Oleh Tim Editorial whispertranscribe.ai · Terakhir diperbarui: November 2026 · Waktu baca 12 menit
Untuk mentranskripsikan MP3 ke teks, masukkan file ke alat transkripsi AI, pilih bahasa yang digunakan, lalu ekspor hasilnya sebagai DOCX, TXT, atau SRT. Anda juga dapat menggunakan fitur Transcribe Microsoft Word, mengetiknya sendiri, atau menjalankan model Whisper gratis dari OpenAI di komputer sendiri. Apa pun pilihan Anda, kualitas MP3 membatasi kualitas hasil.
Berikut keempat metode langkah demi langkah, cara membaca bitrate dan sample rate file, daftar periksa audio, tips untuk file panjang dan beberapa pembicara, serta rutinitas pemeriksaan tiga tahap.
Jawaban singkat: cara mentranskripsikan MP3 ke teks
Bagi kebanyakan orang, alat online paling cepat: alat menerima MP3 apa adanya, memberi label pembicara, dan mengembalikan file yang dapat diedit. Gunakan Word jika Anda sudah berlangganan Microsoft 365, ketik klip pendek secara manual, dan jalankan Whisper secara lokal jika audio tidak boleh keluar dari perangkat.
- Periksa file. Putar 30 detik untuk memastikan suara jelas.
- Unggah dan atur opsi. Pilih bahasa yang digunakan dan aktifkan deteksi pembicara jika lebih dari satu orang berbicara.
- Periksa dan ekspor. Perbaiki nama dan angka, lalu unduh DOCX atau TXT untuk dokumen, SRT atau VTT untuk caption.
Metode mana yang sebaiknya digunakan?
Pilih berdasarkan tiga hal: jumlah audio, kebutuhan label pembicara, dan ke mana audio boleh dikirim. Rincian Microsoft diperiksa November 2026.
| Metode | Biaya | Label pembicara | Tujuan audio | Paling cocok untuk |
|---|---|---|---|---|
| 1. Alat transkripsi online | Banyak alat memiliki opsi awal gratis, paket berbayar untuk volume lebih besar | Ya, pada sebagian besar alat | Server penyedia | Wawancara, podcast, kuliah, pekerjaan rutin |
| 2. Microsoft Word Transcribe | Termasuk Microsoft 365, umumnya hingga 300 menit unggahan per bulan; lisensi Copilot hingga 30,000 menit | Ya (Speaker 1, Speaker 2) | Server Microsoft, file disimpan di OneDrive Anda | File sesekali jika sudah menggunakan Word |
| 3. Transkripsi manual | Gratis, tetapi memerlukan waktu berjam-jam | Anda menambahkannya | Tetap di perangkat | Klip pendek, kutipan yang harus tepat |
| 4. Whisper di komputer Anda | Gratis, sumber terbuka | Tidak ada di alat resmi | Tetap di perangkat | Audio privat, pengguna teknis, pemrosesan batch |
Sebelum mulai: periksa MP3 dalam 60 detik
MP3 adalah format lossy. Penjelasan format Library of Congress menjelaskan bahwa format ini membuang suara yang lebih sulit didengar manusia, dan MP3 128 kbit/s berukuran sekitar sepersebelas audio berkualitas CD. Detail yang hilang tidak dapat dipulihkan, jadi ketahui kondisi file Anda.
Di Windows, buka Properties → Details; di Mac, Get Info. Jika FFmpeg terpasang, perintah ini mencetak codec, sample rate, channel, bitrate, dan durasi:
ffprobe -v error -select_streams a:0 -show_entries stream=codec_name,sample_rate,channels,bit_rate -show_entries format=duration -of default=noprint_wrappers=1 interview.mp3
Perintah ini menghasilkan baris seperti sample_rate=44100 dan bit_rate=128000. Cara membacanya:
| Nilai | Keterangan | Artinya untuk transkripsi |
|---|---|---|
| bit_rate | Jumlah data per detik yang tersisa setelah kompresi | Bitrate sangat rendah menyisakan lebih sedikit detail; detail itu tidak dapat ditambahkan kembali |
| sample_rate | Berapa kali suara diukur per detik | Google merekomendasikan 16,000 Hz atau lebih untuk pengenalan ucapan |
| channels | Mono (1) atau stereo (2) | Stereo tidak masalah; Whisper mencampurnya menjadi mono saat memuat audio |
| duration | Durasi rekaman | Menunjukkan apakah Anda akan mencapai batas durasi atau menit alat |
Apakah bitrate MP3 memengaruhi akurasi transkripsi?
