Перевести аудио в текст онлайн

Транскрибация нейросетью за пару минут: загрузите запись — получите текст с пунктуацией, пословными таймкодами и субтитрами SRT/VTT. WER ~3% на русском, API. Оплата картами РФ, старт бесплатно без карты.

~3% WERточность на русском
от 1 ₽за минуту записи
SRT / VTTсубтитры с таймкодами
GenVoice · транскрибация
interview.mp3 14:32

00:00 Расскажите, как вы пришли в эту индустрию?

00:04 Всё началось с небольшого пет-проекта в 2019 году…

Как это работает

Расшифровать аудио — за три шага

От загрузки файла до готового текста с таймкодами — пара минут. Всё в браузере, без установки программ.

1. Загрузите запись

Перетащите аудио или видеодорожку — MP3, WAV, M4A, OGG и другие форматы. Конвертировать заранее не нужно, до 60 минут в одном файле.

2. Нейросеть распознаёт

Модель, заточенная под русскую речь, переводит аудио в текст с пунктуацией и нормализацией чисел — WER около 3% на чистом аудио.

3. Заберите текст

Скопируйте готовый текст или выгрузите субтитры SRT/VTT с пословными таймкодами — для видео, статей и описаний.

Почему GenVoice

Транскрибация, заточенная под русский

Пословные таймкоды, точность на русском втрое выше Whisper и оплата картами РФ — то, чего не дают зарубежные сервисы.

WER ~3% на русском

Собственная модель под русскую речь ошибается примерно в одном слове из тридцати — втрое точнее Whisper (~12%).

Пословные таймкоды

Время начала и конца каждого слова — киллер-фича, которой нет у большинства сервисов. Идеально для монтажа и субтитров.

Субтитры SRT и VTT

На основе таймкодов собираются готовые субтитры для видео — в популярных форматах SRT и VTT, без ручной разметки.

Пунктуация и числа

Модель сама расставляет точки, запятые и записывает числа цифрами. Текст сразу читаемый — не нужно чистить вручную.

Оплата картами РФ

Принимаем карты российских банков, работаем по предоплате. Бесплатный старт без карты — сначала попробуйте.

Единый API TTS + ASR

Один ключ и общий баланс на распознавание и озвучку речи. API доступен на всех тарифах, включая стартовый.

Сравнение

GenVoice, Whisper и зарубежные сервисы

Что важно при расшифровке русского аудио — точность, таймкоды и оплата из России.

Параметр GenVoice Whisper Зарубежные ASR
WER на русском (чистое аудио)~3%~12%Средний
Пословные таймкодыДаОграниченноНе всегда
Субтитры SRT / VTTДаЧерез кодИногда
Пунктуация автоматомДаНетДа
Оплата картой РФДаНет
Онлайн, без установкиДаНет (локально)Да

Подробное сравнение шести сервисов по цене и точности — в статье транскрибация аудио в текст.

Тарифы и цены

Транскрибация от 1 ₽ за минуту

Базовая ставка списания — 2 ₽/мин, эффективная цена с бонусным балансом подписки — от 1 ₽/мин. Для оплаты без подписки доступна покупка несгораемых кредитов от 200 ₽.

Бесплатный тариф около 5 минут распознавания каждый месяц. Первое начисление — сразу после регистрации, без карты.
Расшифровать бесплатно
Старт
199 ₽/мес
210 ₽ каждый месяц · ~1 ч 45 мин распознавания
  • Транскрибация и озвучка
  • Пословные таймкоды
  • Субтитры SRT / VTT
Оформить
Лучший выбор
Базовый
499 ₽/мес
600 ₽ каждый месяц · ~5 ч распознавания
  • Транскрибация и озвучка
  • Записи до 60 минут за файл
  • Высокий приоритет
Оформить
Продвинутый
1 499 ₽/мес
2 140 ₽ каждый месяц · ~17 ч 50 мин распознавания
  • Максимальный приоритет
  • Пакетная обработка через API
  • Минимальная цена за минуту
Оформить
Бизнес
Индивидуально
API, SLA, выделенный приоритет
  • Большие объёмы транскрибации
  • Доступ к API
  • Персональная поддержка
Связаться

Баланс общий для транскрибации, расшифровки видео и озвучки текста — один ключ закрывает все задачи.

Вопросы и ответы

Частые вопросы про перевод аудио в текст

Сколько стоит перевести аудио в текст?
Базовая ставка транскрибации в GenVoice — 2 ₽ за минуту записи. С учётом бонусного баланса тарифа эффективная цена начинается от 1 ₽ за минуту — поэтому 20 минут аудио обойдутся от 20 ₽. Бесплатный тариф даёт около 5 минут распознавания каждый месяц; первое начисление приходит сразу после регистрации, карту привязывать не нужно.
Насколько точно нейросеть распознаёт русскую речь?
Точность измеряется метрикой WER — доля ошибочных слов. На чистом русском аудио с одним спикером модель GenVoice показывает WER около 3%, это втрое точнее Whisper (около 12%). На записях с шумом или несколькими говорящими точность обычно остаётся на уровне 85–92%.
Можно ли получить таймкоды и субтитры?
Да. GenVoice выдаёт пословные таймкоды — время начала и конца каждого слова. На их основе собираются субтитры в форматах SRT и VTT для видео. Пословные таймкоды доступны через API, поддержка в веб-интерфейсе на подходе.
Какие форматы аудио поддерживаются?
Принимаются MP3, WAV, OGG, M4A, FLAC, AAC, WebM и другие популярные форматы — конвертировать заранее не нужно. Одна запись — до 60 минут и до 350 МБ на любом тарифе. Более длинные записи разбейте на части и обработайте по очереди.
Расставляет ли сервис знаки препинания?
Да. Модель автоматически расставляет точки, запятые и другие знаки, а также нормализует числа — записывает их цифрами. Текст сразу читаемый, останется только пробежаться по именам собственным и узким терминам.
Есть ли API для транскрибации?
Да, API доступен на всех тарифах, включая стартовый. Баланс общий для транскрибации и озвучки — один ключ закрывает обе задачи. Документация с примерами запросов — на docs.genvoice.ru.

Переведите аудио в текст прямо сейчас

Загрузите запись и получите текст с таймкодами за пару минут. Бесплатный старт при регистрации — без карты.

Перевести аудио в текст