Apakah saya perlu mengompres file WAV sebelum mengunggah?

Biasanya tidak. Sebagian besar file WAV bisa diunggah langsung apa adanya, tanpa batas ukuran file. Untuk file yang sangat besar, Hushscript justru menyiapkan FLAC mono 16 kHz yang ringkas secara lokal di browser Anda, sehingga Anda tidak perlu mengompres apa pun secara manual.

Apakah WAV lebih akurat daripada MP3 untuk transkripsi?

Hanya sedikit. WAV tidak memakai kompresi lossy, tetapi MP3 128 kbps atau lebih dari sumber yang sama memberi hasil yang nyaris identik dalam praktik. Keunggulan WAV terutama terlihat jika rekaman sumber memang sudah berkualitas rendah, misalnya di ruangan yang sunyi atau dengan mikrofon murah.

Laju sampel (sample rate) apa saja yang didukung?

Semua laju standar dari 8 kHz hingga 48 kHz. Di atas 16 kHz tidak ada peningkatan akurasi untuk ujaran, karena mesin bekerja di pita ujaran, bukan di rentang ultrasonik. WAV 48 kHz dan WAV 16 kHz dari audio yang sama menghasilkan transkrip yang sama.

Bisakah saya mendapatkan label penutur pada file WAV?

Ya. Pemisahan penutur berjalan pada setiap transkrip apa pun formatnya, tanpa biaya tambahan. Wawancara dua orang terpisah dengan rapi; Anda bisa mengganti nama Speaker A dan Speaker B menjadi nama sebenarnya dengan satu klik.

Bagaimana jika file WAV saya sangat pelan?

Audio yang pelan memberi mesin sinyal yang lebih sedikit, sehingga akurasinya menurun. Jika puncaknya tidak mencapai sekitar -12 dBFS di penampil bentuk gelombang, normalkan volume file di editor audio sebelum mengunggah.

Apakah mono atau stereo berpengaruh pada file WAV?

Untuk akurasi, tidak. Mesin menggabungkannya ke mono secara internal. Namun jika kedua kanal berisi konten yang sama, mengekspor file mono memangkas ukuran separuhnya tanpa kehilangan kualitas, sehingga unggahan lebih cepat.

Berapa biayanya setelah menit gratis?

Anda hanya membayar menit yang Anda transkripsikan, tanpa langganan. Penagihan berdasarkan durasi audio, bukan ukuran file, sehingga WAV besar berbiaya sama dengan MP3 kecil yang durasinya sama. Lihat halaman harga untuk tarif per menit saat ini.

Blog

Cara Mengubah File WAV ke Teks (Gratis untuk Dicoba)

Penulis: Hushscript Diterbitkan: 28 April 2026 Terakhir ditinjau: 6 Oktober 2026

File WAV adalah audio tanpa kompresi, sehingga menjadi titik awal yang kuat untuk transkrip yang akurat. Komprominya adalah ukuran: file WAV besar, meski tidak ada batas ukuran file yang bisa Anda capai, dan file yang sangat besar pun cukup disiapkan untuk Anda. Panduan ini membahas seluruh pekerjaannya: mengubah file WAV ke teks, mendapatkan label penutur yang bersih, menangani file besar, dan mengekspor transkrip dalam format yang benar-benar Anda perlukan.

WAV muncul di banyak tempat yang mementingkan kualitas: perekam lapangan yang menyimpan ke kartu SD, audio yang dimixing dan diekspor dari DAW, hasil Windows Voice Recorder, dan peralatan wawancara siaran. Transkripsinya sendiri berjalan sama seperti format lain: unggah, transkripsikan, ekspor. Yang perlu diketahui lebih dulu adalah mengapa audio lossless membantu, dan bagaimana menjaga ukuran file tetap terkelola.

Mengapa WAV bagus untuk akurasi

WAV adalah kontainer tanpa kompresi. Tidak seperti MP3 atau M4A, tidak ada tahap kompresi lossy, sehingga audio yang diterima mesin identik dengan yang direkam, tanpa artefak encoding yang ditambahkan lalu dibuang.

Dalam praktik, ini paling berarti pada dua kasus:

Rekaman sumber sudah berada di batas: penutur yang pelan, ruangan bising, mikrofon murah. Setiap bagian sinyal berarti, dan codec lossy akan membuang sebagian darinya.
Anda sudah mengolah audio di DAW dan mengekspornya ulang. Setiap proses MP3 menambahkan artefaknya sendiri; menyimpan file sebagai WAV di antara penyuntingan menghindari penumpukannya.

