What is Perso AI Speech to Text, and how does it differ from basic transcription tools?

Perso AI Speech to Text converts video and audio files into accurate, speaker-separated scripts in 99+ languages. Unlike basic transcription tools, it automatically detects every speaker, lets you reassign any segment to a different detected speaker, and exports editable SRT, VTT, XLSX, and JSON files for subtitling, archiving, or content workflows.

How does Perso AI charge for Speech to Text usage?

Perso AI deducts 1 credit per minute of media length for Speech to Text and Voice Separation — the same rate as AI Dubbing. Only Lip Dubbing uses 3× credits. There is no per-feature usage cap, so you can freely allocate credits across Speech to Text, Voice Separation, and Dubbing based on your workflow needs.

Is Perso AI Speech to Text available on the free plan?

Yes. Speech to Text is fully available on the Perso AI free plan within the included 1 minute of free credit. This lets you transcribe a short clip, verify speaker diarization accuracy, and test SRT or VTT export quality before upgrading to a paid plan for longer media.

Does Speech to Text support Low Speed mode for higher accuracy?

No. Low Speed mode is not supported for Speech to Text or Voice Separation. It is only available for AI Dubbing and Lip Dubbing, where translation quality benefits from slower, more refined processing. Speech to Text runs on a fast, high-accuracy pipeline optimized for transcription rather than translation.

Can I set a target language for Speech to Text output?

No. Speech to Text transcribes speech in the same language it is spoken — it is not a translation feature, so there is no target language setting. If you need to translate and re-voice your video into another language, use Perso AI Dubbing, which handles transcription, translation, and voice synthesis in one workflow.

How does speaker diarization work in Perso AI?

Perso AI automatically detects every speaker present in the original audio or video and assigns a speaker label to each segment. You can then reassign any segment to a different detected speaker, and the updated labels are reflected in every exported file (SRT, VTT, XLSX, JSON), keeping subtitles consistent across downstream workflows.

Which export formats does Perso AI Speech to Text support?

Perso AI Speech to Text exports four formats: SRT and VTT for subtitles and video players, XLSX for editorial review or translation workflows, and JSON for developer integrations and automation. Every format includes speaker labels, timestamps, and any edits you make in the web editor.

How many languages does Perso AI Speech to Text support?

Perso AI Speech to Text automatically detects and transcribes 99+ languages, including English, Korean, Japanese, Spanish, German, French, Portuguese, and Russian. Language detection is automatic, so you can upload multilingual content without pre-selecting a source language.

Can I edit the transcribed text before exporting?

Yes. You can edit any transcribed line directly inside the Perso AI web editor, fix misrecognized words, and refine punctuation. Your edits sync automatically to SRT, VTT, XLSX, and JSON exports, so you never have to manually reconcile subtitle files after correction.

Is Perso AI Speech to Text suitable for meetings, interviews, and YouTube videos?

Yes. Perso AI Speech to Text is optimized for multi-speaker media such as team meetings, podcast interviews, webinars, and long-form YouTube videos. Automatic speaker diarization, timestamp accuracy, and direct SRT/VTT export make it a drop-in replacement for manual transcription workflows in content and research teams.

Преобразование речи в текст с помощью ИИ с определением говорящего и экспортом субтитров

Perso AI Speech to Text — это инструмент для транскрибации на базе ИИ, который преобразует аудио- и видеофайлы в редактируемый текст на более чем 99 языках с автоматическим распознаванием говорящих. Редактируйте расшифровки, переименовывайте спикеров и экспортируйте в SRT, VTT, Excel или JSON с временными метками на уровне слов. Всё в одном проекте.

Попробуйте сейчас

Установка не требуется · Доступен бесплатный тариф · Начните за секунды

Форматы экспорта SRT · VTT · XLSX · JSON

Автоопределение 99+ языков

Временные метки на уровне слов

Автоматическое определение говорящего

Высокая скорость, готово за считанные минуты

Быстро · Безопасно · Точно

Основные функции

Транскрибируйте, редактируйте и экспортируйте в одном проекте

Автоматическое определение языка: 99+ языков

Загрузите любой аудио- или видеофайл. Perso AI автоматически определяет разговорный язык среди более чем 99 поддерживаемых языков. Ручной выбор не требуется.

