Convertidor d'àudio a text en línia: com triar-lo, fer-lo servir i evitar errors

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:

  1. Puja un MP3, WAV o M4A, o enganxa un enllaç.
  2. Defineix la llengua parlada i opcions com la detecció de parlants.
  3. 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

Vols convertir les teves gravacions en text?

Transcriu àudio i vídeo amb whispertranscribe.ai.

Comença a transcriure ↗