Transcriber

Бесплатно и без ограничений:
расшифровка аудио с ИИ

Просто выберите аудиофайл — ИИ (Whisper или SenseVoice) расшифрует его прямо в браузере. Аудио никогда не отправляется на сервер. Без регистрации, без ограничений по времени, полностью бесплатно.

Полная конфиденциальность
Работает офлайн
Быстрая обработка на WebGPU
Проверка среды…

Для этого языка точность небольших моделей резко падает. Выберите Whisper Small или крупнее

Вкл.

Обычно можно оставить «Авто». Меняйте значение, только если в результате явно неверное число спикеров

Нет файла? Запишите звук с микрофона. Расшифровка начнётся после остановки записи (на этом устройстве с выбранной моделью — примерно до мин). Запись тоже не отправляется ни на какой сервер.

Как это работает

  1. 1

    Выберите аудиофайл или запишите звук

    Поддерживаются основные форматы: MP3, WAV, M4A, FLAC и другие. Можно просто перетащить файл. Нет файла? Запишите звук с микрофона и расшифруйте запись.

  2. 2

    ИИ расшифровывает автоматически

    ИИ (Whisper, SenseVoice, Haas-ja, Qwen3-ASR или Voxtral) работает прямо в вашем браузере. При первом запуске загружается модель (от 40 МБ до 5,2 ГБ в зависимости от выбранной).

  3. 3

    Экспортируйте результат

    Сохраняйте как документ (TXT, Word, PDF), субтитры (SRT, VTT) или данные (CSV, JSON). Поддерживается разделение по спикерам.

Для чего это подходит

Превращайте записи в текст, не выходя из браузера. Аудио не загружается на сервер, поэтому инструмент подходит и для записей, которые нельзя передавать сторонним сервисам.

Протоколы встреч

Разделение по спикерам выделяет цветом каждого участника, так что расшифровка уже близка к протоколу. Внутренние записи не попадают на внешние серверы.

Расшифровка интервью

Длина записи не ограничена. Интервьюер и собеседник различаются автоматически, и каждому можно дать имя.

Субтитры для видео и YouTube

Загрузите файл MP4 или WebM напрямую, проверьте и исправьте субтитры во время воспроизведения и экспортируйте субтитры SRT с таймкодами. Предварительное преобразование не нужно.

Конспекты лекций и семинаров

Сохраняйте записанные лекции в виде текста, по которому можно искать. Крупные модели лучше справляются с аудио, насыщенным профессиональными терминами.

Голосовые заметки

Заметки в M4A, записанные на телефоне, можно загрузить как есть и превратить в текст.

Расшифровка подкастов и стримов

Расшифруйте архивные выпуски, чтобы использовать их как статьи или как основу для видимости в поиске.

Начните с того, что вам нужно

Если вы уже знаете тип файла или задачу, начните отсюда — описание и шаги подобраны под каждый случай.

Другие инструменты того же автора. Сохраните трансляцию из X перед расшифровкой, сократите длинную запись перед загрузкой или вшейте созданный SRT в видео — всё прямо в браузере.

Поддерживаемые форматы файлов

Аудиофайлы
MP3, WAV, M4A, AAC, FLAC, OGG, Opus, AIFF, WMA, AMR, WebM
Видеофайлы
MP4, MOV, MKV, WebM, AVI, WMV, FLV, MPG, MPEG-TS, 3GP (звуковая дорожка извлекается и расшифровывается; результат воспроизводится как субтитры поверх видео)
Форматы экспорта
TXT (обычный текст), Word (DOCX), PDF (печать в PDF), SRT / VTT (субтитры с таймкодами), CSV и JSON
Ограничение размера файла
Без ограничений (какую длину записи можно обработать за раз, зависит от памяти устройства и выбранной модели)
Пакетная обработка
Выберите сразу несколько файлов, чтобы расшифровать их по очереди и сохранить результаты вместе в ZIP-файл
Файлы субтитров
Открывайте файлы субтитров SRT или VTT, чтобы редактировать, переводить, кратко излагать их или преобразовывать между SRT и VTT (выберите вместе с ними видео, чтобы проверять при воспроизведении)
Языки
100 языков (99 языков Whisper и кантонский с SenseVoice). Кроме японского, английского, китайского, корейского, испанского, французского, немецкого, португальского, русского, итальянского и индонезийского, можно выбрать нидерландский, турецкий, польский, тайский, вьетнамский, арабский и многие другие. Ищите по названию или коду языка или выберите «Автоопределение», если не уверены