Bisa. Praktik terbaik pengenalan ucapan Google Cloud menyatakan codec lossy, termasuk MP3, dapat menurunkan akurasi dan kebisingan serta gema lebih berdampak jika disertai codec lossy. Tidak ada ambang bitrate yang dipublikasikan, jadi anggap bitrate sebagai satu dari beberapa faktor. Suara yang jelas dekat mikrofon lebih penting daripada bitrate tinggi.
Aturan praktisnya: transkripsikan versi terbaik yang Anda miliki. Jika WAV atau FLAC asli masih ada, gunakan itu. Mengenkode ulang file 96 kbps menjadi 320 kbps atau menyimpannya sebagai WAV hanya memperbesar file tanpa memulihkan detail.
Sample rate apa yang dibutuhkan pengenalan ucapan?
Untuk pengenalan ucapan, 16 kHz biasanya cukup. Kode Whisper sumber terbuka OpenAI memuat setiap file melalui FFmpeg, mengubahnya menjadi mono, dan melakukan resampling ke 16,000 Hz sebelum model memprosesnya (whisper/audio.py di GitHub). Panduan Google juga menyarankan agar tidak melakukan resampling sendiri. Rekaman telepon yang dibuat pada 8,000 Hz sebaiknya dikirim apa adanya, bukan dinaikkan sample rate-nya.
Sample rate 44.1 kHz atau 48 kHz pada MP3 umumnya sudah lebih dari cukup. Jangan ubah sample rate sebelum mengunggah.
Daftar periksa kualitas audio
Sebelum pekerjaan penting:
- Dengarkan bagian awal dan tengah. Apakah bahasanya benar dan semua orang terdengar?
- Periksa volume.
ffmpeg -i interview.mp3 -af volumedetect -f null -mencetak volume rata-rata dan maksimum. Nilai maksimum mendekati 0 dB dapat menunjukkan clipping, dan puncak yang terdistorsi sulit dipulihkan. - Hindari pengurangan kebisingan yang berat. Panduan Google menyatakan pemrosesan pengurangan kebisingan sebelum pengenalan biasanya menurunkan akurasi.
- Buat daftar nama, akronim, dan istilah khusus untuk pemeriksaan nanti.
- Simpan file asli hingga transkrip final.
Metode 1: Unggah MP3 ke alat transkripsi online
Alat online adalah cara tercepat mengubah MP3 panjang menjadi teks yang dapat diedit: model berjalan di server penyedia dan tidak ada yang perlu dipasang. Langkah berikut menggunakan whispertranscribe.ai. whispertranscribe.ai adalah alat transkripsi AI berbasis web yang mengubah audio dan video menjadi teks dalam lebih dari 130 bahasa, dengan unggahan hingga 5GB dan 10 jam, didukung model Whisper OpenAI. Alat lain bekerja serupa dengan menu berbeda.
Langkah 1: Buka halaman transkripsi MP3 dan pilih bahasa
Buka halaman transkripsi MP3 ke teks dan di bawah Step 1, pilih bahasa yang digunakan. Ada lebih dari 130 bahasa, varian regional seperti English (India), dan opsi Noise / Low-Quality Audio/Video untuk rekaman yang kurang jelas.
Langkah 2: Unggah MP3
Di bawah Step 2, seret dan lepas file atau cari melalui penjelajah file. File dapat mencapai 5GB dan paket mendukung rekaman hingga 10 jam. WAV, M4A, FLAC, MP4, dan MOV juga didukung.
Langkah 3: Aktifkan Speaker Detection jika diperlukan
Untuk wawancara, rapat, dan podcast, aktifkan Enable Speaker Detection agar setiap giliran diberi label.
Langkah 4: Mulai transkripsi
Klik Transcribe MP3 to text. Akurasi mencapai hingga 99% pada audio yang jelas. Kebisingan latar, aksen kuat, dan orang yang berbicara bersamaan akan menurunkannya, jadi rencanakan pemeriksaan.
Langkah 5: Ekspor transkrip
Unduh DOCX, PDF, TXT, atau CSV untuk dokumen dan analisis, atau SRT dan VTT jika membutuhkan caption berwaktu. Jika sejak awal tujuannya subtitle, konverter MP3 ke SRT langsung menghasilkan file subtitle.
Anda dapat mencoba gratis tanpa akun sebelum memilih paket. Paket berbayar mulai dari $9.99/bulan dengan penagihan tahunan; lihat harga. File video besar dapat diperkecil terlebih dahulu dengan konverter audio dan video ke MP3, dan MP3 di Google Drive atau Dropbox dapat langsung dimasukkan ke Transcribe from URL.
