Per l'equip editorial de whispertranscribe.ai · Última actualització: novembre de 2026 · 13 minuts de lectura
Un convertidor d'àudio a text transforma la parla enregistrada en text editable i cercable. Les versions en línia funcionen al navegador: puges un fitxer, un model de reconeixement de veu el processa als servidors del proveïdor i descarregues una transcripció. Tria segons els límits de fitxer, els idiomes, les etiquetes de parlants, els formats d'exportació i les condicions de privadesa.
Dos convertidors que semblen iguals poden diferir deu vegades en la durada permesa o utilitzar els enregistraments per entrenar la seva IA. A continuació trobaràs comprovacions a les pàgines dels proveïdors, sis eines comparades, cinc passos, preparació d'àudio, una taula de solucions i sis preguntes de privadesa.
Declaració. whispertranscribe.ai publica aquesta guia i enumera el seu convertidor en primer lloc. Cada dada dels competidors enllaça a la pàgina de l'empresa i es va comprovar el novembre de 2026. No hem fet cap prova comparativa de precisió per a aquest article, així que no hi ha puntuacions de prova.
Resposta ràpida: què fa un convertidor d'àudio a text en línia?
Rep un fitxer d'àudio o un enllaç i retorna text, normalment amb marques de temps i sovint amb etiquetes de parlants. La majoria d'eines actuals fan servir models neuronals; whispertranscribe.ai i TurboScribe, per exemple, fan servir la família Whisper d'OpenAI. whispertranscribe.ai és una eina web de transcripció amb IA que converteix àudio i vídeo a text en més de 130 idiomes, amb fitxers de fins a 5GB i 10 hores.
El procés bàsic és semblant a tot arreu:
- Puja un MP3, WAV o M4A, o enganxa un enllaç.
- Defineix la llengua parlada i opcions com la detecció de parlants.
- Revisa i exporta a un document (DOCX, PDF, TXT) o format de subtítols (SRT, VTT).
Fes-lo servir quan ja tens un enregistrament, vols parlants o marques de temps i acceptes el processament al núvol. Tria una altra opció quan l'àudio no pugui sortir de l'ordinador (eina fora de línia), una persona hagi de verificar cada paraula (servei humà) o vulguis que el text aparegui mentre parles (dictat integrat al dispositiu).
Com triar un convertidor d'àudio a text: 8 comprovacions
En lloc d'adjectius com «ràpid», «precís» o «segur», busca el límit escrit. La taula mostra on sol aparèixer i què hauria de fer-te dubtar.
| Comprovació | Què buscar | On sol constar | Senyal d'alerta |
|---|---|---|---|
| 1. Mida i durada del fitxer | Límit de mida (GB) i durada (hores) | Preus, ajuda de càrrega | Només una xifra o un límit gratuït descobert després de pujar |
| 2. Idiomes | La teva llengua i variant regional; mode multilingüe si cal | Llista d'idiomes | Xifra rodona sense llista |
| 3. Detecció de parlants | Disponible al teu pla sense canviar els límits | Funcions, ajuda de càrrega | Límit de durada menor quan s'activa |
| 4. Formats d'exportació | Els formats necessaris al pla que faràs servir | Taula de preus | DOCX o SRT anunciats però absents de la columna gratuïta |
| 5. Privadesa | Conservació, eliminació, entrenament d'IA, revisió humana i tercers identificats | Política de privadesa, preguntes de seguretat | Garanties vagues sense declaració sobre conservació o entrenament |
| 6. Registre | Provar un fitxer abans de crear compte o introduir targeta | Pàgina gratuïta, preguntes de preus | Targeta obligatòria per a una prova «gratuïta» |
| 7. Model de preus | Minuts mensuals, paquets d'hores o tarifa «il·limitada» amb ús raonable | Preus i preguntes freqüents | Minuts que caduquen quan l'ús és irregular |
| 8. Precisió | Condicions indicades, com «amb àudio clar» | Pàgina del producte, preguntes | Percentatge sense condició ni font |
Dues comprovacions generen confusió. Els límits s'acumulen: un pla pot admetre 1 GB però aturar-se a 3 hores, o comptar càrregues separadament dels minuts. I «gratuït» varia molt, des de tres fitxers curts diaris fins a una prova única de 10 minuts; llegeix la columna gratuïta de la taula, no el bàner.
