Transcriber

Безкоштовне й без обмежень
ШІ-транскрибування аудіо

Просто виберіть аудіофайл, і ШІ (Whisper або SenseVoice) перетворить його на текст у вашому браузері. Аудіо ніколи не надсилається на сервер. Без реєстрації, без обмежень за часом, повністю безкоштовно.

Повна конфіденційність
Працює офлайн
Швидка обробка на WebGPU
Перевірка вашого середовища…

Для цієї мови точність менших моделей різко падає. Виберіть Whisper Small або більшу

Увімк.

Зазвичай можна залишити «Авто». Змінюйте лише тоді, коли кількість мовців у результаті явно неправильна

Немає файлу? Запишіть звук мікрофоном. Транскрибування почнеться після зупинки запису (на цьому пристрої з вибраною моделлю — приблизно до хв). Ваш запис теж нікуди не надсилається.

Як це працює

  1. 1

    Виберіть аудіофайл або зробіть запис

    Підтримуються основні формати, як-от MP3, WAV, M4A і FLAC. Можна й перетягнути файл. Немає файлу? Запишіть звук мікрофоном і транскрибуйте його.

  2. 2

    ШІ транскрибує автоматично

    ШІ (Whisper, SenseVoice, Haas-ja, Qwen3-ASR або Voxtral) працює прямо у вашому браузері. Під час першого запуску завантажується модель (від 40 МБ до 5,2 ГБ залежно від вибраної).

  3. 3

    Експортуйте результат

    Зберігайте як документи (TXT, Word, PDF), субтитри (SRT, VTT) або дані (CSV, JSON). Підтримується розпізнавання мовців.

Для чого це можна використовувати

Перетворюйте записи на текст, не виходячи з браузера. Оскільки ваше аудіо не завантажується на сервер, це підходить і для записів, які не можна передавати сторонньому сервісу.

Протоколи зустрічей

Розпізнавання мовців позначає кожного учасника своїм кольором, тож транскрипція вже майже готовий протокол. Внутрішні записи не потрапляють на зовнішні сервери.

Розшифрування інтерв’ю

Обмежень на тривалість запису немає. Інтерв’юера й співрозмовника розрізняють автоматично, і кожному можна дати ім’я.

Субтитри для відео та YouTube

Завантажте файл MP4 або WebM напряму, перевірте й виправте субтитри під час відтворення та експортуйте субтитри SRT з таймкодами. Окреме перетворення не потрібне.

Конспекти лекцій і семінарів

Зберігайте записані лекції як текст, у якому можна шукати. Більші моделі краще справляються з аудіо, насиченим фаховими термінами.

Голосові нотатки

Нотатки M4A, записані на телефоні, можна завантажити як є й перетворити на текст.

Транскрипції подкастів і трансляцій

Транскрибуйте архівні випуски, щоб використати їх як статті або як основу для видимості в пошуку.

Почніть із того, що вам потрібно

Якщо ви вже знаєте тип файлу чи мету, почніть звідси — опис і кроки підібрано для кожного випадку.

Інші інструменти того самого автора. Збережіть трансляцію з X перед транскрибуванням, скоротіть довгий запис перед завантаженням або вбудуйте створений SRT у відео — усе в браузері.

Підтримувані формати файлів

Аудіофайли
MP3, WAV, M4A, AAC, FLAC, OGG, Opus, AIFF, WMA, AMR, WebM
Відеофайли
MP4, MOV, MKV, WebM, AVI, WMV, FLV, MPG, MPEG-TS, 3GP (звукова доріжка видобувається й транскрибується; результат відтворюється як субтитри поверх відео)
Формати експорту
TXT (звичайний текст), Word (DOCX), PDF (друк у PDF), SRT / VTT (субтитри з таймкодами), CSV і JSON
Обмеження розміру файлу
Немає (тривалість запису, який можна обробити за раз, залежить від пам’яті вашого пристрою та вибраної моделі)
Пакетна обробка
Виберіть кілька файлів одразу, щоб транскрибувати їх один за одним і зберегти результати разом в одному ZIP-файлі
Файли субтитрів
Відкривайте файли субтитрів SRT або VTT, щоб редагувати, перекладати чи створювати підсумок, або щоб перетворювати між SRT і VTT (виберіть разом із ним відео, щоб перевіряти під час відтворення)
Мови
100 мов (99 мов Whisper плюс кантонська із SenseVoice). Окрім японської, англійської, китайської, корейської, іспанської, французької, німецької, португальської, російської, італійської та індонезійської, можна вибрати нідерландську, турецьку, польську, тайську, в’єтнамську, арабську й багато інших. Шукайте за назвою або кодом мови чи виберіть «Автовизначення», якщо не впевнені

Попередньо перетворювати відео на аудіо не потрібно — браузер видобуває звукову доріжку одразу після завантаження файлу.

