Як транскрибувати MP3 у текст: порівняння 4 способів

Редакція whispertranscribe.ai · Оновлено: листопад 2026 · Читання: 12 хв

Щоб транскрибувати MP3 у текст, перетягніть файл в AI-інструмент транскрибування, виберіть мову й експортуйте результат як DOCX, TXT або SRT. Також можна скористатися Transcribe у Microsoft Word, надрукувати текст самостійно або запустити безкоштовну модель OpenAI Whisper на власному комп’ютері. Хоч би що ви вибрали, якість MP3 визначає межу результату.

Нижче: покроково всі чотири способи, як прочитати бітрейт і частоту дискретизації файлу, список перевірки аудіо, поради для довгих файлів і кількох мовців та триетапна перевірка тексту.

Коротка відповідь: як транскрибувати MP3 у текст

Для більшості найшвидший онлайн-інструмент: він приймає MP3 як є, позначає мовців і повертає редагований файл. Використайте Word, якщо вже оплачуєте Microsoft 365; короткі фрагменти друкуйте вручну, а Whisper запускайте локально, коли аудіо не може залишати комп’ютер.

  1. Перевірте файл. Прослухайте 30 секунд і переконайтеся, що голоси чіткі.
  2. Завантажте й налаштуйте. Виберіть мову й увімкніть визначення мовців, якщо говорить більше однієї людини.
  3. Перевірте й експортуйте. Виправте імена та числа, завантажте DOCX або TXT для документів чи SRT або VTT для субтитрів.

Який спосіб вибрати?

Орієнтуйтеся на три речі: обсяг аудіо, потребу в позначках мовців і допустиме місце обробки. Дані Microsoft перевірено в листопаді 2026 року.

Спосіб Вартість Позначки мовців Куди потрапляє аудіо Найкраще для
1. Онлайн-інструмент транскрибування Багато інструментів дають безкоштовний початок; платні плани для обсягів Так, у більшості Сервери постачальника Інтерв’ю, подкасти, лекції, регулярна робота
2. Microsoft Word Transcribe Входить у Microsoft 365, до 300 хвилин завантаженого аудіо на місяць Так (Speaker 1, Speaker 2) Сервери Microsoft, файл зберігається в OneDrive Окремі файли, якщо вже користуєтеся Word
3. Ручне транскрибування Безкоштовне, але займає години Додаєте самі Залишається на пристрої Короткі фрагменти, дослівні цитати
4. Whisper на комп’ютері Безкоштовний, відкритий код В офіційному інструменті немає Залишається на пристрої Приватне аудіо, технічні користувачі, пакети файлів

Перед початком: перевірте MP3 за 60 секунд

MP3 — формат зі втратами. Опис формату Бібліотеки Конгресу пояснює, що він відкидає звуки, які люди менш імовірно почують, а MP3 із 128 kbit/s приблизно в одинадцять разів менший за аудіо якості CD. Втрачені деталі відновити не можна, тому з’ясуйте, з чим працюєте.

У Windows відкрийте Properties → Details, на Mac — Get Info. Якщо FFmpeg установлено, ця команда виводить кодек, частоту дискретизації, канали, бітрейт і тривалість:

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

Команда може вивести рядки sample_rate=44100 і bit_rate=128000. У цьому середовищі команду не тестували. Як їх читати:

Значення Що показує Значення для транскрибування
bit_rate Скільки даних за секунду залишилося після стиснення Дуже низький бітрейт залишає менше деталей; повернути їх неможливо
sample_rate Скільки разів за секунду вимірювався звук Google рекомендує 16,000 Hz або вище для розпізнавання мовлення
channels Моно (1) або стерео (2) Стерео підходить; Whisper зводить його до моно під час завантаження
duration Тривалість запису Показує, чи досягнете обмеження тривалості або хвилин інструмента

Чи впливає бітрейт MP3 на точність транскрибування?

Може впливати. Рекомендації Google Cloud з розпізнавання мовлення зазначають, що кодеки зі втратами, зокрема MP3, можуть зменшити точність, а шум і відлуння шкодять більше за їх використання. Опублікованого порогу бітрейту немає, тому вважайте його одним із чинників. Чіткий голос близько до мікрофона важливіший за високий бітрейт.

Практичне правило: транскрибуйте найкращу наявну версію. Якщо оригінал WAV або FLAC залишився, використайте його. Повторне кодування файлу 96 kbps у 320 kbps або збереження як WAV збільшить розмір, нічого не відновивши.

Яка частота дискретизації потрібна для розпізнавання мовлення?

