Is this Farsi speech-to-text really free?

Yes. The page is public, no signup is required, and there are no length limits. The recognition model runs entirely in your browser. For higher accuracy on noisy or accented audio, run your file through Subformer's cloud transcription in Subtitles-only mode.

How does the Farsi transcription work in the browser?

It uses an open-source neural speech recognition model, executed by a WebAssembly runtime on your own device. The model (~75 MB) is downloaded on first use and cached in your browser. Subsequent visits skip the download entirely and can transcribe offline.

Is my audio uploaded to a server?

No. Recognition runs locally in your browser. The only network calls are to download the model and the WebAssembly runtime - both are static assets. Your audio file and the generated transcript never leave your device.

What audio formats are supported?

Anything your browser can decode: MP3, WAV, M4A, AAC, FLAC, OGG/Opus, plus video containers like MP4, MOV, and WEBM (the audio track is extracted automatically).

Can I download SRT or VTT subtitles?

Yes. After transcription you can download the result as plain text (.txt), SubRip subtitles (.srt), or WebVTT (.vtt) - both subtitle formats include segment-level timestamps so you can drop them straight into any video editor or player.

Tiny vs Base - which model should I pick?

Tiny (~40 MB) is fastest and great for clean studio audio. Base (~75 MB) is roughly twice as accurate on noisy or accented audio and only slightly slower. If you're not sure, start with Base - it's the default. For the highest accuracy on hard audio (accents, noise, overlap), use Subformer's cloud transcription in Subtitles-only mode.

Does it work offline?

Once the model is cached, yes. The first visit needs network access to download it; after that the page can transcribe audio offline.

Which browsers are supported?

Any modern browser with WebAssembly: Chrome, Firefox, Safari 15+, Edge, and Chromium-based mobile browsers.

Subformer

免费 · 无需注册 · 在浏览器中运行

免费Farsi语音转文字

فارسی

拖放一个Farsi音频或视频文件并获得带时间戳的完整转录 - 全部在你的浏览器中，无需注册。模型只下载一次（约75 MB）并本地缓存，因此后续运行瞬间完成并可离线使用。

正在检查浏览器支持…

需要更高的准确性或更多语言吗？

基于云的Farsi语音转文本

免费的浏览器内工具运行一个小型开源模型——对于清晰的音频来说效果不错，但它可能难以处理口音重的Farsi、噪音或重叠的说话者，并且只支持有限的语言集。如需广播级准确性、更广泛的语言支持以及SRT/VTT/TXT下载，请使用我们付费的云语音转文本服务。

尝试基于云的语音转文本

工作原理

1. 拖放文件
拖入任何Farsi音频或视频 - MP3、WAV、M4A、MP4 和 WEBM 均受支持。
2. 转录
首次点击会将约75 MB 的模型下载到你的浏览器。之后，识别即时且支持离线。
3. 下载
将转录保存为 TXT、SRT 或 VTT。您的音频和结果不会离开您的设备。

您的音频保留在设备上

识别完全在您的浏览器中运行，使用 WebAssembly。唯一的网络请求是获取模型和 WebAssembly 运行时 - 它们都是公开的静态资源。我们看不到您的音频，也看不到转录文本。

Farsi转录如何在您的浏览器中运行

语音识别通常意味着将您的音频上传到别人的GPU。而在这里，模型在您自己的机器上运行，这使得它既免费又私密。

Open-source recognition model: 一个在多语言音频上训练的开源神经模型——这就是为什么一次下载即可处理Farsi，无需获取特定语言的模型。
WebAssembly: 推理运行时被编译为 WebAssembly，因此数值代码在沙盒标签页内以接近原生速度运行，无需插件，也无需安装。
On-device inference: 加载约75 MB的量化模型，解码循环完全由客户端驱动。页面加载后，管道的任何部分都不会调用服务器。
Web Audio API: 您的文件会使用浏览器自身的音频管道解码并重采样为模型所需的 16 kHz 单声道，因此您的浏览器可以播放的任何格式都受支持。

高级版 - 同样由 Subformer 提供

翻译与配音

一键将视频翻译并配音为 30 多种语言.

翻译字幕

拖入 SRT 或 VTT 即可获得任意语言的润色翻译。

字幕编辑器

在免费的浏览器内编辑器中润色、重新调整时间并重设字幕样式。

免费Farsi语音转文字

基于云的Farsi语音转文本

工作原理

1. 拖放文件

2. 转录

3. 下载

您的音频保留在设备上

Farsi转录如何在您的浏览器中运行

常见问题

尝试其他免费语音转写语言