Comparació de 6 convertidors d'àudio a text (novembre de 2026)
Sis eines populars responen així als criteris, segons les pàgines de les empreses. «No publicat» vol dir que no vam trobar la dada a les pàgines consultades.
| Eina | Fitxer màxim (mida / durada) | Idiomes | Parlants | Exportació | Inici gratuït | Diu que entrena IA amb el contingut? | Pagament des de |
|---|---|---|---|---|---|---|---|
| whispertranscribe.ai | 5GB / 10 hores | 130+ | Sí | DOCX, PDF, SRT, VTT, TXT, CSV | Pàgina gratuïta sense compte | No (política de privadesa) | $9.99/mes amb facturació anual |
| TurboScribe | 5 GB / 10 hores a Unlimited; 30 minuts a Free | 98+ | Sí | PDF, DOCX, SRT, VTT, CSV, TXT | Pla gratuït sense targeta | No (preguntes de seguretat) | $10/mes amb facturació anual |
| HappyScribe | «Sense límit de mida» a la pàgina d'àudio; minuts comptabilitzats | 150+ | Sí | Free: TXT, SRT. Pro: més de 15 formats | Registre gratuït sense targeta | Només si hi consentiu en registrar-vos (política) | $8.50/mes amb facturació anual |
| Notta | Àudio 1 GB / 5 hores (3 amb identificació de parlants); 3 minuts a Free | 58 | Sí | Exportar és una funció Pro | Pla gratuït sense targeta | No publicat | $8.17/mes amb facturació anual |
| Otter.ai | 5 GB; 30 minuts per conversa a Basic, 90 a Pro | 6 segons preus; 17 segons ajuda oficial | Sí | Basic: MP3, TXT. Pro afegeix PDF, DOCX, SRT | Basic gratuït | Sí, amb enregistraments d'àudio desidentificats i transcripcions que poden contenir dades personals (política) | $8.33/usuari/mes amb facturació anual |
| Rev | No publicat | Free: anglès. Essentials: anglès i castellà. Pro: 37+ | No publicat | No publicat a preus | Pla gratuït | Diu que no deixa que les dades dels clients entrenin LLM externs | $25.49/plaça/mes amb facturació anual |
whispertranscribe.ai
Adequat per a: enregistraments llargs i àudio no anglès: fitxers de fins a 5GB i 10 hores, més de 130 idiomes amb variants regionals, Multilingual Mix quan els parlants canvien de llengua i Noise / Low-Quality Audio/Video per a moltes llengües.
Cal tenir en compte: només funciona al núvol, sense mode fora de línia, aplicació, API, revisió humana ni vocabulari personalitzat; cal revisar noms i terminologia. L'accés gratuït no publica un nombre fix de minuts i els textos llargs poden demanar un pla de pagament per mostrar-se sencers.
Les altres cinc, breument
- TurboScribe convé als usuaris intensius que volen tarifa fixa: Unlimited no té límit general per a una persona i també fa servir Whisper. Free permet 3 fitxers diaris de fins a 30 minuts; els comptes no es poden compartir.
- HappyScribe convé als subtítols i als equips que volen revisió humana (des de $2.00/min). Els plans de pagament compten minuts d'IA (Basic inclou 120 mensuals); Free és una prova única de 10 minuts.
- Notta convé a qui vol captura de reunions i aplicacions mòbils. Les converses gratuïtes s'aturen als 3 minuts, l'exportació és Pro i la identificació de parlants redueix el límit d'àudio de 5 a 3 hores.
- Otter.ai convé a reunions en directe en els idiomes compatibles. La pàgina de preus n'indica sis i l'ajuda oficial 17. Basic només permet 3 importacions durant tota la vida del compte; la política preveu entrenar la IA pròpia amb àudio desidentificat i transcripcions que poden contenir dades personals.
- Rev convé als equips jurídics i d'investigació que poden necessitar transcripció humana (des de $1.99/min). El pla gratuït només és en anglès, amb 45 minuts d'IA mensuals; els plans de pagament es cobren per plaça.
Per a anàlisis més detallades, consulta les guies sobre el millor programari de transcripció amb IA i les alternatives a TurboScribe.
Com fer servir un convertidor d'àudio a text en 5 passos
Els passos fan servir el convertidor gratuït d'àudio a text de whispertranscribe.ai; altres eines segueixen el mateix ordre amb etiquetes diferents.
Pas 1: puja l'àudio
Arrossega el fitxer al quadre («Drag & drop or browse file»). S'accepten formats habituals d'àudio i vídeo (vegeu la taula). Per a un enregistrament a YouTube, Vimeo, Google Drive o Dropbox, enganxa l'enllaç a Transcribe from URL en lloc de descarregar-lo primer.