Untuk rekaman studio yang bersih atau wawancara yang disiapkan dengan baik, MP3 128 kbps dari sumber yang sama memberi akurasi yang nyaris identik. Keunggulan WAV nyata tetapi kecil, kecuali kondisinya sulit. Jadi jawaban jujur untuk “apakah saya sebaiknya merekam dalam WAV demi transkrip yang lebih baik” adalah: membantu sedikit, dan makin membantu jika lingkungan rekaman Anda makin buruk.

Apa yang sebenarnya dipakai mesin

Model ujaran kebanyakan dilatih pada audio mono 16 kHz. Saat Anda mengunggah WAV stereo 48 kHz, mesin menurunkan laju sampel dan menggabungkannya ke mono sebelum melakukan hal lain. Rentang yang berguna untuk ujaran berada kira-kira di antara 300 Hz dan 8 kHz, pita telepon. Yang penting adalah menangkap rentang itu dengan bersih, dan mikrofon yang layak pada 16 kHz atau lebih sudah mampu melakukannya.

Hasil praktisnya: WAV 48 kHz dan WAV 16 kHz dari ujaran yang sama menghasilkan transkrip yang sama. Laju sampel tinggi tidak merugikan, tetapi juga tidak membantu kata-katanya. Laju itu hanya membuat file lebih besar. Jika Anda mengendalikan pengaturan rekaman dan ingin unggahan terkecil tanpa mengorbankan apa pun, mono 16 kHz adalah batas bawahnya.

Yang Anda perlukan

File WAV hingga 10 jam, tanpa batas ukuran file. Sebagian besar file diunggah langsung apa adanya; file yang sangat besar disiapkan langsung di browser Anda.
Akun Hushscript dan menit tersedia yang cukup untuk transkripsi lengkap. Akun pribadi yang memenuhi syarat dapat menerima 30 menit gratis satu kali, setelah verifikasi kartu atau bersama pembelian pertama; harga memuat ketentuannya. Untuk paket, gunakan metode pembayaran yang ditampilkan saat checkout.
Tidak ada yang perlu dipasang. Hushscript berjalan di browser Anda: audio disiapkan di perangkat, lalu audio yang sudah disiapkan dikirim untuk transkripsi, sehingga tidak ada aplikasi, plugin, atau ekstensi yang perlu disiapkan.

Transkripsi ditagih berdasarkan durasi audio, bukan ukuran file. WAV satu jam pada 44,1 kHz dan 16-bit berukuran sekitar 600 MB, tetapi biayanya sama dengan MP3 satu jam. Menit gratis cukup untuk mentranskripsikan sampel singkat dan memeriksa akurasi pada rekaman Anda sendiri sebelum Anda memproses satu kumpulan penuh.

Ubah file WAV ke teks dalam tiga langkah

Buka konverter dan masuk. Buka halaman transkripsi lalu masuk. Transkripsi lengkap memerlukan menit tersedia yang cukup. Akun pribadi yang memenuhi syarat dapat menerima 30 menit gratis satu kali setelah verifikasi kartu berhasil, atau bersama pembelian pertama jika belum pernah diberikan, cukup untuk menguji rekaman singkat dari awal sampai akhir.
Unggah file WAV. Seret file ke area unggah atau klik untuk menelusuri. Sebagian besar file mengikuti jalur langsung. File yang lebih besar justru disiapkan langsung di browser Anda, tergantung kapasitas perangkat; konversi FLAC mono 16 kHz lokal hanya dipakai jika file tidak bisa diunggah apa adanya.
Unduh transkrip. Saat pemrosesan selesai, transkrip muncul di dasbor Anda dengan label penutur dan penanda waktu yang sudah diterapkan. Ekspor dalam salah satu dari 21 format, termasuk TXT, SRT, VTT, DOCX, dan PDF, atau sebagai .husharchive yang dilindungi kata sandi.

Label penutur muncul sebagai Speaker A, Speaker B, dan seterusnya. Klik label untuk mengganti namanya. Setelah Anda mengubah “Speaker A” menjadi nama sebenarnya, setiap baris dari penutur itu ikut diperbarui.

Contoh kerja: wawancara yang direkam di lapangan

Katakanlah Anda merekam wawancara 40 menit dengan perekam lapangan genggam, dua orang, disimpan sebagai WAV stereo 44,1 kHz / 16-bit bernama field-interview.wav. Ukuran file itu sekitar 400 MB. Begini jalannya pekerjaan yang sebenarnya.

Ukuran file itu normal, jadi tidak perlu mengonversi apa pun; Anda mengunggahnya apa adanya. Karena ruangan itu punya dengung pendingin udara, Anda lebih dulu menjalankan filter high-pass pada 80 Hz di editor audio dan mengekspor ulang; itu menghilangkan gemuruh rendah yang kalau tidak akan dibaca mesin sebagai derau, dan mengekspor ulang ke WAV menjaga audio tetap lossless. Anda mengunggah file yang sudah dibersihkan.