Доступні моделі

Доступно дванадцять моделей. Модель за замовчуванням залежить від мови й пристрою, як показано в таблиці нижче, і її можна змінити в налаштуваннях. Більші моделі Whisper точніші, але першого разу довше завантажуються й потребують потужнішого обладнання.

Модель за замовчуванням для кожної мови

Японська
Haas-ja v1.0 (комп’ютери з WebGPU у Chrome або Edge, крім Mac на Apple silicon) SenseVoice Small (телефони, Safari, Firefox та інші середовища)
Китайська, корейська, кантонська
SenseVoice Small
Англійська
Parakeet Ultra (комп’ютери з вбудованою графікою в Chrome або Edge) SenseVoice Small (телефони, комп’ютери без WebGPU, комп’ютери з вбудованою графікою в Safari або Firefox тощо) Whisper Large v3 Turbo (комп’ютери з дискретною відеокартою; Whisper Small на старіших GPU) Whisper Small (Mac)
Іспанська, німецька, французька, італійська, португальська, російська, польська, нідерландська, українська, угорська, чеська, грецька
Parakeet Ultra (комп’ютери з вбудованою графікою в Chrome або Edge) FastConformer (іспанська, французька, італійська та німецька; телефони й комп’ютери без WebGPU, крім пристроїв із малим обсягом пам’яті) Інші пристрої: як для «Інших мов»
Інші мови
Whisper Large v3 Turbo (комп’ютери з дискретною відеокартою; Whisper Small на старіших GPU) Whisper Small (Mac) Whisper Base (комп’ютери з вбудованою графікою) Whisper Tiny (телефони, середовища без WebGPU, пристрої з пам’яттю менше 4 ГБ)