Pas 2: tria la llengua parlada
Tria-la tu mateix en lloc de confiar en la detecció automàtica. La pàgina indica que alguns idiomes tenen diverses opcions i suggereix provar-ne una altra si el resultat és dolent. Fes servir una variant regional com portuguès (Brasil) si correspon, Noise / Low-Quality per a àudio difícil i Multilingual Mix quan es canvien idiomes.
Pas 3: defineix opcions i transcriu
Activa Enable Speaker Detection per a entrevistes, reunions i pòdcasts i prem Convert audio to text. Amb àudio clar la precisió pot arribar al 99%; espera menys en sales sorolloses, accents forts o veus superposades.
Pas 4: revisa el text amb l'àudio
Escolta l'enregistrament mentre llegeixes i comprova els punts on el reconeixement sol fallar:
- Noms propis: persones, empreses, llocs i productes.
- Nombres: preus, dates, percentatges i telèfons.
- Canvis de parlant: una resposta breu («Sí.») sovint s'assigna a la persona equivocada.
- Solapaments i rialles: el text pot faltar o quedar fusionat.
- Silenci o música: busca línies repetides o inventades.
Pas 5: exporta el format adequat
Tria segons l'ús: DOCX o PDF per a documents, TXT per enganxar, CSV per a fulls de càlcul o codificació d'investigació i SRT o VTT per a subtítols.
Pots començar sense compte. Per a ús habitual els plans comencen a $9.99/mes amb facturació anual (preus).
Preparació de l'àudio: millora la precisió abans de pujar
Un àudio net ajuda més que canviar d'eina. Aquests punts segueixen les bones pràctiques de dades de veu de Google Cloud, aplicables de manera general tot i estar escrites per al seu reconeixedor.
Abans d'enregistrar: obtén el consentiment necessari dels participants i el permís de l'organitzador abans de començar i respecta qualsevol prohibició.
- Posa el micròfon prop del parlant, especialment si hi ha soroll de fons.
- Desactiva el control automàtic de guany i la reducció de soroll si pots; Google ho recomana.
- Ajusta els nivells perquè els moments forts no saturin. Els pics distorsionats no es poden reparar després.
- Enregistra a 16,000 Hz o més. Els telèfons i gravadores normalment ja ho fan.
- Fes servir un format sense pèrdua si pots. Google recomana FLAC o àudio sense comprimir (LINEAR16) i adverteix que MP3, M4A i altres còdecs amb pèrdua poden reduir la precisió.
Abans de pujar
- Puja l'original, no una còpia recodificada. Desar un MP3 com a WAV augmenta la mida sense recuperar detalls; Google desaconsella canviar la freqüència de mostreig (envia un enregistrament telefònic de 8,000 Hz tal com és).
- Escolta 30 segons al principi i al mig per confirmar l'idioma i que totes les veus se senten.
- Retalla intros musicals llargues o silencis, on els models poden produir text repetit o inventat.
- Redueix vídeos enormes a àudio amb un convertidor d'àudio i vídeo a MP3 si la càrrega és lenta.
- Anota noms i termes que hauràs de comprovar.
Formats d'àudio: quins fitxers són millors per transcriure?
Tots els formats habituals es poden transcriure; canvia la quantitat de detall conservat després de la compressió. Els formats sense pèrdua conserven el que capta el micròfon, mentre que els de pèrdua descarten informació per estalviar espai.