Заранее преобразовывать видео в аудио не нужно — браузер извлекает звуковую дорожку сразу после загрузки файла.

Доступные модели

Доступно двенадцать моделей. Модель по умолчанию зависит от языка и устройства, как показано в таблице ниже, и её можно сменить в настройках. Крупные модели Whisper точнее, но дольше загружаются в первый раз и требуют более мощного оборудования.

Модель по умолчанию для каждого языка

Японский
Haas-ja v1.0 (компьютеры с WebGPU в Chrome или Edge, кроме Mac с Apple silicon) SenseVoice Small (телефоны, Safari, Firefox и другие среды)
Китайский, корейский, кантонский
SenseVoice Small
Английский
Parakeet Ultra (компьютеры со встроенной графикой в Chrome или Edge) SenseVoice Small (телефоны, компьютеры без WebGPU, компьютеры со встроенной графикой в Safari или Firefox и т. п.) Whisper Large v3 Turbo (компьютеры с дискретной видеокартой; Whisper Small на старых GPU) Whisper Small (Mac)
Испанский, немецкий, французский, итальянский, португальский, русский, польский, нидерландский, украинский, венгерский, чешский, греческий
Parakeet Ultra (компьютеры со встроенной графикой в Chrome или Edge) FastConformer (испанский, французский, итальянский и немецкий; телефоны и компьютеры без WebGPU, кроме устройств с малым объёмом памяти) Другие устройства: как для «Других языков»
Другие языки
Whisper Large v3 Turbo (компьютеры с дискретной видеокартой; Whisper Small на старых GPU) Whisper Small (Mac) Whisper Base (компьютеры со встроенной графикой) Whisper Tiny (телефоны, среды без WebGPU, устройства с памятью менее 4 ГБ)