Розмір і особливості кожної моделі

МодельРозмірПримітки
Haas-ja v1.0〜710 MBВисока точність, лише японська. Робить приблизно на 40% менше помилок, ніж SenseVoice Small (за нашими вимірюваннями на читаному мовленні). Обробка триває приблизно 1/30 тривалості аудіо (виміряно на ПК із вбудованою графікою). Лише на комп’ютерах із WebGPU; під час першого запуску завантажує близько 710 МБ і використовує близько 1 ГБ пам’яті GPU (VRAM). За замовчуванням для японської на комп’ютерах із WebGPU у Chrome або Edge (крім Mac на Apple silicon)
SenseVoice Small〜240 MBЯпонська, китайська, корейська, англійська та кантонська. Легка й швидка, а для японської та китайської щонайменше така ж точна, як Large v3 Turbo (за замовчуванням для китайської, корейської та кантонської; для японської — на телефонах, у Safari і Firefox, на комп’ютерах без WebGPU та в деяких інших випадках; для англійської — на телефонах, на комп’ютерах без WebGPU, на комп’ютерах із вбудованою графікою в Safari і Firefox та в деяких інших випадках)
Parakeet Ultra〜500 MBВисокоточна модель для 25 європейських мов, зокрема англійської, іспанської, німецької та французької. Для іспанської, німецької, французької, італійської, португальської та російської вона робить на 60–80% менше помилок, ніж Whisper Base, і щонайменше приблизно така ж точна, як Large v3 Turbo (за нашими вимірюваннями на читаному мовленні). Обробка триває приблизно 1/25 тривалості аудіо (виміряно на ПК із вбудованою графікою). Працює лише на комп’ютерах із WebGPU і під час першого запуску завантажує близько 500 МБ. За замовчуванням для англійської, цих 6 мов, польської, нідерландської, української, угорської, чеської та грецької на комп’ютерах із вбудованою графікою в Chrome або Edge
FastConformer〜175 MBОкремі моделі (NVIDIA) для іспанської, французької, італійської та німецької. Вони роблять щонайменше вдвічі менше помилок, ніж Whisper Tiny, і працюють приблизно втричі швидше (за нашими вимірюваннями). Працюють на CPU без GPU і під час першого запуску завантажують близько 175 МБ. За замовчуванням для цих 4 мов на телефонах і комп’ютерах без WebGPU
Whisper TinyGPU 〜145 MB / CPU 〜40 MBШвидка й легка. Найкраще для чіткого аудіо
Whisper BaseGPU 〜280 MB / CPU 〜75 MBДобрий баланс швидкості й точності
Whisper SmallGPU 〜925 MB / CPU 〜240 MBВисока точність. Добре справляється з термінами та складним аудіо
Whisper Medium〜650 MBМайже така ж точна, як Large v3 Turbo, а з WebGPU обсяг завантаження більш ніж удвічі менший. Рекомендовано WebGPU
Whisper Large v3 TurboGPU 〜1.5 GB / CPU 〜725 MBМайже найвища точність і висока швидкість. Рекомендовано WebGPU (рекомендовано)
Whisper Large v3GPU 〜2.0 GB / CPU 〜1.2 GBПовна Large v3. Найточніша модель Whisper, найбільша й повільна (WebGPU фактично обов’язковий)
Qwen3-ASR 1.7B〜5.2 GBВисока точність. Лише на комп’ютерах із WebGPU; під час першого запуску завантажує близько 5,2 ГБ (дві моделі: для тексту та для часових міток) і використовує близько 5 ГБ пам’яті GPU (VRAM)
Voxtral Mini 4B〜2.9 GBВисока точність, доступна лише для японської. Робить приблизно на 30% менше помилок, ніж SenseVoice Small (за нашими вимірюваннями на читаному мовленні). Обробка триває довше, ніж із SenseVoice Small: приблизно від 0,4 (ПК із дискретною відеокартою) до 0,85 (ПК із вбудованою графікою) тривалості аудіо. Лише на комп’ютерах із WebGPU; під час першого запуску завантажує близько 2,9 ГБ і використовує близько 5 ГБ пам’яті GPU (VRAM)

Whisper Medium і більші, Haas-ja, Parakeet Ultra, Qwen3-ASR і Voxtral потребують середовища з підтримкою WebGPU. Voxtral також потребує GPU з підтримкою 16-бітних чисел з рухомою комою (fp16). Без WebGPU вибирайте Small або менші.
Для орієнтиру: Whisper Large v3 і Qwen3-ASR 1.7B працювали у Windows 11 з GeForce RTX 2060 SUPER (8 ГБ). Qwen3-ASR використовує близько 5 ГБ пам’яті GPU.

Порівняти частку помилок і час обробки кожної моделі

Чим це відрізняється від хмарних сервісів транскрибування

Більшість сервісів транскрибування надсилають ваше аудіо на свої сервери для обробки. Transcriber натомість запускає модель у вашому браузері, і це змінює переваги та компроміси.

КритерійТиповий хмарний сервісTranscriber
Куди потрапляє аудіоЗавантажується на сервери постачальникаНікуди не надсилається — обробляється на вашому пристрої
Безкоштовний обсягЗазвичай обмежений кількістю хвилин на місяцьБез обмежень за часом і кількістю
Потрібен обліковий записЗазвичай такНі
Робота офлайнНеможливаМожлива після завантаження моделі
Від чого залежить швидкістьВід серверного обладнання постачальникаВід GPU / CPU вашого пристрою

Перевага хмарних сервісів — стабільна швидкість на слабких пристроях. Обробка в браузері підходить, коли запис не повинен виходити з-під вашого контролю або коли потрібно обробляти довге аудіо без обмежень квоти.

Поширені запитання

Це справді безкоштовно? Чи є обмеження за часом або кількістю?

Повністю безкоштовно. Немає обмежень на тривалість, кількість запусків, кількість символів чи розмір файлу, і банківська картка не потрібна. Відрізняється лише те, яку тривалість запису можна обробити за раз: це залежить від пам’яті вашого пристрою та вибраної моделі. Якщо файл не вміщується, сторінка повідомить про це ще до початку обробки.

Чи завантажується моє аудіо на сервер?

