Den bedste MP3 til tekst konverter

Google Docs voice typing

Taleindtastning i Google Docs koster ikke andet end en Google-konto og klarer tydelig tale fint. Den lytter kun til mikrofonen: du kan ikke uploade en fil, så en MP3 skal afspilles højt eller dikteres igen i realtid, uden tidsstempler, taleretiketter eller eksport af undertekster. Fint til et memo på to minutter, pinefuldt til en time.

Bedst til: Et memo uden at oprette konto

Sonix

Sonix er bygget til uploadede filer: en MP3 kommer tilbage cirka 10x hurtigere end realtid med taleretiketter og ordtiming på 100 ms, du retter den i AudioText Editor, mens lyden afspilles, og du eksporterer til et af 18+ formater. Transskriptionen dækker 54+ sprog og oversættelsen 54+. De første 30 minutter er gratis uden kort; derefter koster det $10 i timen, når du betaler efter forbrug, eller et abonnement. Et kort klip en gang om året har måske slet ikke brug for noget af det her.

Bedst til: Interviews og alt, du skal citere

Otter.ai

Otter.ai er stærkest, mens den optager et møde: live-transskription, taleridentifikation og automatiske resuméer. Til MP3-filer er gratisplanen stram, med 300 minutter om måneden, 30 minutter pr. samtale og 3 filimporter i hele kontoens levetid; Pro fra $8.33 pr. bruger om måneden ved årlig betaling hæver det til 10 importer om måneden. AI-transskriptionen dækker 6 sprog.

Bedst til: Møder, du optager, mens de foregår

Descript

Descript bruger transskriptionen som redigeringsflade: slet en sætning i teksten, og den forsvinder fra lyden. Transskription på 25 sprog med talergenkendelse følger med i en kreativ pakke, med 60 gratis medieminutter om måneden og Hobbyist-abonnementet fra $16 om måneden ved årlig betaling. Skal du bare have teksten ud af en MP3, betaler du for et studie, du måske aldrig bruger.

Bedst til: Lyd og video, du alligevel redigerer

Rev

Rev sælger både AI-transskription og menneskelig transskription til $1.99 i minuttet, og det er den, du vælger, når en deadline inden for jura eller broadcast kræver næsten fejlfri tekst, og du hellere vil betale end korrekturlæse. Gratisniveauet giver 45 AI-minutter om måneden på engelsk; Essentials koster $25.49 pr. licens om måneden ved årlig betaling. Menneskeligt arbejde tager timer, ikke minutter, og minutpriser stiger hurtigt på lange optagelser.

Bedst til: En transskription, et menneske har tjekket

Happy Scribe

Happy Scribe kombinerer AI-transskription på 150+ sprog og dialekter med en undertekst-editor og menneskelig transskription fra $2.00 i minuttet. Basic-abonnementet dækker 120 minutter om måneden til $8.50 ved årlig betaling, og ekstra minutter koster $0.20, så travle måneder løber op i forhold til en timepris. En prøveperiode på 10 minutter kører på din egen lyd.

Bedst til: Et sprog, de fleste værktøjer ikke dækker

OpenAI Whisper

Whisper er OpenAIs open source-model til talegenkendelse under MIT-licensen: én pip install, og du transskriberer MP3-filer på din egen maskine, uden at noget bliver uploadet eller koster penge, hvilket passer til følsom lyd. Du stiller selv computeren til rådighed, lange filer kan tage tid, og du får rå tekst uden editor, taleretiketter eller formaterede eksporter, medmindre du selv skriver scripts til det.

Bedst til: Udviklere og selvhosting

Hvad tallene viser

11 ordfejl i 707 ord giver en ordnøjagtighed på 98.4%, på en tale, der blev ridset ind i voks gennem et akustisk horn 114 år før denne test. Det er langt sværere lyd end en telefon på et mødebord eller en podcastmikrofon, og derfor angiver denne side motoren til op til 99% på tydelig lyd, mens denne kørsel lander lige under.

De 8 rettelser fordeler sig på tre slags. Egennavne (3): motoren havde aldrig hørt om Turgot, den franske økonom, som Roosevelt citerer to gange, eller om bourbonisme. Tidstypisk ordforråd (2): "profit" og "expedients", sagt i en kadence fra 1912. Næsten-homofoner, som en lytter også kunne overhøre (3): "our" for "are", "zones" for "souls", "when" for "where". Ingen sætning gik tabt eller blev opdigtet; hver fejl er et enkelt forkert hørt ord, og det er derfor, gennemgangen går hurtigt.

Rettelserne tog 4 minutter for en optagelse på 4 minutter: én gennemlytning i normal hastighed, med lyden afspillet under det ord, der blev rettet. På en svær fil er det cirka et minuts redigering pr. minut lyd, og det er navnene, der tager tiden. En ren, moderne optagelse kræver færre stop, og et navn, der går igen, bliver fanget i første gennemgang, når du først ved, at du skal lytte efter det.