Perlu diketahui: alat online mengunggah audio Anda ke server penyedia. Untuk rekaman rahasia, baca kebijakan privasi terlebih dahulu atau gunakan Metode 3 atau 4.
Metode 2: Gunakan fitur Transcribe Microsoft Word
Dengan Microsoft 365, Word dapat mentranskripsikan MP3 sendiri. Menurut Dukungan Microsoft (diperiksa November 2026), Transcribe menerima file .mp3, .wav, .m4a, dan .mp4 serta memisahkan pembicara.
- Masuk ke Microsoft 365 dan buka dokumen di Word untuk web (Microsoft Edge baru atau Chrome) atau Word untuk Microsoft 365 di Windows.
- Buka Home → Dictate (menu dropdown) → Transcribe.
- Di panel Transcribe, pilih Upload audio dan pilih MP3 Anda.
- Biarkan panel terbuka selama pemrosesan; Microsoft menyatakan waktu yang dibutuhkan dapat mencapai sekitar durasi file.
- Periksa hasilnya: putar bagian mana pun hingga 2x, edit teks, dan ganti "Speaker 1" di semua tempat sekaligus.
- Pilih Add all to document untuk memasukkan transkrip ke halaman, lalu simpan sebagai DOCX.
Batas yang perlu direncanakan: pengguna Microsoft 365 umumnya mendapat hingga 300 menit audio unggahan per bulan; pengguna dengan lisensi Copilot mendapat hingga 30,000 menit per bulan. Setiap dokumen menyimpan satu transkrip, dan unggahan disimpan ke folder Transcribed Files di OneDrive. Microsoft menyatakan versi desktop Windows saat ini terbatas pada tenant komersial. Halaman bantuannya tidak mencantumkan ekspor SRT atau VTT, sehingga Word lebih cocok untuk dokumen daripada caption.
Metode 3: Transkripsikan MP3 secara manual
Mengetik sendiri gratis dan menjaga audio tetap di perangkat, tetapi lambat. Gunakan untuk klip pendek, kutipan yang harus persis, atau bagian yang salah dikenali mesin.
- Buka MP3 di pemutar yang dapat memperlambat pemutaran dan melompat mundur dengan pintasan, dengan dokumen kosong di sampingnya.
- Atur pemutaran sekitar 0.75x dan kerjakan sedikit demi sedikit: putar satu frasa, jeda, ketik, dan putar ulang jika perlu.
- Tandai pembicara pada setiap giliran, misalnya
PEWAWANCARA:danMARIA:. Panduan W3C tentang transkrip menyatakan transkrip podcast dapat berupa paragraf sederhana dengan identitas pembicara. - Tandai bagian yang tidak terdengar dengan timestamp, seperti
[tidak terdengar 00:14:32], agar dapat diperiksa kembali. - Lakukan pemeriksaan akhir pada kecepatan normal sambil membaca untuk menemukan kata yang terdengar sama tetapi salah.
Atau biarkan alat membuat draf dan gunakan rutinitas ini hanya pada bagian penting.
Metode 4: Jalankan Whisper di komputer sendiri
Whisper adalah model pengenalan ucapan sumber terbuka OpenAI yang dilatih pada 680,000 jam audio multibahasa menurut makalah riset OpenAI. Menjalankannya secara lokal gratis dan tidak ada yang diunggah. Komprominya adalah pengaturan: Anda memerlukan Python, FFmpeg, dan kesabaran pada mesin yang lebih lambat.
Pasang seperti dijelaskan di repositori resmi:
pip install -U openai-whisper
FFmpeg juga harus terpasang dan tersedia di PATH. Lalu transkripsikan:
whisper interview.mp3 --model turbo --language English --output_format srt
Gunakan --output_format txt untuk teks biasa, atau hilangkan flag untuk menulis TXT, VTT, SRT, TSV, dan JSON sekaligus. Pada CPU, tambahkan --fp16 False untuk melewati peringatan. Model tiny adalah pilihan yang lebih kecil.
| Model | Parameter | Perkiraan VRAM (menurut OpenAI) | Kecepatan dibandingkan large (menurut OpenAI) |
|---|---|---|---|
| tiny | 39 M | sekitar 1 GB | sekitar 10x |
| small | 244 M | sekitar 2 GB | sekitar 4x |
| medium | 769 M | sekitar 5 GB | sekitar 2x |
| turbo (default) | 809 M | sekitar 6 GB | sekitar 8x |
| large | 1550 M | sekitar 10 GB | 1x |
OpenAI menggambarkan turbo sebagai large-v3 yang dioptimalkan dengan penurunan akurasi minimal, tetapi model ini tidak dilatih untuk penerjemahan.