Диаризация говорящих и редактирование меток

Автоматически разделяет говорящих и помечает каждый сегмент. Назначьте любой сегмент другому обнаруженному говорящему, и изменения будут применены ко всем экспортированным файлам.

Редактирование сценария и субтитров

Экспорт в нескольких форматах

Подключается напрямую к дубляжу и переводу

Начать сейчас

Одна загрузка, несколько экспортов

Субтитры, сценарии или необработанные данные с временными метками. Выберите нужный вам формат.

Субтитры

Субтитры SRT

Стандартный для отрасли формат субтитров. Подходит для YouTube, Vimeo и всех основных видеоплатформ.

VTT

WebVTT

Веб-ориентированный формат субтитров с поддержкой оформления. Работает с HTML5-видеоплеерами и веб-встраиваниями.

XLS

Сценарий Excel

Полная расшифровка с указанием говорящих в табличном формате. Используйте её для протоколов совещаний, документации или архивирования.

{ }

JSON-данные

Структурированные данные с временными метками на уровне слов, идентификаторами говорящих и оценками уверенности. Полезно для интеграции с API или пользовательских рабочих процессов.

Субтитры, заметки встреч, сценарии лекций

Один и тот же инструмент, разные результаты в зависимости от того, что вам нужно.

Создатели контента

Преобразуйте влоги, подкасты и видео в готовые к публикации субтитры за считанные минуты. Загружайте, редактируйте, экспортируйте — без ручной расшифровки.

Автоматические субтитры для YouTube, TikTok и Reels

Редактируйте субтитры прямо перед экспортом

Поддержка более 99 языков

Экспорт SRT · VTT

Команды и бизнес

Преобразуйте записи встреч в заметки с возможностью поиска и указанием говорящих. Работает с любой платформой для видеоконференций или диктофоном.

Автоматическая диаризация говорящих

Структурированные протоколы совещаний в Excel

Метки времени на уровне слов для цитирования

Экспорт XLSX

Педагоги

Точно расшифровывайте лекции и учебные материалы. Создавайте субтитры для обеспечения доступности или готовые к использованию учебные сценарии.

Точность для длинных лекций

Генерация субтитров для LMS

Многоязычность для студентов со всего мира

Поддержка доступности

Видеопродюсеры

Начните с транскрибации, затем перейдите к дубляжу или переводу без повторной загрузки. Одна загрузка охватывает весь процесс локализации.

Транскрибировать → Редактировать → Экспортировать в одном процессе

Подключается к AI-дубляжу и переводу

Включено разделение аудио

Полная локализация

Начать сейчас

Почему выбирают нас

Perso AI против ручной транскрипции

Время, стоимость и качество результата — рядом.

Что важно

Perso AI Распознавание речи в текст

Ручная транскрипция

Скорость выполнения

~2 минуты на 1 час аудио · результаты готовы за минуты, а не часы

3–6 часов работы на 1 час аудио · требуется предварительное бронирование

Охват языков

99+ языков · автоматическое определение · точность на уровне носителя языка

Ограничено родным языком расшифровщика · для файлов с несколькими языками нужны несколько человек

Диаризация говорящих

Автоматически определяет каждого говорящего · можно переназначить любой фрагмент другому обнаруженному говорящему · изменения отражаются в экспортированных субтитрах

Ручная разметка для каждого сегмента · непоследовательна при длинных записях · требуется повторная разметка, если перепутаны говорящие

Редактирование диалогов и синхронизация

Редактируйте расшифрованный диалог прямо в тексте · изменения автоматически синхронизируются с экспортами в SRT · VTT · XLSX · JSON

Редактируйте расшифровку как обычный текст · заново выравнивайте тайминг субтитров и отдельно повторно экспортируйте при каждом изменении

Метки времени

Точность на уровне слов · точность до миллисекунд · встроено в каждый формат экспорта

Ручное выравнивание сегментов · склонно к смещению при длительных записях

Экспорт субтитров

Экспорт в SRT · VTT · XLSX · JSON в один клик — готово для YouTube, DaVinci, Premiere или любого LLM-пайплайна

Требуется отдельный инструмент для субтитров · время нужно добавлять вручную

Точность

Точность ИИ 95%+ · можно доработать во встроенном редакторе с управлением на уровне слов

Варьируется от 85 до 98% в зависимости от конкретного расшифровщика и качества аудио

Начать сейчас

Часто задаваемые вопросы

Что такое Perso AI Speech to Text и чем он отличается от базовых инструментов транскрибации?