Ні. ШІ (Whisper або SenseVoice) працює у вашому браузері, тому аудіо ніколи не залишає ваш пристрій. Ваші записи ніколи не зберігаються на сервері й не передаються третім особам.

Чи потрібно створювати обліковий запис або входити?

Ні. Відкрийте сторінку, виберіть аудіофайл — і транскрибування почнеться. Адресу електронної пошти ніколи не запитують.

Які формати файлів підтримуються?

Аудіо: MP3, WAV, M4A, AAC, FLAC, OGG, Opus, AIFF, WMA і AMR. Відео: MP4, MOV, MKV, WebM, AVI, WMV, FLV, MPG, MPEG-TS і 3GP. Файл можна перетягнути або вибрати у вікні вибору файлів.

Чи можна транскрибувати відеофайл?

Так. Завантажте відео у форматі MP4, MOV, MKV, WebM, AVI тощо, і браузер видобуде звукову доріжку для транскрибування. Попередньо перетворювати його на аудіофайл не потрібно. Після транскрибування можна відтворити відео з результатом у вигляді субтитрів, щоб перевірити й виправити його, або дивитися з перекладеними субтитрами. Обмеження розміру файлу немає, тому відео на кілька гігабайтів завантажуються як є. Відео, збережені з X (Twitter) за допомогою X Video Downloader, можна завантажити як є; щоб спершу видобути лише аудіо, скористайтеся Media Tools.

Чи розрізняє він мовців?

Розпізнавання мовців підтримується. У записах із кількома учасниками, як-от зустрічах чи інтерв’ю, кожного мовця показано іншим кольором. Кількість мовців визначається автоматично, тому зазвичай її не потрібно задавати. Мітки мовців можна перейменовувати на екрані, помилково розділених мовців — об’єднувати, а будь-який рядок — призначати іншому мовцеві або розділяти. Якщо на ПК у браузері, відмінному від Firefox, доступний WebGPU, а кількість мовців залишено на «Авто», для розпізнавання використовується NVIDIA Nemotron 3 Diarization; в інших випадках — pyannote, і в обох випадках для порівняння особливостей голосу використовується WeSpeaker.

Чи можна створювати файли субтитрів?

Так — транскрипції можна експортувати як субтитри SRT і VTT (WebVTT) з таймкодами, готові для відеоредакторів і відеоплатформ (багато відеоредакторів приймають SRT). Також доступні експорт у звичайний текст (TXT), Word (DOCX), PDF, CSV і JSON та копіювання в буфер обміну. Щоб вбудувати експортований SRT безпосередньо у відео, скористайтеся Media Tools (вбудовування субтитрів).

Чи можна перекласти транскрипцію?

Так. Відкрийте «Переклад» у заголовку результату, виберіть мову оригіналу й мову перекладу, і переклад з’явиться під кожним рядком. Кожен формат експорту може містити оригінал, переклад або обидва. Якщо ви завантажили відео, переклад також можна показувати як субтитри поверх нього під час відтворення. Переклад використовує перекладач, вбудований у Chrome 138+ і Edge 148+ для комп’ютера, і повністю виконується на вашому пристрої, тому транскрипція нікуди не надсилається. На смартфонах, у Firefox і Safari він недоступний. Під час першого використання мови завантажується її модель перекладу.

Чи працює він офлайн?

Так. Після того як модель ШІ один раз завантажено, транскрибування працює без підключення до мережі. Розмір моделей — приблизно від 40 МБ до 5,2 ГБ залежно від вибраної.

Як підвищити точність?