Для розпізнавання мовлення зазвичай достатньо 16 kHz. Код відкритого Whisper від OpenAI завантажує кожен файл через FFmpeg, перетворює на моно та передає моделі після передискретизації до 16,000 Hz (whisper/audio.py на GitHub). Посібник Google також радить не передискретизувати самостійно. Телефонний запис із 8,000 Hz слід надсилати як є, не підвищуючи частоту.

Типових 44.1 kHz або 48 kHz у MP3 більш ніж достатньо. Не змінюйте частоту дискретизації перед завантаженням.

Контрольний список якості аудіо

Перед важливою роботою:

  • Прослухайте початок і середину. Чи правильна мова і чи всіх чути?
  • Перевірте гучність. ffmpeg -i interview.mp3 -af volumedetect -f null - виводить середню й максимальну гучність. Максимум близько 0 dB може означати кліпінг, а спотворені піки важко відновити.
  • Уникайте сильного шумозаглушення. За посібником Google, така обробка перед розпізнаванням зазвичай знижує точність.
  • Складіть список імен, абревіатур і термінів для подальшої перевірки.
  • Зберігайте оригінал до завершення транскрипту.

Спосіб 1: завантажте MP3 в онлайн-інструмент транскрибування

Онлайн-інструменти — найшвидший спосіб перетворити довгий MP3 на редагований текст: модель працює на серверах постачальника й нічого встановлювати не потрібно. Нижче використано whispertranscribe.ai. whispertranscribe.ai — вебінструмент AI-транскрибування на основі OpenAI Whisper, який перетворює аудіо й відео на текст 130+ мовами та приймає файли до 5GB і 10 годин. Інші інструменти працюють подібно, але мають інші меню.

Крок 1: відкрийте сторінку транскрибування MP3 й виберіть мову

Перейдіть на сторінку перетворення MP3 на текст і в Step 1 виберіть мову. Є 130+ мов, регіональні варіанти, як English (India), та опції Noise / Low-Quality Audio/Video для неякісних записів.

Крок 2: завантажте MP3

У Step 2 перетягніть файл або виберіть його. Файли можуть бути до 5GB, а плани підтримують записи до 10 годин. WAV, M4A, FLAC, MP4 та MOV також підтримуються.

Крок 3: за потреби увімкніть Speaker Detection

Для інтерв’ю, зустрічей і подкастів увімкніть Enable Speaker Detection, щоб кожне висловлювання було позначене.

Крок 4: почніть транскрибування

Натисніть Transcribe MP3 to text. На чистому аудіо точність сягає до 99%. Фоновий шум, сильні акценти й одночасне мовлення знижують її, тому заплануйте перевірку.

Крок 5: експортуйте транскрипт

Завантажте DOCX, PDF, TXT або CSV для документів і аналізу чи SRT і VTT для субтитрів із часом. Якщо від початку потрібні субтитри, конвертер MP3 у SRT створює файл субтитрів безпосередньо.

Перед вибором плану можна спробувати безкоштовно без облікового запису. Платні плани починаються від $9.99/місяць за річної оплати; див. ціни. Великий відеофайл можна спочатку зменшити за допомогою конвертера аудіо й відео в MP3, а MP3 у Google Drive або Dropbox передати безпосередньо через Transcribe from URL.

Варто знати: онлайн-інструменти завантажують аудіо на сервери постачальника. Для конфіденційних записів спочатку прочитайте політику конфіденційності або використайте спосіб 3 чи 4.

Спосіб 2: використайте Transcribe у Microsoft Word

Із Microsoft 365 Word може самостійно транскрибувати MP3. За Microsoft Support (перевірено в листопаді 2026 року), Transcribe приймає .mp3, .wav, .m4a і .mp4 та розділяє мовців.

  1. Увійдіть у Microsoft 365 і відкрийте документ у Word для вебу (новий Microsoft Edge або Chrome) чи Word для Microsoft 365 у Windows.
  2. Перейдіть до Home → Dictate (випадаюче меню) → Transcribe.
  3. На панелі Transcribe виберіть Upload audio і свій MP3.
  4. Залишайте панель відкритою під час роботи; за Microsoft, процес може тривати приблизно стільки, скільки файл.
  5. Перевірте: прослухайте будь-який фрагмент зі швидкістю до 2x, редагуйте текст і перейменуйте «Speaker 1» всюди одразу.
  6. Виберіть Add all to document, щоб вставити транскрипт на сторінку, і збережіть як DOCX.

Обмеження: користувачі Microsoft 365 отримують до 300 хвилин завантаженого аудіо на місяць. Кожен документ містить один транскрипт, а завантаження зберігаються в папці Transcribed Files у OneDrive. За Microsoft, настільна версія Windows наразі обмежена комерційними клієнтами. Довідка не перелічує експорт SRT або VTT, тому Word більше підходить для документів, ніж субтитрів.

