia o recoñecemento de voz. Cando a transcrición estea lista, abre o resultado, fai as correccións necesarias e escolle a exportación a Word en formato DOCX.
-
Como mellorar a calidade do recoñecemento de voz?
Parte dunha gravación con voz clara e pouco ruído de fondo. Indica ben o idioma, o tipo de audio e o ámbito temático. Os modelos especializados teñen en conta o vocabulario das finanzas, a medicina, o dereito, os recursos humanos e outras áreas. Revisa a man os nomes, as cifras e os termos pouco habituais.
-
Como converter un vídeo en texto?
Sube un vídeo en MP4, AVI, MOV, FLV, WEBM ou noutro formato compatible. SpeechText.AI extrae automaticamente a pista de audio e converte a voz en texto editable. O tempo de procesamento depende da duración da gravación, da calidade do son e da carga do servizo nese momento.
-
Como transcribir unha entrevista, reunión ou chamada?
Despois de subir o ficheiro, indica o tipo de gravación: entrevista, reunión, conversa telefónica, pódcast, clase ou outra opción axeitada. Se participan varias persoas, activa a separación de falantes. O sistema aplica o modelo correspondente e presenta o texto como unha secuencia de intervencións.
-
Como crear subtítulos para un vídeo?
Sube o vídeo e inicia o recoñecemento de voz. Se hai diálogo, activa a separación de falantes. Revisa o texto, exporta o resultado en SRT ou VTT e engade o ficheiro de subtítulos ao teu editor de vídeo ou á plataforma onde o vaias publicar.
-
Que formatos de audio e vídeo admite SpeechText.AI?
SpeechText.AI admite practicamente todos os formatos habituais de audio e vídeo. Na maioría dos casos podes subir a gravación sen convertela antes.
Formatos de audio: MP3, M4A, AAC, WAV (PCM), FLAC, TRM, OGG, OPUS, DSS, WMA, WEBA, AIFF, ALAC, AMR e AMR-WB, ADTS, CAF, AC3, EAC3, DTS, PCM, APE, WV, TAK, SPX, GSM, VOC, AU, SND, MIDI, MID, KAR, RM, RA, MOD, MP2, MPA, MTS, MUS, IT, XM, XSPF, S3M, MKA, OGA e outros formatos de audio baseados en contedores.
Formatos de vídeo: MP4, MOV, MKV, AVI, WEBM, FLV, MPEG e MPG, M4V, 3GP e 3G2, WMV, TS, M2TS, MTS, VOB, VRO, MXF, ASF, DVR-MS, WTV, RMVB, DIVX, XVID, F4V, OGV, OGM, SWF, MJPEG, MK3D, QT e outros contedores profesionais.
-
A transcrición automática garante unha precisión do 100 %?
Non. Ningún sistema de recoñecemento de voz garante o mesmo resultado en todas as gravacións. Inflúen o ruído, a distancia ao micrófono, o acento, a velocidade da fala, as voces superpostas e a terminoloxía. Antes de publicar o texto ou usalo nun traballo que requira especial precisión, comproba os nomes, as datas, as cifras e o sentido dos fragmentos decisivos.
-
Hai unha API de recoñecemento de voz?
Si. SpeechText.AI ofrece unha API de recoñecemento de voz para integrar a transcrición en sitios web, aplicacións e procesos automatizados. Na páxina da API tes a información técnica e as opcións de conexión.
Tes a gravación. Agora, pásaa a texto.
Sube o audio ou o vídeo, escolle o idioma e revisa a transcrición no editor. Despois, descárgaa como documento ou ficheiro de subtítulos.
Proba SpeechText.AI de balde
Sen subscrición mensual obrigatoria