Точність підвищує вибір моделі, що підходить для мови. Для японської найточніша з доступних моделей — Haas-ja v1.0: вона робить приблизно на 40% менше помилок, ніж SenseVoice Small (за нашими вимірюваннями на читаному мовленні). Вона працює лише на комп’ютерах із WebGPU, під час першого запуску завантажує близько 710 МБ, а обробка триває приблизно 1/30 тривалості аудіо (виміряно на ПК із вбудованою графікою). Вона за замовчуванням для японської на комп’ютерах із WebGPU у Chrome або Edge (крім Mac на Apple silicon). Для китайської та корейської, а також для японської в інших випадках, як-от на телефонах чи в Safari і Firefox, модель за замовчуванням SenseVoice Small легка й швидка, а для японської та китайської щонайменше така ж точна, як Whisper Large v3 Turbo. Для інших мов більші моделі точніші; на пристроях із підтримкою WebGPU Whisper Large v3 Turbo рекомендовано завдяки високій точності й швидкості (вона за замовчуванням на комп’ютерах із дискретною відеокартою). Для 25 європейських мов (зокрема англійської, іспанської, німецької та французької) можна також вибрати Parakeet Ultra. Вона приблизно така ж точна, як Whisper Large v3 Turbo (для грецької Turbo точніша), і витрачає приблизно 1/7 часу обробки Turbo (лише комп’ютери з WebGPU; першого разу завантажується близько 500 МБ). Вона за замовчуванням для англійської, іспанської, німецької, французької, італійської, португальської, російської, польської, нідерландської, української, угорської, чеської та грецької на комп’ютерах із вбудованою графікою в Chrome або Edge. На телефонах і комп’ютерах без WebGPU для іспанської, французької, італійської та німецької за замовчуванням використовується FastConformer: вона робить щонайменше вдвічі менше помилок, ніж Whisper Tiny, і працює приблизно втричі швидше (першого разу завантажується близько 175 МБ). Для англійської на телефонах, на комп’ютерах із вбудованою графікою в Safari і Firefox та на подібних пристроях за замовчуванням використовується SenseVoice Small: вона робить менше помилок, ніж Whisper Base, і працює швидше. На комп’ютерах із WebGPU можна також вибрати Qwen3-ASR 1.7B (першого разу завантажується близько 5,2 ГБ), яка робить менше помилок, ніж Whisper Large v3 Turbo, для японської, англійської та китайської. Помилок також стає менше, якщо явно вказати мову замість автовизначення. Частку помилок і час обробки, які ми виміряли для кожної моделі й мови, див. на сторінці Порівняння моделей і поради з вибору.

Чи можна користуватися ним на смартфоні?

Так, але для захисту пристрою він працює в режимі, що економить пам’ять (WASM), тому тривалість, яку можна обробити за раз, коротша, ніж на комп’ютері. Для довгих записів рекомендуємо комп’ютер.

Чи збираєте ви інформацію про помилки?

Лише статистику, потрібну для виправлення проблем і покращення функцій. Це характеристики вашого пристрою (модель GPU, пам’ять, кількість ядер), браузер і ОС, вибрані модель і мова, налаштування розпізнавання мовців (увімкнено чи вимкнено та задана кількість мовців), мова інтерфейсу сторінки, етап, до якого дійшла обробка (зокрема якщо ви її зупинили або закрили сторінку), тип і текст помилки, формат файлу з приблизним розміром і тривалістю, тривалість кожного етапу та обсяг завантажених даних моделей ШІ. Також надсилається тимчасовий номер, що пов’язує запуски в одній вкладці (він видаляється, коли ви закриваєте вкладку). Ті самі поля надсилаються й у разі успіху, бо для частки збоїв потрібні обидва випадки. На екрані результату також надсилається, скільки разів ви користувалися редагуванням (як-от перейменуванням мовців чи розділенням рядків), перекладом, підсумками та імпортом субтитрів, які формати ви вибирали в меню «Завантажити», як часто ви натискали «Копіювати текст» і «Завантажити все», а також мовна пара перекладу. Аудіо, транскрипції (зокрема імена мовців і переклади), назви файлів та IP-адреси ніколи не надсилаються, а дані надходять лише на власний сервер цього сайту — ніколи до сторонніх сервісів. Ви можете будь-коли вимкнути це перемикачем у розділі «Допоможіть нам покращити сервіс» унизу сторінки.

Чи можна зберегти транскрипцію у Word або PDF?

Так. У меню «Завантажити» під результатом виберіть «Word (DOCX)», щоб зберегти документ, який відкривається у Word. PDF зберігається через функцію друку браузера: виберіть «PDF», а потім збережіть як PDF у вікні друку, що відкриється (на iPhone та iPad скористайтеся кнопкою «Поширити» на екрані друку й збережіть у «Файли»). Також доступні CSV для таблиць і JSON для програм. Кожен формат створюється у вашому браузері, тому транскрипція нікуди не надсилається.

Чи можна записати звук із мікрофона в браузері й транскрибувати його?