| Format | Amb pèrdua o sense | Origen habitual | Consell per a la transcripció |
|---|---|---|---|
| MP3 | Amb pèrdua | Pòdcasts, descàrregues, gravadores antigues | Adequat per a veu clara; puja'l tal com és. Prova la pàgina MP3 a text |
| WAV | Normalment PCM sense comprimir, però el còdec pot variar (Library of Congress) | Gravadores de camp, editors | Màxima qualitat i fitxers grans; vigila els límits en sessions llargues |
| M4A / AAC | Amb pèrdua (AAC) | Voice Memos d'iPhone, gravadores Android | Puja'l directament; consulta transcripció de notes de veu |
| FLAC | Sense pèrdua, comprimit (RFC 9639) | Arxius, exportacions d'àudio | Més petit que WAV sense perdre qualitat; bona opció si controles l'exportació |
| ALAC | Sense pèrdua | Biblioteca Apple Music, algunes exportacions Apple | Concepte similar a FLAC en format Apple |
| AIFF | Normalment sense comprimir | Aplicacions Mac, GarageBand | Tracta'l com WAV |
| CAF | Contenidor; pot portar àudio amb pèrdua o sense | Aplicacions i eines de desenvolupament Apple | Puja'l tal com és |
| OGG | Contenidor, sovint Vorbis o Opus (amb pèrdua) | Àudio web, jocs, algunes aplicacions de missatgeria | Puja'l tal com és |
| OPUS | Amb pèrdua, per a veu i música de 6 a 510 kbit/s (RFC 6716) | Notes de veu, trucades VoIP | Sol ser petit i prou clar per transcriure |
| AMR | Amb pèrdua, veu de banda estreta | Telèfons i gravadores de trucades antigues | Espera menys precisió en àudio telefònic antic; no n'augmentis el mostreig |
També s'accepten vídeos (MP4, MOV, M4V, MKV, AVI, WMV, WEBM, MPG, MPEG): el convertidor llegeix la pista d'àudio. Per a projectes de vídeo, fes servir el convertidor de vídeo a text.
Resolució de problemes habituals
La majoria de transcripcions dolentes provenen de la llengua seleccionada o de l'àudio.
| Problema | Causa probable | Què provar |
|---|---|---|
| La transcripció no té sentit o és en un altre idioma | Llengua incorrecta o detecció automàtica basada en una introducció curta | Repeteix amb la llengua o variant correcta; usa Multilingual Mix per a veu multilingüe |
| La càrrega es rebutja | Fitxer massa gran o llarg | Comprova el límit (whispertranscribe.ai: 5GB i 10 hores); divideix el vídeo o extreu-ne l'àudio |
| Missatge «No s'ha detectat àudio» | Fitxer malmès, pista silenciosa o àudio en un canal inesperat | Reprodueix-lo localment i torna'l a exportar des de l'aplicació |
| Tota la veu sota un parlant | Detecció desactivada o veus molt semblants | Activa-la i repeteix; canvia les etiquetes en revisar |
| Línies repetides o inventades | Silenci llarg, música o soroll intens | Retalla aquests fragments; prova Noise / Low-Quality |
| Noms i terminologia mal escrits | Paraules poc freqüents per al model | Cerca i substitueix a partir de la teva llista |
| Només es mostra part del text | Límits gratuïts | Comprova els límits del pla abans de pujar fitxers llargs |
És segur un convertidor en línia? 6 preguntes sobre privadesa
La privadesa depèn de la política escrita i dels teus hàbits de compartició. Abans de pujar entrevistes, trucades de clients o material personal, busca respostes concretes i comprovables. Un compromís clar permet exigir responsabilitats; una garantia vaga no. Aquesta és informació general, no assessorament jurídic.
Sis preguntes i les respostes segons la política de privadesa de whispertranscribe.ai (consultada el novembre de 2026):
| Pregunta | Per què importa | Resposta de whispertranscribe.ai (segons /privacy) |
|---|---|---|
| 1. Què passa amb el fitxer original després de processar-lo? | És la còpia més completa de la conversa | Els originals d'àudio i vídeo s'eliminen automàticament quan acaba el processament |
| 2. Quines altres còpies es conserven i quant temps? | El text i l'àudio extret poden tenir regles diferents | Els MP3 extrets s'eliminen per defecte després de 30 dies; els textos no tenen caducitat fixa i els elimines tu |
| 3. S'utilitza el contingut per entrenar models d'IA? | Les teves paraules podrien influir en un model que usen altres | No. La política exclou entrenament, ajustament i avaluació de models propis o de tercers |
| 4. Alguna persona l'escolta o llegeix? | Una revisió humana implica que algú sent l'àudio | No hi ha revisió humana d'enregistraments ni transcripcions |
| 5. Quines empreses externes hi intervenen? | Cadascuna és un altre lloc per on passen les dades | OpenAI consta com a proveïdor d'IA; Firebase, Mixpanel i Google Analytics, per a analítica |
| 6. Puc eliminar-ho tot i es pot recuperar? | L'eliminació ha d'estar sota el teu control | Pots eliminar fitxers, transcripcions i MP3 extrets o sol·licitar l'eliminació del compte; consulta la política sobre eliminació i recuperació |
La política també indica TLS 1.3 en trànsit i AES-256 en repòs. Si la teva organització exigeix una certificació o un acord concret, demana el document al proveïdor. Amb qualsevol eina, obtén el consentiment necessari abans d'enregistrar.
