Why use this tool?
Whisper AI, on your device
The same class of speech model behind famous transcription apps, running locally. After the one-time model download, even the listening never touches a server.
Nepali that actually works
Whisper was trained on many languages including Nepali. Pick the Small model and Nepali language for lectures, interviews and meetings in Nepali.
Timestamps and subtitles
Every segment carries its time, and the .srt download drops straight into YouTube, Premiere or CapCut as subtitles for your video.
PDF transcript included
Like a meeting minute: download the transcript as a tidy PDF (English-letter transcripts), or .txt for the exact full text in any script.
Whisper AI, तपाईंको device मा
प्रसिद्ध transcription app पछाडिको उही वर्गको speech model, स्थानीय रूपमा चल्ने। एक पटकको model download पछि सुन्ने कामले पनि server कहिल्यै छुँदैन।
साँच्चै काम गर्ने नेपाली
Whisper नेपालीसहित धेरै भाषामा तालिमप्राप्त छ। नेपालीमा lecture, interview र meeting का लागि Small model र नेपाली भाषा छान्नुहोस्।
Timestamp र subtitle
प्रत्येक खण्डले त्यसको समय बोक्छ, र .srt download तपाईंको video का लागि subtitle को रूपमा सिधै YouTube, Premiere वा CapCut मा जान्छ।
PDF transcript पनि समावेश
Meeting minute जस्तै: transcript लाई सफा PDF (English अक्षर transcript) को रूपमा, वा कुनै पनि लिपिमा ठ्याक्कै पूरा पाठका लागि .txt को रूपमा download गर्नुहोस्।
How to use this tool
- Choose the recording: MP3, WAV, M4A, a WhatsApp or Viber voice note, or a video file (its sound is used).
- Pick a model: Tiny for speed, Small for the most accurate Nepali. The model downloads once and stays cached in your browser.
- Set the spoken language, or leave Auto-detect, then click Transcribe and let it listen on your device.
- Read the transcript with timestamps, then download it as .txt, as subtitles (.srt), or as a PDF transcript.
- Recording छान्नुहोस्: MP3, WAV, M4A, WhatsApp वा Viber voice note, वा video file (यसको आवाज प्रयोग हुन्छ)।
- Model छान्नुहोस्: गतिको लागि Tiny, सबैभन्दा सही नेपालीको लागि Small। Model एक पटक download हुन्छ र तपाईंको browser मा cache रहन्छ।
- बोलिएको भाषा राख्नुहोस्, वा Auto-detect छाड्नुहोस्, त्यसपछि Transcribe थिच्नुहोस् र यसलाई तपाईंको device मा सुन्न दिनुहोस्।
- Transcript timestamp सहित पढ्नुहोस्, त्यसपछि यसलाई .txt को रूपमा, subtitle (.srt) को रूपमा, वा PDF transcript को रूपमा download गर्नुहोस्।
At a glance: accepts MP3, WAV, M4A, OGG, FLAC, WebM and video files; three model sizes (about 40 MB, 75 MB, 244 MB) download once from the public model library and are cached by your browser; transcription then runs 100% on your device and the audio is never uploaded. Long recordings take minutes, not seconds, on a phone; a laptop is noticeably faster.
मिटिङको recording होस् वा lecture, अडियो सुनेर टाइप गर्ने झन्झट अब छैन। Whisper AI ले नेपाली पनि सुन्छ र बुझ्छ। model एक पटक download हुन्छ, त्यसपछि तपाईंको file कहीँ जाँदैन, यहीँ सुनिन्छ।
Accuracy follows the recording: a phone near the speaker, little echo and one speaker at a time transcribe best. Music, heavy background noise and overlapping voices are the hard cases for every speech model, Whisper included. If a long file struggles on a phone, split it with any audio trimmer and run it in parts.
एक नजरमा: MP3, WAV, M4A, OGG, FLAC, WebM र video file स्वीकार गर्छ; तीन model आकार (करिब 40 MB, 75 MB, 244 MB) सार्वजनिक model library बाट एक पटक download हुन्छन् र तपाईंको browser ले cache गर्छ; त्यसपछि transcription 100% तपाईंको device मा चल्छ र audio कहिल्यै upload हुँदैन। लामो recording ले फोनमा सेकेन्ड होइन, मिनेट लिन्छ; laptop उल्लेखनीय रूपमा छिटो हुन्छ।
मिटिङको recording होस् वा lecture, अडियो सुनेर टाइप गर्ने झन्झट अब छैन। Whisper AI ले नेपाली पनि सुन्छ र बुझ्छ। model एक पटक download हुन्छ, त्यसपछि तपाईंको file कहीँ जाँदैन, यहीँ सुनिन्छ।
शुद्धता recording अनुसार हुन्छ: speaker नजिकको फोन, कम echo र एक पटकमा एक speaker ले सबैभन्दा राम्रो transcription दिन्छ। संगीत, भारी पृष्ठभूमि आवाज र एकै पटक बोल्ने आवाज हरेक speech model का लागि, Whisper सहित, कठिन अवस्था हुन्। फोनमा लामो file ले संघर्ष गरेमा यसलाई कुनै audio trimmer ले काटेर भागमा चलाउनुहोस्।
Common use cases
Students and lectures
Record the class, transcribe it, and study from searchable notes instead of scrubbing audio.