Так. Натисніть «Записати з мікрофона», щоб записати звук мікрофоном комп’ютера чи телефона. Натисніть «Зупинити запис», а потім «Почати транскрибування», і запис буде транскрибовано. Запис теж нікуди не надсилається; він зберігається в історії цього пристрою. Записувати можна до 3 годин або менше залежно від пам’яті пристрою та вибраної моделі; ліміт показується перед початком запису. На телефоні запис може зупинитися, якщо заблокувати екран або перейти в інший застосунок.

Чи можна транскрибувати кілька файлів одразу?

Так. Виберіть кілька файлів у вікні вибору або перетягніть їх разом, і їх буде транскрибовано по одному з тими самими налаштуваннями (модель, мова й розпізнавання мовців). Кожен результат зберігається в історії на цьому пристрої. Коли все завершиться, виберіть TXT, Word, SRT, VTT, CSV або JSON у меню «Завантажити все», щоб зберегти результати в одному ZIP-файлі — по файлу на кожну транскрипцію. Файли, які не вдається обробити, пропускаються, і починається наступний. Уся обробка виконується у вашому браузері, а файли нікуди не надсилаються.

Чи можна зробити з транскрипції підсумок або протокол зустрічі?

Так. У Chrome або Edge (версії 138 чи новішої) на комп’ютері натисніть «Створити підсумок» на екрані результату, і вбудований у браузер ШІ (Gemini Nano) перетворить транскрипцію на список ключових пунктів. Підсумок теж створюється у вашому браузері, тому транскрипція нікуди не надсилається. Під час збереження у Word, TXT або PDF підсумок розміщується на початку, тож його можна використати як чернетку протоколу зустрічі. Підсумки доступні японською, англійською, іспанською, німецькою та французькою. Першого разу браузер завантажує модель ШІ, для якої потрібно 22 ГБ вільного місця та або щонайменше 16 ГБ пам’яті, або GPU з понад 4 ГБ VRAM. На телефонах, у Firefox і Safari це не працює.

Чи можна редагувати наявний файл субтитрів SRT або VTT?

Так. Виберіть файл субтитрів SRT або VTT у вікні вибору файлів, і він відкриється на екрані результату без транскрибування. Можна виправляти текст і час рядків, розділяти чи видаляти рядки, перекладати й створювати підсумок, а потім зберегти як SRT, VTT, TXT, Word тощо через меню «Завантажити» (так можна й перетворити SRT на VTT). Виберіть файл субтитрів разом із відео- (або аудіо-) файлом, щоб відтворювати відео з накладеними субтитрами. Файл теж читається у вашому браузері, і файли нікуди не надсилаються.

Допоможіть нам покращити сервіс

Відомості про обставини запуску — успішного чи невдалого — допомагають нам знаходити проблеми (для частки збоїв потрібні обидва випадки). Знаючи, на яких пристроях і з якими налаштуваннями збої трапляються найчастіше, ми можемо переглядати рекомендовані налаштування за замовчуванням і виправляти помилки, що за ними стоять. Якщо ви не проти, залиште це ввімкненим — це справді допомагає.

Що надсилається

Характеристики вашого пристрою (модель GPU, пам’ять, кількість ядер), браузер і ОС, вибрані модель і мова, налаштування розпізнавання мовців (увімкнено чи вимкнено та задана кількість мовців), мова інтерфейсу сторінки, етап, до якого дійшла обробка (зокрема якщо ви її зупинили або закрили сторінку), тип і подробиці помилки, формат файлу з приблизним розміром і тривалістю, тривалість кожного етапу та обсяг завантажених даних моделей ШІ. Тимчасовий номер, що пов’язує запуски в одній вкладці (він видаляється, коли ви закриваєте вкладку). На екрані результату: скільки разів ви користувалися редагуванням (як-от перейменуванням мовців чи розділенням рядків), перекладом, підсумками та імпортом субтитрів, формати, вибрані в меню «Завантажити», як часто ви натискали «Копіювати текст» і «Завантажити все», а також мовна пара перекладу.

Що ніколи не надсилається

Аудіо, транскрипції (зокрема імена мовців і переклади), назви файлів та IP-адреси. Дані надходять лише на власний сервер цього сайту, ніколи до сторонніх сервісів.