Размер и особенности моделей

МодельРазмерПримечания
Haas-ja v1.0〜710 MBВысокая точность, только японский. Допускает примерно на 40 % меньше ошибок, чем SenseVoice Small (по нашим замерам на чтении текста вслух). Обработка занимает около 1/30 длительности аудио (замер на ПК со встроенной графикой). Только на компьютерах с WebGPU; при первом запуске загружается около 710 МБ, используется около 1 ГБ видеопамяти (VRAM). По умолчанию для японского на компьютерах с WebGPU в Chrome или Edge (кроме Mac с Apple silicon)
SenseVoice Small〜240 MBЯпонский, китайский, корейский, английский и кантонский. Лёгкая и быстрая, а для японского и китайского не уступает по точности Large v3 Turbo (по умолчанию для китайского, корейского и кантонского; для японского — на телефонах, в Safari и Firefox, на компьютерах без WebGPU и в некоторых других случаях; для английского — на телефонах, на компьютерах без WebGPU, на компьютерах со встроенной графикой в Safari и Firefox и в некоторых других случаях)
Parakeet Ultra〜500 MBТочная модель для 25 европейских языков, включая английский, испанский, немецкий и французский. Для испанского, немецкого, французского, итальянского, португальского и русского допускает на 60–80 % меньше ошибок, чем Whisper Base, и по точности как минимум примерно равна Large v3 Turbo (по нашим замерам на чтении текста вслух). Обработка занимает около 1/25 длительности аудио (замер на ПК со встроенной графикой). Работает только на компьютерах с WebGPU, при первом запуске загружается около 500 МБ. По умолчанию для английского, этих 6 языков, польского, нидерландского, украинского, венгерского, чешского и греческого на компьютерах со встроенной графикой в Chrome или Edge
FastConformer〜175 MBОтдельные модели (NVIDIA) для испанского, французского, итальянского и немецкого. Допускают менее половины ошибок Whisper Tiny и работают примерно в 3 раза быстрее (по нашим замерам). Работают на CPU без GPU, при первом запуске загружается около 175 МБ. По умолчанию для этих 4 языков на телефонах и компьютерах без WebGPU
Whisper TinyGPU 〜145 MB / CPU 〜40 MBБыстрая и лёгкая. Лучше всего для чёткого звука
Whisper BaseGPU 〜280 MB / CPU 〜75 MBХороший баланс скорости и точности
Whisper SmallGPU 〜925 MB / CPU 〜240 MBВысокая точность. Хорошо справляется с терминами и сложным звуком
Whisper Medium〜650 MBПочти так же точна, как Large v3 Turbo, а с WebGPU объём загрузки более чем вдвое меньше. Рекомендуется WebGPU
Whisper Large v3 TurboGPU 〜1.5 GB / CPU 〜725 MBТочность близка к лучшей, при этом быстрая. Рекомендуется WebGPU (рекомендуемая модель)
Whisper Large v3GPU 〜2.0 GB / CPU 〜1.2 GBПолная Large v3. Самая точная модель Whisper, самый большой размер, медленная (WebGPU практически обязателен)
Qwen3-ASR 1.7B〜5.2 GBВысокая точность. Только на компьютерах с WebGPU; при первом запуске загружается около 5,2 ГБ (две модели: для текста и для меток времени), используется около 5 ГБ видеопамяти (VRAM)
Voxtral Mini 4B〜2.9 GBВысокая точность, доступна только для японского. Допускает примерно на 30 % меньше ошибок, чем SenseVoice Small (по нашим замерам на чтении текста вслух). Обработка дольше, чем у SenseVoice Small: от 0,4 (ПК с дискретной видеокартой) до 0,85 (ПК со встроенной графикой) длительности аудио. Только на компьютерах с WebGPU; при первом запуске загружается около 2,9 ГБ, используется около 5 ГБ видеопамяти (VRAM)

Для Whisper Medium и выше, Haas-ja, Parakeet Ultra, Qwen3-ASR и Voxtral нужна среда с поддержкой WebGPU. Для Voxtral также нужен GPU с поддержкой 16-битных чисел с плавающей запятой (fp16). Без WebGPU выбирайте Small или меньше.
Для ориентира: Whisper Large v3 и Qwen3-ASR 1.7B работали на Windows 11 с GeForce RTX 2060 SUPER (8 ГБ). Qwen3-ASR использует около 5 ГБ видеопамяти.

Сравнить долю ошибок и время обработки моделей

Чем это отличается от облачных сервисов расшифровки

Большинство сервисов расшифровки отправляют аудио на свои серверы для обработки. Transcriber вместо этого запускает модель прямо в браузере, и это меняет расклад.

ПараметрТипичный облачный сервисTranscriber
Куда попадает аудиоЗагружается на серверы поставщикаНикуда не отправляется — обрабатывается на вашем устройстве
Бесплатный объёмОбычно ограничен числом минут в месяцБез ограничений по времени и количеству
Нужен аккаунтОбычно даНет
Работа офлайнНевозможнаВозможна после загрузки модели
От чего зависит скоростьОт серверов поставщикаОт GPU / CPU вашего устройства

Преимущество облачных сервисов — стабильная скорость на маломощных устройствах. Обработка в браузере подходит, когда запись не должна выходить из-под вашего контроля или когда нужно обработать длинное аудио, не упираясь в квоту.

Часто задаваемые вопросы

Это правда бесплатно? Есть ли ограничения по времени или количеству?

Полностью бесплатно. Нет ограничений по времени использования, числу запусков, количеству символов или размеру файла, банковская карта не нужна. Меняется только то, какую длину записи можно обработать за раз: это зависит от памяти устройства и выбранной модели. Если файл не помещается, страница сообщит об этом до начала обработки.