Komprominya: alat resmi tidak memiliki opsi label pembicara, editor, atau ekspor DOCX atau PDF, dan OpenAI mencatat kinerja sangat berbeda menurut bahasa. Proyek komunitas mengisi beberapa kekurangan, masing-masing dengan pengaturannya sendiri.
Cara menangani MP3 panjang, beberapa pembicara, dan bahasa lain
Rekaman panjang
Periksa batas sebelum mengunggah. Paket whispertranscribe.ai mendukung file hingga 10 jam dan 5GB; jatah unggahan bulanan Word umumnya lima jam untuk Microsoft 365, atau hingga 30,000 menit dengan lisensi Copilot. Untuk alat dengan batas lebih pendek, FFmpeg dapat memotong MP3 menjadi bagian satu jam tanpa enkode ulang:
ffmpeg -i lecture.mp3 -f segment -segment_time 3600 -c copy lecture_part_%03d.mp3
Potongan dapat terjadi di tengah kalimat, jadi periksa sambungan saat menggabungkan teks. Untuk kelas dan ceramah, lihat transkripsi kuliah.
Beberapa pembicara
Aktifkan deteksi pembicara, lalu ganti label umum sebelum membagikan apa pun. Label paling sering salah ketika orang saling menyela atau suaranya mirip, jadi periksa beberapa giliran setiap pembicara. Untuk sesi berikutnya, berikan mikrofon tersendiri kepada setiap orang.
Bahasa dan aksen lain
Pilih bahasa alih-alih deteksi otomatis, terutama jika file dimulai dengan musik. whispertranscribe.ai menawarkan opsi Multilingual Mix untuk rekaman yang berganti antara bahasa Inggris, Spanyol, Prancis, Jerman, Hindi, Rusia, Portugis, Jepang, Italia, dan Belanda. Jika membutuhkan teks Inggris dari MP3 non-Inggris, gunakan terjemahkan audio ke bahasa Inggris alih-alih mentranskripsikan dan menerjemahkan secara terpisah.
Cara memeriksa transkrip MP3: alur kerja 3 tahap
Draf AI gagal pada bagian yang dapat diperkirakan, sehingga Anda jarang perlu mendengarkan ulang seluruh file.
Tahap 1: Cari, jangan dengarkan. Gunakan cari dan ganti dengan daftar nama dan istilah Anda untuk memperbaiki semua kesalahan ejaan sekaligus.
Tahap 2: Dengarkan bagian rawan. Lompat ke bagian berikut dan bandingkan dengan audio:
| Bagian rawan | Kesalahan umum | Cara memeriksa |
|---|---|---|
| Angka dan tanggal | "lima belas" vs "lima puluh", desimal hilang | Putar ulang setiap angka yang akan dikutip |
| Nama dan merek | Dieja berdasarkan bunyi | Bandingkan dengan daftar istilah |
| Ucapan tumpang tindih | Dua kalimat tergabung atau salah satunya hilang | Dengarkan pada kecepatan normal, lalu lebih lambat |
| Pergantian pembicara | Baris dikaitkan dengan orang yang salah | Periksa baris pertama setelah setiap pergantian |
| Suara pelan atau jauh | Kata hilang | Naikkan volume untuk bagian tersebut |
| Menit pertama dan terakhir | Basa-basi, musik, tebakan bahasa salah | Hapus atau perbaiki sesuai kebutuhan |
Tahap 3: Baca sebagai dokumen. Baca sekali tanpa audio; dengarkan lagi bagian yang tidak masuk akal. Tandai yang masih tidak terdengar sebagai [tidak jelas] alih-alih menebak.
Format ekspor apa yang Anda butuhkan?
Pilih berdasarkan penggunaan selanjutnya: dokumen membutuhkan DOCX atau TXT, apa pun yang ditampilkan di atas video membutuhkan SRT atau VTT.
| Format | Gunakan untuk |
|---|---|
| DOCX | Penyuntingan, laporan, artikel, catatan acara |
| Salinan tetap untuk dibagikan atau diarsipkan | |
| TXT | Ditempel ke aplikasi lain atau ringkasan AI |
| CSV | Spreadsheet dan analisis penelitian |
| SRT | Subtitle untuk YouTube, editor video, dan pemutar |
| VTT | Caption untuk pemutar video web HTML5 |
Untuk catatan suara dari ponsel, halaman transkripsi voice memo membahas pilihan ekspor yang sama.
