Funkcje VexaScribe
AI transcription in 99 languages. Speaker detection, timestamps, AI summaries, and built-in translation (133 languages). Upload files or send a meeting bot to Zoom, Meet, or Teams. From $2/month.
What VexaScribe is, in 80 words
VexaScribe is a web app that turns audio and video into searchable, timestamped, speaker-labeled transcripts using OpenAI Whisper. Drop a file (up to 5 GB) or send a bot to your Zoom, Google Meet, or Teams meeting. Get a transcript in 99 languages in ~5–10 minutes per hour of audio, optional AI summary with action items, and exports to TXT, DOCX, SRT, VTT, or JSON. 30 minutes free, then $2–$20/month. No credit card to start.
What VexaScribe doesn't do
Five things VexaScribe is genuinely not built for, with the tool we'd actually recommend in each case. If your use case is on this list, save yourself the trial signup.
No real-time live captioning
Transcripts are generated after upload, not as you speak. A 1-hour file takes 5–10 minutes to process — fine for meetings you watch back, wrong for live events.
Use instead: Otter Live, Google Meet's built-in captions, or Web Captioner for free browser-based live captions.
No public REST API
VexaScribe is a web app for humans, not a backend service. There's no developer API, no SDK, no webhook for programmatic uploads.
Use instead: OpenAI Whisper API ($0.006/min), Deepgram Nova-3 (~$0.0043/min), or AssemblyAI (~$0.012/min).
No video editing
You can export SRT/VTT subtitles to drop into your editor, but VexaScribe won't cut clips, remove filler words, or burn captions onto video.
Use instead: Descript or Vrew for transcript-based video editing; Premiere/Final Cut/DaVinci for traditional NLE workflows.
No custom vocabulary tuning
You can't upload a dictionary of brand names, drug names, or technical jargon to bias the model toward. Whisper is used as-is, with no per-account fine-tuning.
Use instead: AssemblyAI's “word boost” or Deepgram's “keywords” param for proper-noun-heavy domains.
No on-premise / enterprise self-hosting
Audio is processed in our cloud — there's no air-gapped or HIPAA-BAA-signed deployment available. For attorney-client, clinical therapy, or classified content where a breach creates direct legal liability, no cloud tool (ours included) is the right call.
Use instead: install OpenAI Whisper locally (free, runs on your machine, audio never leaves), or for legal-grade 100% accuracy use human transcription (Rev, GoTranscript) at $1.25–$1.99/min.
Honest accuracy — what the numbers really mean
VexaScribe uses OpenAI Whisper (specifically large-v3 class models). Marketing pages love to say “99% accuracy” — that's not honest. Real-world Whisper accuracy depends heavily on audio quality, accent, and number of speakers. Here's what to expect.
Transcription accuracy (Whisper)
- Clean studio English, single speaker~92–97%
- Accented English (non-native, regional)~85–92%
- Noisy environments (cafes, phone, outdoor)~80–90%
- Clean Spanish, French, German, Italian, Portuguese, Dutch~88–94%
- Korean, Japanese, Indonesian, Turkish, Arabic, Polish~85–92%
Source: Open ASR Leaderboard + Whisper paper benchmarks (LibriSpeech, FLEURS, Common Voice).
Speaker diarization accuracy
- 2 speakers, no overlap95%+
- 3–4 speakers, occasional overlap~88–94%
- 5–6 speakers, meeting dynamics~80–90%
- 7–15 speakers, panel or focus group~70–82%
- Up to 50 speakers (max supported)variable
Best accuracy with 2–6 distinct speakers. You can rename Speaker 1/2/3 in the editor after.
What moves the needle
Three things that matter more than picking the “best” transcription tool:
- A decent mic (USB headset or lapel beats laptop built-in by 5–15 accuracy points).
- One speaker at a time — overlap kills both transcription and diarization.
- Low background noise. Record in a closed room, not next to a fan or HVAC vent.
If you need legal-grade 100% accuracy (court filings, regulated research), use human transcription services like Rev or GoTranscript at $1.25–$1.99/min. AI gets you to ~95% at 1–2% the cost — fine for most use cases, wrong for some.