Journalists and researchers
Interviews become quotable text in minutes, privately, which matters when a source trusted you with the recording.
Meetings and offices
A written record of what was decided, from the call recording everyone forgot to minute.
Video creators
Instant subtitles for Nepali and English videos, ready to upload as .srt.
विद्यार्थी र lecture
कक्षा record गर्नुहोस्, transcribe गर्नुहोस्, र audio घोट्नुको सट्टा खोज्न मिल्ने note बाट पढ्नुहोस्।
पत्रकार र अनुसन्धानकर्ता
Interview मिनेटमा उद्धरण गर्न मिल्ने पाठ बन्छ, गोप्य रूपमा, जुन source ले तपाईंलाई recording दिएर विश्वास गर्दा महत्व राख्छ।
Meeting र कार्यालय
सबैले minute गर्न बिर्सेको call recording बाट के निर्णय भयो भन्ने लेखिएको अभिलेख।
Video creator
नेपाली र English video का लागि तुरुन्त subtitle, .srt को रूपमा upload गर्न तयार।
Frequently asked questions
अडियोबाट टेक्स्ट कसरी बनाउने?
अडियो file छान्नुहोस्, model र भाषा रोज्नुहोस्, Transcribe थिच्नुहोस्। पहिलो पटक model download हुन्छ (केही MB देखि 244 MB सम्म), त्यसपछि transcript timestamp सहित तयार हुन्छ।
के मेरो recording upload हुन्छ?
हुँदैन। Model तपाईंको browser मा झर्छ, recording यहीँ सुनिन्छ। Server मा केही जाँदैन, त्यसैले interview र meeting जस्ता गोप्य recording पनि निर्धक्क चलाउनुहोस्।
नेपाली अडियो कत्तिको मिल्छ?
नजिकबाट रेकर्ड भएको सफा नेपाली निकै राम्रोसँग मिल्छ। Small model सबैभन्दा सही हुन्छ। नाम र ठाउँका शब्द कहिलेकाहीँ बिग्रन सक्छन्, एक पटक हेरेर मिलाउनुहोस्।
How long can the recording be?
There is no fixed limit, but browser memory is the ceiling: on a phone, keep files under about an hour; on a laptop, longer is fine. Long files also simply take longer to process.
Can I get subtitles for my video?
Yes, download the .srt file and attach it to the video on YouTube or in your editor. Timestamps come from the transcription itself.
Is this tool free? Does it upload my data?
Yes, it is completely free with no sign-up. It runs entirely in your browser on your own device, your text and files are never uploaded to any server.
अडियोबाट टेक्स्ट कसरी बनाउने?
अडियो file छान्नुहोस्, model र भाषा रोज्नुहोस्, Transcribe थिच्नुहोस्। पहिलो पटक model download हुन्छ (केही MB देखि 244 MB सम्म), त्यसपछि transcript timestamp सहित तयार हुन्छ।
के मेरो recording upload हुन्छ?
हुँदैन। Model तपाईंको browser मा झर्छ, recording यहीँ सुनिन्छ। Server मा केही जाँदैन, त्यसैले interview र meeting जस्ता गोप्य recording पनि निर्धक्क चलाउनुहोस्।
नेपाली अडियो कत्तिको मिल्छ?
नजिकबाट रेकर्ड भएको सफा नेपाली निकै राम्रोसँग मिल्छ। Small model सबैभन्दा सही हुन्छ। नाम र ठाउँका शब्द कहिलेकाहीँ बिग्रन सक्छन्, एक पटक हेरेर मिलाउनुहोस्।
Recording कति लामो हुन सक्छ?
निश्चित सीमा छैन, तर browser memory नै छत हो: फोनमा file करिब एक घण्टाभन्दा तल राख्नुहोस्; laptop मा लामो पनि हुन्छ। लामो file ले process गर्न पनि धेरै समय लिन्छ।
के म आफ्नो video का लागि subtitle पाउन सक्छु?
सक्नुहुन्छ, .srt file download गर्नुहोस् र यसलाई YouTube मा वा आफ्नो editor मा video सँग जोड्नुहोस्। Timestamp transcription बाटै आउँछ।
के यो tool निःशुल्क हो? के यसले मेरो data upload गर्छ?
हो, यो पूर्ण रूपमा निःशुल्क छ र sign-up पनि चाहिँदैन। यो तपाईंको browser मा तपाईंको आफ्नै device मा चल्छ, तपाईंको text र files कुनै server मा कहिल्यै upload हुँदैनन्।