Perso AI Speech to Text преобразует видео- и аудиофайлы в точные расшифровки с разделением по говорящим на 99+ языках. В отличие от базовых инструментов транскрибации, он автоматически распознаёт каждого говорящего, позволяет переназначить любой фрагмент другому обнаруженному говорящему и экспортирует редактируемые файлы SRT, VTT, XLSX и JSON для создания субтитров, архивирования или рабочих процессов, связанных с контентом.

Как Perso AI взимает плату за использование Speech to Text?

Perso AI списывает 1 кредит за каждую минуту длины медиафайла для преобразования речи в текст и разделения голосов — по той же ставке, что и AI-дубляж. Только Lip Dubbing расходует в 3 раза больше кредитов. Лимита на использование отдельных функций нет, поэтому вы можете свободно распределять кредиты между преобразованием речи в текст, разделением голосов и дубляжом в зависимости от потребностей вашего рабочего процесса.

Как Perso AI взимает плату за использование Speech to Text?

Доступна ли функция преобразования речи в текст в Perso AI на бесплатном тарифе?

Да. Speech to Text полностью доступна на бесплатном плане Perso AI в пределах включённой 1 минуты бесплатного кредита. Это позволяет расшифровать короткий фрагмент, проверить точность диаризации говорящих и протестировать качество экспорта SRT или VTT, прежде чем перейти на платный план для более длинных материалов.

Доступна ли функция преобразования речи в текст в Perso AI на бесплатном тарифе?

Поддерживает ли Speech to Text режим низкой скорости для более высокой точности?

Нет. Режим Low Speed не поддерживается для Speech to Text или Voice Separation. Он доступен только для AI Dubbing и Lip Dubbing, где качество перевода выигрывает от более медленной и тщательной обработки. Speech to Text работает на быстром высокоточной конвейере, оптимизированном для расшифровки, а не для перевода.

Поддерживает ли Speech to Text режим низкой скорости для более высокой точности?

Можно ли установить целевой язык для вывода Speech to Text?

Нет. Speech to Text преобразует речь в текст на том же языке, на котором она произносится — это не функция перевода, поэтому нет настройки целевого языка. Если вам нужно перевести видео и озвучить его заново на другом языке, используйте Perso AI Dubbing, который выполняет расшифровку, перевод и синтез голоса в одном рабочем процессе.

Можно ли установить целевой язык для вывода Speech to Text?

Какие форматы экспорта поддерживает Perso AI для преобразования речи в текст?

Perso AI Speech to Text экспортирует четыре формата: SRT и VTT для субтитров и видеоплееров, XLSX для редакторской проверки или рабочих процессов перевода, а также JSON для интеграций разработчиков и автоматизации. Каждый формат включает метки говорящих, временные метки и любые изменения, которые вы вносите в веб-редакторе.

Какие форматы экспорта поддерживает Perso AI для преобразования речи в текст?

Сколько языков поддерживает Perso AI Speech to Text?

Perso AI Speech to Text автоматически определяет и расшифровывает более 99 языков, включая английский, корейский, японский, испанский, немецкий, французский, португальский и русский. Определение языка выполняется автоматически, поэтому вы можете загружать многоязычный контент без предварительного выбора исходного языка.

Сколько языков поддерживает Perso AI Speech to Text?

Могу ли я редактировать расшифрованный текст перед экспортом?

Да. Вы можете редактировать любую расшифрованную строку прямо в веб-редакторе Perso AI, исправлять неправильно распознанные слова и улучшать пунктуацию. Ваши изменения автоматически синхронизируются с экспортами SRT, VTT, XLSX и JSON, так что вам никогда не придется вручную согласовывать файлы субтитров после исправления.

Могу ли я редактировать расшифрованный текст перед экспортом?

Подходит ли Perso AI для преобразования речи в текст на совещаниях, интервью и видеороликах на YouTube?

Да. Perso AI Speech to Text оптимизирован для многоголосового контента, такого как командные встречи, интервью в подкастах, вебинары и длинные видео на YouTube. Автоматическое разделение по говорящим, точная временная разметка и прямой экспорт в SRT/VTT делают его полноценной заменой ручной расшифровки для команд по созданию контента и исследовательских команд.