Saat pemrosesan selesai, transkrip kembali terpisah menjadi Speaker A (Anda) dan Speaker B (narasumber Anda), dengan penanda waktu pada setiap giliran bicara. Anda mengganti nama kedua penutur, menelusuri sekali untuk nama diri yang ditebak mesin, seperti nama perusahaan atau tempat, lalu memperbaiki kesalahan berulang dengan cari dan ganti. Setelah itu Anda mengekspor: DOCX untuk wawancara yang mudah dibaca, dan SRT jika Anda juga memerlukan penanda waktu yang selaras dengan potongan video.

Pola itu (pra-pemrosesan ringan, unggah, ganti label, telusuri, ekspor) berlaku untuk hampir semua WAV wawancara atau rapat. Satu-satunya hal yang berubah pada file yang jauh lebih panjang atau lebih besar adalah apakah Anda mengompresnya lebih dulu.

Menangani file WAV besar

WAV stereo 44,1 kHz / 16-bit berukuran sekitar 10 MB per menit. Sesi dua jam sekitar 1,2 GB, dan ekspor multi-track yang panjang bisa lebih besar. Ada dua hal yang layak direncanakan.

Tidak ada batas ukuran file yang perlu diperhitungkan. Biasanya Anda tidak perlu memperkecil WAV yang lebih besar secara manual: Hushscript menyiapkan bahkan file yang sangat besar langsung di browser, memakai FLAC mono 16 kHz lokal sebagai alternatif hanya jika file tidak bisa mengikuti jalur unggah langsung. Jika perangkat Anda tidak dapat menyiapkan sumber dengan nyaman, konverter WAV ke MP3 gratis di browser atau editor audio bisa membuat file yang lebih kecil lebih dulu.

Waktu unggah. WAV 1 GB pada koneksi 10 Mbps butuh kira-kira lima belas menit hanya untuk diunggah. Pada koneksi lambat, mengompres sebelum mengunggah memangkas waktu tunggu itu secara signifikan. Jika Anda tidak memerlukan kualitas lossless bit demi bit, alat kompres audio memperkecil file lebih jauh dengan penurunan kualitas yang kecil dan biasanya tidak terdengar, yang untuk ujaran jarang menjadi masalah.

Stereo yang membawa konten mono. Banyak rekaman disimpan sebagai stereo padahal sebenarnya berisi audio yang sama di kedua kanal: satu mikrofon yang digandakan ke kiri dan kanan. Mengonversinya ke WAV atau FLAC mono memangkas ukuran file separuhnya tanpa kehilangan akurasi, karena mesin toh menggabungkannya ke mono. Ini cara termudah untuk menghemat ukuran jika kondisinya berlaku.

Pra-pemrosesan untuk rekaman yang sulit

Dua penyuntingan cepat di editor audio sangat berguna sebelum Anda mengunggah file yang berada di batas:

Normalkan audio yang pelan. Jika puncaknya tidak mencapai sekitar -12 dBFS di penampil bentuk gelombang, rekaman terlalu pelan dan akurasi menurun. Normalisasi menaikkan level dan biasanya memperbaiki transkrip dengan nyata.
Terapkan high-pass pada ruangan yang berdengung. Derau frekuensi rendah yang konsisten (HVAC, kipas laptop, gemuruh lalu lintas) membingungkan mesin. Filter high-pass pada 80 Hz menghilangkan dengung bas dan membiarkan ujaran utuh. Sebagian besar editor menyediakannya sebagai filter satu klik.

Tidak satu pun langkah ini wajib untuk rekaman yang bersih. Keduanya adalah perbaikan terarah untuk rekaman yang membutuhkan bantuan, dan mengekspor ulang ke WAV setelah salah satu penyuntingan menjaga audio tetap lossless.

WAV vs MP3 untuk transkripsi: apakah lossless benar-benar membantu?

Inilah pertanyaan di balik sebagian besar keputusan soal WAV, jadi berikut versi sederhananya.

Untuk akurasi, lossless membantu sedikit, dan makin membantu jika sumbernya makin buruk. Pada rekaman yang bersih, perbedaan antara WAV dan MP3 128 kbps yang baik sulit terdeteksi dalam transkrip. Pada rekaman yang pelan atau bising, fidelitas ekstra WAV memberi mesin sedikit lebih banyak bahan untuk dikerjakan. Bagaimanapun, format jarang menjadi penghalang antara Anda dan transkrip yang bisa dipakai. Yang menentukan adalah kualitas rekaman.