Quin convertidor d'àudio a text hauries de fer servir?
Adapta l'eina a l'enregistrament:
- Fitxers llargs o molts idiomes: límits alts i una llista àmplia, com whispertranscribe.ai o TurboScribe.
- Notes de veu ràpides o esborranys dictats: pot ser suficient una pàgina de veu a text o el dictat integrat.
- Reunions setmanals en directe: un assistent com Otter.ai o Notta, si admet la llengua.
- Registres jurídics o cites que han de ser exactes: un servei humà com Rev o HappyScribe, o una revisió humana acurada de l'esborrany d'IA.
- Àudio que no pot sortir de l'ordinador: una aplicació Whisper fora de línia; consulta el millor programari gratuït de transcripció.
Compara la resta a la pàgina de funcions.
Preguntes freqüents
Quin és el millor convertidor d'àudio a text en línia?
El millor és el que té límits adequats als teus enregistraments. Per a fitxers llargs i molts idiomes, busca límits alts i una llista completa; whispertranscribe.ai admet fins a 5GB i 10 hores en més de 130 idiomes, i TurboScribe ofereix tarifa fixa. Per a reunions en directe són adequats Otter.ai o Notta. Si cal verificar cada paraula, tria un servei amb transcripció humana, com Rev.
Puc convertir àudio a text en línia gratis?
Sí, la majoria permet provar-los gratis, però els límits varien. Segons la comprovació del novembre de 2026, TurboScribe Free permet tres fitxers diaris de fins a 30 minuts, Notta Free limita cada conversa a 3 minuts i HappyScribe ofereix una prova única de 10 minuts. whispertranscribe.ai permet començar sense compte; comprova la quantitat gratuïta actual abans de pujar un fitxer llarg.
Quina precisió tenen els convertidors d'àudio a text?
Amb àudio clar són molt precisos, però la precisió baixa amb soroll, distància del micròfon, accents forts i veus superposades. whispertranscribe.ai arriba fins al 99% amb àudio clar. Els proveïdors mesuren de maneres diferents, de manera que un percentatge sol és un millor cas. La prova més fiable és un fragment del teu àudio i la revisió de noms, xifres i termes.
És segur pujar àudio a un convertidor en línia?
Pot ser-ho si la política escrita respon les preguntes adequades. Comprova què passa amb l'original, quant temps es conserven còpies, si el contingut entrena IA, si persones el revisen, quins tercers el processen i si l'eliminació és definitiva. La política de whispertranscribe.ai indica que els originals s'eliminen després del processament i el contingut no s'utilitza per entrenar. Per a àudio que ha de quedar al dispositiu, usa una eina fora de línia. Això no és assessorament jurídic.
Quin format d'àudio és millor per transcriure?
Un format sense pèrdua com WAV o FLAC conserva més detall, així que usa'l quan controles l'enregistrament o l'exportació. Si ja tens MP3 o M4A, puja'l tal com és: convertir-lo a WAV augmenta la mida sense recuperar res. Un micròfon proper, evitar la saturació i reduir el soroll importen més que el format.
Pot un convertidor distingir parlants?
Sí, molts ho fan. La funció s'anomena detecció o diarització de parlants i etiqueta cada part del text. A whispertranscribe.ai activa Enable Speaker Detection abans de transcriure. Les etiquetes són menys fiables si les veus s'assemblen o se superposen; comprova els canvis i posa-hi els noms reals en revisar.
Preparat per convertir el teu enregistrament? Puja'l al convertidor gratuït d'àudio a text de whispertranscribe.ai: tria entre més de 130 idiomes, activa la detecció de parlants i exporta DOCX, PDF, TXT, CSV, SRT o VTT. Plans de pagament des de $9.99/mes amb facturació anual.
Referències
- OpenAI: Whisper GitHub repository
- Google Cloud: Speech-to-Text best practices for providing speech data
- Library of Congress: WAVE Audio File Format (fdd000001)
- IETF: RFC 9639, Free Lossless Audio Codec (FLAC)
- IETF: RFC 6716, Definition of the Opus Audio Codec
- Vendor pages checked November 2026: TurboScribe, TurboScribe security FAQ, HappyScribe pricing, HappyScribe audio to text, HappyScribe privacy, Notta pricing, Notta file import limits, Notta languages, Otter pricing, Otter file import help, Otter privacy policy, Rev pricing