FAQ
Bisakah saya mentranskripsikan MP3 ke teks secara gratis?
Ya. Mengetiknya sendiri selalu gratis, dan menjalankan Whisper sumber terbuka OpenAI di komputer sendiri tidak memerlukan biaya selain waktu pengaturan dan perangkat keras. Banyak alat online juga memiliki cara memulai gratis. whispertranscribe.ai menawarkan opsi gratis tanpa akun, yang berguna untuk memeriksa hasil audio Anda. Opsi gratis biasanya membatasi durasi atau fitur, jadi untuk pekerjaan rutin, bandingkan paket berbayar; whispertranscribe.ai mulai dari $9.99/bulan dengan penagihan tahunan.
Berapa lama waktu yang dibutuhkan untuk mentranskripsikan file MP3?
Dengan alat AI, biasanya jauh lebih singkat daripada durasi audio, meskipun bergantung pada file dan layanan. Microsoft menyatakan Transcribe Word dapat memakan waktu hingga sekitar durasi file. Menjalankan Whisper secara lokal bergantung pada perangkat keras dan model; model yang lebih kecil lebih cepat tetapi membuat lebih banyak kesalahan. Mengetik transkrip secara manual membutuhkan beberapa kali durasi audio, sehingga kebanyakan orang hanya mentranskripsikan klip pendek secara manual.
Apakah mengonversi MP3 ke WAV meningkatkan akurasi transkripsi?
Tidak. Menyimpan MP3 sebagai WAV atau mengenkodenya ulang dengan bitrate lebih tinggi memperbesar file tetapi tidak dapat memulihkan detail yang dibuang saat MP3 dibuat. MP3 adalah format lossy. Jika rekaman WAV atau FLAC asli masih ada, transkripsikan itu. Jika tidak, unggah MP3 apa adanya. Mesin ucapan seperti Whisper melakukan resampling audio secara internal menjadi mono 16 kHz, sehingga mengubah sample rate sendiri juga tidak membantu.
Bagaimana cara mentranskripsikan MP3 dengan beberapa pembicara?
Gunakan alat dengan deteksi pembicara dan aktifkan sebelum memulai. Transkrip kemudian memberi label bernomor pada setiap giliran seperti Speaker 1, dan Anda menggantinya dengan nama sebenarnya setelah itu. Transcribe Microsoft Word dan whispertranscribe.ai sama-sama memberi label pembicara; alat baris perintah Whisper resmi tidak. Periksa label saat orang saling menyela karena di situlah pembicara paling sering tertukar.
Bisakah saya mengubah MP3 menjadi dokumen Word?
Ya. Cara tercepat adalah mentranskripsikan MP3 dengan alat online dan mengekspornya sebagai DOCX, yang langsung terbuka di Word atau Google Docs. Jika memiliki Microsoft 365, Anda juga dapat mengunggah MP3 di Word melalui Home, Dictate, Transcribe, Upload audio, lalu memilih Add all to document. Langganan Microsoft 365 umumnya mencakup hingga 300 menit audio unggahan per bulan; dengan lisensi Copilot batasnya hingga 30,000 menit.
Bisakah saya mengubah MP3 menjadi subtitle alih-alih transkrip?
Ya. Ekspor transkrip sebagai SRT atau VTT alih-alih DOCX atau TXT. Kedua format mempertahankan waktu setiap baris sehingga pemutar atau editor video dapat menampilkan teks pada saat yang tepat. Dengan whispertranscribe.ai Anda dapat mengekspor SRT atau VTT setelah transkripsi, atau menggunakan konverter MP3 ke SRT. Alat baris perintah Whisper juga dapat menulis file SRT dan VTT dengan opsi format keluaran.
Siap mencoba? Unggah file ke whispertranscribe.ai di konverter MP3 ke teks, atau gunakan konverter audio ke teks gratis untuk format lain. Keduanya bekerja dalam lebih dari 130 bahasa, dengan label pembicara dan ekspor DOCX, PDF, TXT, CSV, SRT, dan VTT.
Referensi
- Library of Congress: MP3 (Pengodean Audio MPEG Layer III)
- Google Cloud: Praktik terbaik menyediakan data untuk API Speech-to-Text
- Dukungan Microsoft: Transkripsikan rekaman Anda
- OpenAI: Whisper di GitHub (README dan
whisper/audio.py) - Radford dkk., OpenAI: Pengenalan Ucapan Tangguh melalui Supervisi Lemah Skala Besar
- W3C Web Accessibility Initiative: Transkrip