Загружается ли моё аудио на сервер?

Нет. ИИ (Whisper или SenseVoice) работает прямо в браузере, поэтому аудио не покидает ваше устройство. Записи не сохраняются на сервере и не передаются третьим лицам.

Нужно ли создавать аккаунт или входить в систему?

Нет. Откройте страницу, выберите аудиофайл — и расшифровка начнётся. Адрес электронной почты никогда не запрашивается.

Какие форматы файлов поддерживаются?

Аудио: MP3, WAV, M4A, AAC, FLAC, OGG, Opus, AIFF, WMA и AMR. Видео: MP4, MOV, MKV, WebM, AVI, WMV, FLV, MPG, MPEG-TS и 3GP. Файл можно перетащить или выбрать в окне выбора файлов.

Можно ли расшифровать видеофайл?

Да. Загрузите видеофайл в формате MP4, MOV, MKV, WebM, AVI или другом — браузер извлечёт звуковую дорожку для расшифровки. Заранее преобразовывать его в аудиофайл не нужно. После расшифровки можно воспроизвести видео с результатом в виде субтитров, чтобы проверить и исправить его, или смотреть его с переведёнными субтитрами. Ограничения размера файла нет, поэтому видео размером в несколько гигабайт загружаются как есть. Видео, сохранённые из X (Twitter) с помощью X Video Downloader, можно загрузить как есть; чтобы сначала извлечь только звук, используйте Media Tools.

Может ли инструмент различать спикеров?

Поддерживается разделение по спикерам. В записях с несколькими участниками, например встреч или интервью, каждый спикер показывается своим цветом. Число спикеров определяется автоматически, поэтому обычно его не нужно задавать. Метки спикеров можно переименовать на экране, ошибочно разделённых спикеров — объединить, а любую строку — переназначить или разделить. Если на ПК в браузере, отличном от Firefox, доступен WebGPU и число спикеров оставлено на «Авто», для разделения используется NVIDIA Nemotron 3 Diarization; в остальных случаях — pyannote. В обоих случаях для сравнения особенностей голоса используется WeSpeaker.

Можно ли создать файл субтитров?

Да — расшифровку можно экспортировать в субтитры SRT и VTT (WebVTT) с таймкодами, готовые для загрузки в видеоредакторы и на видеоплатформы (многие видеоредакторы принимают SRT). Также доступны экспорт в обычный текст (TXT), Word (DOCX), PDF, CSV и JSON и копирование в буфер обмена. Чтобы вшить экспортированный SRT прямо в видео, используйте Media Tools (вшивание субтитров).

Можно ли перевести расшифровку?

Да. Откройте «Перевод» в заголовке результата, выберите исходный и целевой языки — и под каждой строкой появится перевод. В любом формате экспорта можно сохранить оригинал, перевод или оба. Если вы загрузили видео, перевод можно также показывать как субтитры поверх него при воспроизведении. Для перевода используется переводчик, встроенный в настольные версии Chrome 138+ и Edge 148+; он работает полностью на вашем устройстве, поэтому расшифровка никуда не отправляется. На смартфонах, а также в Firefox и Safari перевод недоступен. При первом использовании языка загружается его модель перевода.

Работает ли инструмент офлайн?

Да. После того как модель ИИ загружена один раз, расшифровка работает без подключения к сети. Размер моделей — примерно от 40 МБ до 5,2 ГБ в зависимости от выбранной.

Как повысить точность?