Untuk alur kerja, MP3 menang dalam ukuran dan kecepatan unggah, dan WAV menang sebagai master kerja yang Anda simpan di antara penyuntingan. Jalur tengah yang umum: simpan master hasil edit sebagai WAV atau FLAC, dan jika perlu mengunggah lewat koneksi lambat, kirim MP3 berbitrate tinggi. Hampir tidak ada yang hilang dari transkrip dan Anda menghemat banyak waktu unggah. Panduan MP3 ke teks membahas jalur itu selengkapnya.

Singkatnya: rekam dan arsipkan dalam WAV jika kualitas penting, tetapi tidak perlu merasa wajib mengunggah file 1 GB jika file 100 MB bisa ditranskripsikan sama baiknya.

Tips akurasi untuk WAV

Tangkap pita ujaran dengan bersih. Apa pun di atas 16 kHz terbuang untuk transkripsi, tetapi 300 Hz–8 kHz yang bersih adalah segalanya. Mikrofon yang layak di dekat penutur selalu mengalahkan laju sampel yang tinggi.
Satu mikrofon per penutur jika memungkinkan. Dua orang pada satu mikrofon bersama lebih sulit dipisahkan daripada dua orang pada trek masing-masing. Jika perekam lapangan Anda mendukungnya, rekam setiap penutur ke satu kanal.
Satu bahasa per file. Deteksi berjalan per file; rekaman yang berganti bahasa di tengah jalan lebih sulit daripada dua file satu bahasa yang bersih.
Telusuri sekali setelah ekspor. Nama diri (nama, tempat, merek, istilah teknis) adalah bagian yang ditebak oleh mesin mana pun. Satu putaran cari dan ganti membersihkan sebagian besar di antaranya dalam beberapa menit.

Label penutur dan penanda waktu

Setiap transkrip WAV menyertakan pemisahan penutur otomatis, manfaat gratis pada setiap pekerjaan, bukan paket berbayar atau tambahan biaya per penutur. Rekaman dua orang, seperti pewawancara dan narasumber atau panggilan dua pihak yang direkam ke satu trek stereo, terpisah dengan rapi. Rekaman kelompok yang lebih besar (empat orang atau lebih di sekitar meja konferensi) lebih sulit bagi mesin diarisasi penutur mana pun, jadi bersiaplah merapikan label pada rekaman ruangan yang bising.

Ekspor SRT sangat berguna untuk file WAV yang berasal dari produksi video. Jika Anda merekam audio secara terpisah (mikrofon boom atau trek lav yang disinkronkan saat pascaproduksi), penanda waktu SRT memungkinkan Anda menyelaraskan ulang transkrip dengan gambar tanpa menelusuri audio secara manual.

Opsi ekspor

Format	Catatan
TXT	Transkrip teks biasa dengan label penutur, tanpa penanda waktu. Cocok untuk pencarian, kutipan, dan dimasukkan ke alat lain.
SRT	Penanda waktu pada setiap ujaran. Format subtitle dan teks keterangan standar yang terbuka di VLC, editor video, dan alat teks keterangan.
VTT	Format subtitle web untuk video HTML5 dan alur kerja penerbitan.
CSV	Ekspor yang ramah lembar kerja dengan kolom penutur, waktu, dan teks.
Markdown	Struktur teks biasa yang bisa diedit untuk catatan, dokumen, dan penerbitan.
JSON	Keluaran terstruktur (`{ speaker, start, end, text }` per ujaran) untuk alur pemrosesan khusus.
DOCX	Kompatibel dengan Word, dengan label penutur dan penanda waktu dalam tata letak yang mudah dibaca untuk dibagikan atau diberi anotasi.
PDF	Transkrip bertata letak tetap untuk dibagikan atau diarsipkan.

Tanpa tanda air pada format apa pun, dan ekspor disertakan pada setiap transkrip. Tidak ada yang dikunci di balik paket yang lebih tinggi.

Jika WAV Anda adalah rekaman yang berada di batas dan akurasi menjadi prioritas, panduan MP3 ke teks membahas normalisasi dan langkah pra-pemrosesan lain yang berlaku sama di sini. Jika Anda lebih suka mengonversinya ke MP3 lalu mentranskripsikannya, konverter gratis berjalan di browser Anda tanpa mengunggah file. Perlu format tujuan yang berbeda? Konverter audio gratis menangani WAV, MP3, FLAC, dan lainnya dengan cara yang sama, tanpa ada yang diunggah. Dan untuk daftar lengkap format dan fitur yang diterima di satu tempat, halaman audio ke teks memuat semuanya.

Sumber dan standar independen

Hushscript merujuk pada sumber independen yang bukan pesaing ini. Sumber tersebut menjelaskan penelitian, standar, atau cara kerja platform dan tidak memberikan dukungan kepada Hushscript.

Sumber ditinjau: 6 Oktober 2026