Спосіб 3: транскрибуйте MP3 вручну

Самостійний набір безкоштовний і залишає аудіо на пристрої, але повільний. Використовуйте його для коротких фрагментів, дослівних цитат або уривків, де машина помилилася.

  1. Відкрийте MP3 у програвачі, який уповільнює відтворення та перемотує назад клавішею; поруч відкрийте порожній документ.
  2. Установіть швидкість близько 0.75x і працюйте короткими уривками: відтворіть фразу, зупиніть, надрукуйте й за потреби перемотайте.
  3. Позначайте мовців при кожній зміні, наприклад ІНТЕРВ’ЮЕР: і МАРІЯ:. Настанови W3C щодо транскриптів зазначають, що транскрипт подкасту може складатися з простих абзаців із визначеними мовцями.
  4. Позначайте те, чого не чути, часовою позначкою, наприклад [нерозбірливо 00:14:32], щоб повернутися пізніше.
  5. Востаннє прослухайте на звичайній швидкості, одночасно читаючи, щоб знайти неправильно записані омоніми.

Або дозвольте інструменту створити чернетку й застосовуйте цю процедуру лише там, де важливо.

Спосіб 4: запустіть Whisper на власному комп’ютері

Whisper — модель розпізнавання мовлення з відкритим кодом від OpenAI, навчена на 680,000 годинах багатомовного аудіо за дослідницькою статтею OpenAI. Локальний запуск безкоштовний і нічого не завантажується. Компроміс — налаштування: потрібні Python, FFmpeg і терпіння на повільних комп’ютерах.

Установіть її за описом в офіційному репозиторії:

pip install -U openai-whisper

FFmpeg також має бути встановлений і доступний у PATH. Потім транскрибуйте:

whisper interview.mp3 --model turbo --language English --output_format srt

Для звичайного тексту використайте --output_format txt або приберіть параметр, щоб записати TXT, VTT, SRT, TSV і JSON одночасно. На CPU додайте --fp16 False, щоб уникнути попередження. Whisper CLI тут не встановлений, тому ці команди та модель tiny у цьому середовищі не тестувалися.

Модель Параметри Приблизна VRAM (за OpenAI) Швидкість щодо large (за OpenAI)
tiny 39 M близько 1 GB близько 10x
small 244 M близько 2 GB близько 4x
medium 769 M близько 5 GB близько 2x
turbo (за замовчуванням) 809 M близько 6 GB близько 8x
large 1550 M близько 10 GB 1x

OpenAI описує turbo як оптимізовану large-v3 із мінімальною втратою точності, але вона не навчена для перекладу.

Від чого доведеться відмовитися: офіційний інструмент не має позначення мовців, редактора або експорту DOCX чи PDF; OpenAI зазначає, що якість значно різниться за мовами. Проєкти спільноти заповнюють деякі прогалини, кожен із власним налаштуванням.

Як працювати з довгими MP3, кількома мовцями та іншими мовами

Довгі записи

Перед завантаженням перевірте обмеження. Плани whispertranscribe.ai підтримують файли до 10 годин і 5GB; місячний ліміт Word — загалом п’ять годин. Для інструмента з коротшим лімітом FFmpeg може розділити MP3 на годинні частини без перекодування:

ffmpeg -i lecture.mp3 -f segment -segment_time 3600 -c copy lecture_part_%03d.mp3

Розріз може припасти на середину речення, тому перевірте стики під час об’єднання тексту. Для занять і виступів див. транскрибування лекцій.

Кілька мовців

Увімкніть визначення мовців і перед поширенням перейменуйте загальні позначки. Вони найчастіше помиляються, коли люди перебивають одне одного або мають схожі голоси, тому вибірково перевірте кілька реплік кожного. На наступній сесії дайте кожному власний мікрофон.

Інші мови та акценти

Виберіть мову замість автоматичного визначення, особливо якщо файл починається музикою. whispertranscribe.ai пропонує Multilingual Mix для записів із переходами між англійською, іспанською, французькою, німецькою, гінді, російською, португальською, японською, італійською та нідерландською. Якщо потрібен англійський текст із неанглійського MP3, використайте переклад аудіо англійською замість окремих транскрибування й перекладу.

Як перевірити транскрипт MP3: процес із 3 проходів

AI-чернетки помиляються в передбачуваних місцях, тому рідко потрібно знову слухати весь файл.

Прохід 1: шукайте, не слухайте. Скористайтеся пошуком і заміною та списком імен і термінів, щоб виправити всі помилки одразу.