Точность повышается, если выбрать модель, подходящую для языка. Для японского самая точная из доступных моделей — Haas-ja v1.0: она допускает примерно на 40 % меньше ошибок, чем SenseVoice Small (по нашим замерам на чтении текста вслух). Она работает только на компьютерах с WebGPU, при первом запуске загружает около 710 МБ, а обработка занимает около 1/30 длительности аудио (замер на ПК со встроенной графикой). Она выбрана по умолчанию для японского на компьютерах с WebGPU (кроме Mac с Apple silicon) в Chrome или Edge. Для китайского и корейского, а также для японского в остальных случаях, например на телефонах или в Safari и Firefox, модель по умолчанию SenseVoice Small лёгкая и быстрая, а для японского и китайского не уступает по точности Whisper Large v3 Turbo. Для других языков крупные модели точнее; на устройствах с поддержкой WebGPU рекомендуется Whisper Large v3 Turbo — она точная и быстрая (она выбрана по умолчанию на компьютерах с дискретной видеокартой). Для 25 европейских языков (включая английский, испанский, немецкий и французский) можно также выбрать Parakeet Ultra. Она примерно так же точна, как Whisper Large v3 Turbo (для греческого Turbo точнее), и тратит около 1/7 времени обработки Turbo (только компьютеры с WebGPU; при первом запуске загружается около 500 МБ). Она выбрана по умолчанию для английского, испанского, немецкого, французского, итальянского, португальского, русского, польского, нидерландского, украинского, венгерского, чешского и греческого на компьютерах со встроенной графикой в Chrome или Edge. На телефонах и компьютерах без WebGPU для испанского, французского, итальянского и немецкого по умолчанию выбрана FastConformer: она допускает менее половины ошибок Whisper Tiny и работает примерно в 3 раза быстрее (при первом запуске загружается около 175 МБ). Для английского на телефонах, на компьютерах со встроенной графикой в Safari и Firefox и т. п. по умолчанию выбрана SenseVoice Small: она ошибается реже Whisper Base и работает быстрее. На компьютерах с WebGPU можно также выбрать Qwen3-ASR 1.7B (при первом запуске загружается около 5,2 ГБ): она ошибается реже Whisper Large v3 Turbo в японском, английском и китайском. Ошибок также становится меньше, если указать язык явно, а не оставлять автоопределение. Долю ошибок и время обработки, которые мы измерили для каждой модели на каждом языке, смотрите на странице Сравнение моделей и как выбрать.

Можно ли пользоваться на смартфоне?

Да, но для защиты устройства инструмент работает в режиме с пониженным расходом памяти (WASM), поэтому длина, которую можно обработать за раз, меньше, чем на компьютере. Для длинных записей рекомендуется компьютер.

Собираете ли вы информацию об ошибках?

Только статистику, нужную для исправления проблем и улучшения функций. Это характеристики устройства (модель GPU, объём памяти, число ядер), браузер и ОС, выбранные модель и язык, настройка разделения по спикерам (вкл. или выкл. и заданное число спикеров), язык интерфейса страницы, докуда дошла обработка (в том числе если вы её остановили или закрыли страницу), тип и текст ошибки, формат файла с примерным размером и длительностью, сколько времени занял каждый этап и сколько данных моделей ИИ было загружено. Также отправляется временный номер, связывающий запуски в одной вкладке (он удаляется при закрытии вкладки). Те же поля отправляются и при успешной обработке, потому что для расчёта доли сбоев нужны оба случая. На экране результата также отправляется, сколько раз вы пользовались редактированием (например, переименованием спикеров или разделением строк), переводом, кратким содержанием и импортом субтитров, какие форматы вы выбирали в «Скачать», как часто пользовались «Копировать текст» и «Скачать все», а также языковая пара перевода. Аудио, расшифровки (включая имена спикеров и переводы), имена файлов и IP-адреса никогда не отправляются, а данные поступают только на собственный сервер этого сайта — и никогда в сторонние сервисы. Отключить это можно в любой момент переключателем в разделе «Помогите улучшить сервис» внизу страницы.

Можно ли сохранить расшифровку в Word или PDF?

Да. В «Скачать» под результатом выберите «Word (DOCX)», чтобы сохранить документ, который открывается в Word. PDF сохраняется через функцию печати браузера: выберите «PDF», затем сохраните как PDF в открывшемся окне печати (на iPhone и iPad используйте кнопку «Поделиться» на экране печати и сохраните в «Файлы»). Также доступны CSV для таблиц и JSON для программ. Все форматы создаются в браузере, поэтому расшифровка никуда не отправляется.

Можно ли записать звук с микрофона в браузере и расшифровать его?

