Pilih bahasa
  1. Beranda
  2. Suara
  3. MP3 ke Teks

Ubah MP3 ke teks

Ubah ucapan dalam file MP3 dan file audio atau video lainnya menjadi teks dengan model Whisper yang berjalan di perangkat Anda. Dilengkapi stempel waktu dan ekspor TXT, SRT, VTT.

Memuat alat…
Beri nilai alat ini
Belum ada penilaian. Jadilah yang pertama.

Cara menggunakan

  1. Langkah 1

    Buka rekaman

    Tarik dan lepas file MP3, WAV, M4A, atau file audio lain, atau video, ke halaman ini.

  2. Langkah 2

    Pilih bahasa

    Pilih Cepat (Whisper Tiny, sekitar 41 MB) atau Akurat (Whisper Base, sekitar 77 MB), lalu pilih bahasa yang diucapkan atau deteksi otomatis. Model hanya diunduh satu kali.

  3. Langkah 3

    Transkripsikan

    Mulai transkripsi. Teks akan muncul beserta stempel waktu setiap kali satu bagian selesai diproses.

  4. Langkah 4

    Ekspor

    Klik baris mana pun untuk mengoreksinya, lalu salin teksnya atau unduh sebagai TXT, atau sebagai subtitle SRT dan VTT.

Pengenalan suara langsung di browser

Alat ini mengubah MP3 ke teks menggunakan Whisper, model pengenalan suara open source. Kebanyakan layanan transkripsi online mengunggah audio Anda ke server. Di sini, model diunduh ke browser Anda sekali saja, lalu berjalan di komputer atau ponsel Anda sendiri. Rekaman Anda tidak pernah keluar dari perangkat, hal yang penting untuk wawancara, catatan medis atau hukum, rapat, dan pesan suara pribadi. Setelah unduhan pertama, model disimpan oleh browser sehingga dimuat lebih cepat pada penggunaan berikutnya.

Bahasa dan akurasi

Di sini Whisper mendukung 23 bahasa, termasuk Inggris, Spanyol, Prancis, Jerman, Italia, Portugis, Rusia, Mandarin, Jepang, Korea, Turki, dan Polandia. Akurasi terbaik didapat dari ucapan yang jelas dengan sedikit bising latar. Akurasi lebih rendah untuk:

  • beberapa orang yang berbicara bersamaan;
  • musik latar yang keras atau banyak bising;
  • pembicara yang suaranya sangat pelan atau jauh dari mikrofon;
  • nama yang tidak umum dan istilah teknis;
  • campuran beberapa bahasa dalam satu kalimat.

Memilih bahasa sendiri, bukan deteksi otomatis, biasanya memberi hasil yang lebih baik, terutama untuk rekaman pendek.

Format keluaran

FormatIsiKegunaan
TXTteks biasacatatan, dokumen, kutipan
SRTsubtitle bernomor dengan waktu mulai dan selesaieditor video, YouTube, sebagian besar pemutar
VTTsubtitle web dengan waktupemutar video HTML5, halaman web

Kecepatan dan rekaman panjang

Transkripsi adalah pekerjaan berat bagi komputer. Pada laptop modern, rekaman berdurasi satu jam bisa memakan waktu beberapa menit hingga lebih lama dari durasi aslinya, tergantung prosesor, ukuran model, dan browser. Ponsel akan lebih lambat. Biarkan tab tetap terbuka selama proses berjalan. Untuk file yang sangat panjang, Anda juga bisa memotong rekaman menjadi beberapa bagian dengan Pemotong Audio lalu mentranskripsikannya satu per satu.

Tips agar transkrip lebih baik

Model mendengarkan dalam jendela pendek sekitar 30 detik dan menulis apa yang didengarnya beserta waktu mulai dan selesai. Model menambahkan tanda baca dan huruf kapital secara otomatis, tetapi tidak tahu siapa yang berbicara, jadi pada wawancara Anda perlu menandai pembicaranya sendiri. Keheningan yang panjang dan musik tanpa ucapan akan dilewati atau dibiarkan kosong. Jika rekaman diawali musik, baris teks pertama mungkin muncul lebih lambat dari perkiraan Anda; itu normal.

  1. Bersihkan rekaman yang berisik dengan Peredam Bising sebelum ditranskripsikan.
  2. Jika suara pembicara pelan, naikkan levelnya dulu dengan Normalisasi.
  3. Untuk subtitle, periksa pewaktuannya di pemutar video Anda. Jika satu subtitle terlalu panjang untuk dibaca, pecah di editor teks; SRT dan VTT adalah file teks biasa.
  4. Selalu baca transkrip sekali lagi. Koreksi nama, angka, dan kata yang mungkin salah didengar oleh model.

File video juga bisa dipakai: letakkan file MP4 dan alat ini akan mentranskripsikan suaranya, cara cepat untuk membuat subtitle video Anda sendiri.

Pertanyaan yang sering diajukan

Bagaimana cara mengubah MP3 ke teks secara gratis?

Tarik dan lepas MP3 ke halaman ini, pilih bahasa, mulai transkripsi, lalu unduh teksnya sebagai TXT, SRT, atau VTT.

Apakah audio saya diunggah untuk ditranskripsikan?

Tidak. Model Whisper berjalan di browser Anda. Hanya model yang diunduh satu kali; audio Anda tetap berada di perangkat Anda.

Bahasa apa saja yang didukung?

23 bahasa, termasuk Inggris, Spanyol, Prancis, Jerman, Rusia, Mandarin, Jepang, dan Korea. Anda juga bisa mendapatkan terjemahan bahasa Inggris, bukan bahasa aslinya.

Bisakah saya membuat subtitle untuk video?

Bisa. Letakkan videonya, transkripsikan, lalu unduh subtitle SRT atau VTT beserta stempel waktu.

Mengapa transkripsinya lambat?

Pengenalan suara membutuhkan daya komputasi besar dan berjalan di perangkat Anda sendiri. Gunakan model Cepat, dan biarkan opsi Jalankan di diatur ke kartu grafis, yang jauh lebih cepat daripada prosesor.

Alat lainnya