Прохід 2: прослухайте проблемні місця. Перейдіть до них і звірте з аудіо:

Проблемне місце Типова помилка Як перевірити
Числа й дати «п’ятнадцять» замість «п’ятдесят», пропущені десяткові знаки Прослухайте кожне число, яке цитуватимете
Імена й бренди Написання на слух Порівняйте зі списком термінів
Одночасне мовлення Два речення об’єднані або одне пропущене Слухайте на звичайній швидкості, потім повільніше
Зміни мовця Репліку приписано не тій людині Перевірте перший рядок після кожної зміни
Тихі або віддалені голоси Пропущені слова Збільште гучність для цього фрагмента
Перші й останні хвилини Неформальна розмова, музика, неправильне визначення мови Видаліть або виправте за потреби

Прохід 3: прочитайте як документ. Прочитайте раз без аудіо; усе незрозуміле прослухайте знову. Те, чого досі не чути, позначте [нерозбірливо] замість здогадів.

Який формат експорту потрібен?

Вибирайте за подальшим використанням: документам потрібні DOCX або TXT, тексту поверх відео — SRT або VTT.

Формат Для чого використовувати
DOCX Редагування, звіти, статті, нотатки до випуску
PDF Незмінна копія для поширення або архіву
TXT Вставлення в інші додатки або AI-підсумки
CSV Таблиці й аналіз дослідження
SRT Субтитри для YouTube, відеоредакторів і програвачів
VTT Субтитри для вебпрогравачів HTML5

Для голосових нотаток із телефону сторінка транскрибування голосових нотаток охоплює ті самі варіанти експорту.

Поширені запитання

Чи можна безкоштовно транскрибувати MP3 у текст?

Так. Самостійний набір завжди безкоштовний, а запуск відкритого Whisper від OpenAI на власному комп’ютері нічого не коштує, крім часу на налаштування та обладнання. Багато онлайн-інструментів також дають безкоштовний початок. whispertranscribe.ai пропонує безкоштовний варіант без облікового запису для перевірки результату. Безкоштовні варіанти зазвичай обмежують тривалість або функції; для регулярної роботи порівняйте платні плани. whispertranscribe.ai починається від $9.99/місяць за річної оплати.

Скільки часу займає транскрибування MP3?

З AI-інструментом зазвичай набагато менше, ніж тривалість аудіо, хоча це залежить від файлу й сервісу. Microsoft каже, що Word Transcribe може зайняти приблизно стільки, скільки триває файл. Локальний Whisper залежить від обладнання й моделі; менші моделі швидші, але помиляються частіше. Ручний набір займає в кілька разів більше часу, ніж тривалість аудіо, тому більшість людей вручну транскрибують лише короткі фрагменти.

Чи покращує перетворення MP3 на WAV точність?

Ні. Збереження MP3 як WAV або повторне кодування з вищим бітрейтом збільшує файл, але не повертає деталей, втрачених при створенні MP3. MP3 — формат зі втратами. Якщо залишився оригінальний WAV або FLAC, транскрибуйте його. Інакше завантажте MP3 як є. Рушії на кшталт Whisper самі передискретизують аудіо до 16 kHz mono, тому самостійне перетворення частоти також не допоможе.

Як транскрибувати MP3 із кількома мовцями?

Використайте інструмент із визначенням мовців і ввімкніть його до початку. Транскрипт дасть кожній репліці номер, наприклад Speaker 1, а потім ви заміните його справжнім іменем. Microsoft Word Transcribe та whispertranscribe.ai позначають мовців; офіційний командний інструмент Whisper — ні. Перевіряйте позначки там, де люди перебивають одне одного, бо там їх найчастіше плутають.

Чи можна перетворити MP3 на документ Word?

Так. Найшвидше транскрибувати MP3 онлайн і експортувати як DOCX, який відкривається безпосередньо у Word або Google Docs. Якщо маєте Microsoft 365, також можна завантажити MP3 у Word через Home, Dictate, Transcribe, Upload audio, а потім вибрати Add all to document. Підписка Microsoft 365 включає до 300 хвилин завантаженого аудіо на місяць.

Чи можна зробити з MP3 субтитри замість транскрипту?

Так. Експортуйте транскрипт як SRT або VTT замість DOCX чи TXT. Обидва формати зберігають час кожного рядка, щоб програвач або редактор показував текст у правильний момент. У whispertranscribe.ai можна експортувати SRT або VTT після транскрибування чи використати конвертер MP3 у SRT. Командний інструмент Whisper також може створювати SRT і VTT з параметром формату виходу.


Готові спробувати? Завантажте файл у конвертер MP3 у текст whispertranscribe.ai або використайте безкоштовний конвертер аудіо в текст для інших форматів. Обидва працюють 130+ мовами, з позначками мовців і експортом DOCX, PDF, TXT, CSV, SRT та VTT.

Джерела

Хочете перетворити свої записи на текст?

Розшифровуйте аудіо й відео за допомогою whispertranscribe.ai.

Почати розшифрування ↗