Да. Нажмите «Записать с микрофона», чтобы записать звук с микрофона компьютера или телефона. Нажмите «Остановить запись», затем «Начать расшифровку» — и запись будет расшифрована. Запись тоже никуда не отправляется; она сохраняется в истории этого устройства. Записывать можно до 3 часов, а в зависимости от памяти устройства и выбранной модели — меньше; лимит показывается до начала записи. На телефоне запись может остановиться, если заблокировать экран или переключиться на другое приложение.

Можно ли расшифровать несколько файлов сразу?

Да. Выберите несколько файлов в окне выбора файлов или перетащите их вместе — они будут расшифрованы по одному с одинаковыми настройками (модель, язык и разделение по спикерам). Каждый результат сохраняется в истории на этом устройстве. Когда всё будет готово, выберите TXT, Word, SRT, VTT, CSV или JSON в «Скачать все», чтобы сохранить результаты в один ZIP-файл — по файлу на каждую расшифровку. Файлы, которые нельзя обработать, пропускаются, и начинается следующий. Вся обработка выполняется в браузере, и файлы никуда не отправляются.

Можно ли сделать краткое содержание или протокол встречи по расшифровке?

Да. В Chrome или Edge (версия 138 или новее) на компьютере нажмите «Составить краткое содержание» на экране результата — встроенный в браузер ИИ (Gemini Nano) превратит расшифровку в список основных пунктов. Краткое содержание тоже создаётся в браузере, поэтому расшифровка никуда не отправляется. При сохранении в Word, TXT или PDF краткое содержание ставится в начало, так что его можно использовать как черновик протокола встречи. Краткое содержание доступно на японском, английском, испанском, немецком и французском. При первом запуске браузер загружает модель ИИ; для неё нужно 22 ГБ свободного места и либо не менее 16 ГБ памяти, либо GPU с видеопамятью более 4 ГБ. На телефонах, в Firefox и Safari это не работает.

Можно ли отредактировать имеющийся файл субтитров SRT или VTT?

Да. Выберите файл субтитров SRT или VTT в окне выбора файлов — он откроется на экране результата без расшифровки. Можно исправить текст и время строк, разделить или удалить строки, перевести и составить краткое содержание, а затем сохранить в SRT, VTT, TXT, Word и других форматах через «Скачать» (так можно и преобразовать SRT в VTT). Выберите файл субтитров вместе с видео- (или аудио-) файлом, чтобы воспроизводить видео с наложенными субтитрами. Чтение файла тоже происходит в браузере, и файлы никуда не отправляются.

Помогите улучшить сервис

Сведения об условиях обработки — успешной или неудачной — помогают нам находить проблемы (для расчёта доли сбоев нужны оба случая). Зная, на каких устройствах и с какими настройками сбои случаются чаще, мы можем пересматривать рекомендуемые настройки по умолчанию и исправлять ошибки, которые за этим стоят. Если вы не против, оставьте этот параметр включённым — это действительно помогает.

Что отправляется

Характеристики устройства (модель GPU, объём памяти, число ядер), браузер и ОС, выбранные модель и язык, настройка разделения по спикерам (вкл. или выкл. и заданное число спикеров), язык интерфейса страницы, докуда дошла обработка (в том числе если вы её остановили или закрыли страницу), тип ошибки и подробности, формат файла с примерным размером и длительностью, сколько времени занял каждый этап и сколько данных моделей ИИ было загружено. Временный номер, связывающий запуски в одной вкладке (удаляется при закрытии вкладки). На экране результата: сколько раз вы пользовались редактированием (например, переименованием спикеров или разделением строк), переводом, кратким содержанием и импортом субтитров, какие форматы выбирали в «Скачать», как часто пользовались «Копировать текст» и «Скачать все», а также языковая пара перевода.

Что никогда не отправляется

Аудио, расшифровки (включая имена спикеров и переводы), имена файлов и IP-адреса. Данные поступают только на собственный сервер этого сайта и никогда — в сторонние сервисы.