Główne funkcje
Obsługa 99 języków
Transkrybuj audio i wideo w 99 językach z automatycznym wykrywaniem języka. Od angielskiego po japoński, od hiszpańskiego po arabski.
Rozpoznawanie mówców
Automatyczna diaryzacja mówców identyfikuje i oznacza różne głosy. Idealna do wywiadów, podcastów i spotkań.
Znaczniki czasu
Każda transkrypcja zawiera precyzyjne znaczniki czasu. Kliknij dowolny znacznik, aby przejść do tego momentu w nagraniu.
5 formatów eksportu
Eksportuj jako TXT, DOCX, SRT, VTT lub JSON. Wybierz format pasujący do Twojego workflow.
Szybkie przetwarzanie
Transkrypcja oparta na AI kończy się w minuty, a nie godziny. 1-godzinne nagranie zwykle przetwarzane jest w 5–10 minut.
Wbudowany edytor
Przeglądaj i edytuj transkrypcje bezpośrednio w przeglądarce. Poprawiaj błędy, zmieniaj nazwy mówców i dopracuj transkrypcję przed eksportem.
Bot spotkań
Wyślij bota AI na swoje spotkania w Zoom, Google Meet lub Teams. Nagrywa, transkrybuje i generuje uporządkowane podsumowania z zadaniami i decyzjami. Wykorzystuje 3× kredytów transkrypcji.
Podsumowania AI
Zamień każdą transkrypcję w uporządkowane kluczowe punkty, zadania, znaczniki rozdziałów i decyzje. W zestawie ze wszystkimi planami płatnymi.
Tłumaczenie transkrypcji
Tłumacz dowolną transkrypcję na 133 języki za pomocą Google Translate — bez dodatkowych kosztów, bez konta zewnętrznego.
Bulk Upload — 50 Files at Once
Upload up to 50 audio or video files in one go. All processed in parallel — not one at a time. Mix formats freely and download everything as a ZIP.
Obsługiwane formaty
Formaty audio
Formaty wideo
Formaty eksportu (5)
Zwykły tekst
Dokument Word
Napisy
Napisy internetowe
Dane strukturalne
Zastosowania
Transkrypcja spotkań
Bot AI dołącza do spotkań Zoom, Meet lub Teams
Transkrypcja podcastów
Zamień odcinki w notatki i wpisy na blog
Transkrypcja wywiadów
Transkrybuj z rozpoznawaniem mówców
Transkrypcja wykładów
Zamień nagrania zajęć w notatki do nauki
Wideo na tekst
Wyodrębniaj transkrypcje i twórz napisy
MP3 na tekst
Konwertuj pliki audio na dokumenty tekstowe
Transkrypcja audio
Ogólna konwersja audio na tekst
Napędzane zaawansowaną AI
VexaScribe wykorzystuje najnowocześniejsze modele rozpoznawania mowy wytrenowane na milionach godzin nagrań audio.
Dokładność dla czystego dźwięku
Obsługiwanych języków
Czas przetwarzania na godzinę
Dostępność funkcji według planu
Wszystkie plany zawierają darmową próbę. Karta kredytowa nie jest wymagana, aby zacząć.
| Funkcja | Darmowa próba | Starter ($2/mies.) | Pro ($10/mies.) |
|---|---|---|---|
| Transkrypcja audio i wideo | ✓ | ✓ | ✓ |
| Obsługa 99 języków | ✓ | ✓ | ✓ |
| Rozpoznawanie mówców | ✓ | ✓ | ✓ |
| Znaczniki czasu | ✓ | ✓ | ✓ |
| Eksport: TXT, DOCX, SRT, VTT, JSON | ✓ | ✓ | ✓ |
| Tłumaczenie transkrypcji (133 języki) | ✓ | ✓ | ✓ |
| Wbudowany edytor | ✓ | ✓ | ✓ |
| Podsumowania AI | — | ✓ | ✓ |
| Bot spotkań (Zoom, Meet, Teams) | — | ✓ | ✓ |
| Transkrypcja masowa | ✓ | ✓ | ✓ |
FAQ o funkcjach
Gotowy, aby zacząć transkrypcję?
Wypróbuj VexaScribe za darmo z 30 minutami transkrypcji. Karta kredytowa nie jest wymagana.