🎬 Video Transcriber — Video to Text (Whisper) for TikTok, YouTube, Kwai & More

$0.025 per minute transcribed · 🔒 no API key needed · 🌍 any language (auto-detect) · 📝 text + SRT + timestamps 🔗 View on Apify Store · 🇺🇸 English · 🇧🇷 Português

Transcribe video to text using OpenAI Whisper running locally inside the Actor (faster-whisper) — no external API, no key, no rate limits. Give any video URL — TikTok, YouTube, Instagram, Kwai, Facebook, X (Twitter) — or a direct video-file link, and get accurate text, timestamped segments, SRT subtitles and auto-detected language. The audio is extracted from the video automatically; it works even on videos that have no captions.

Who it's for: social-media & content teams, video editors, market/OSINT researchers, accessibility teams, and developers building search, summarization or subtitles on top of video.

▶️ Click Try for free — your first run returns a real transcript in seconds.

✨ Features

• 🎯 Real Whisper transcription (not just captions) — works on any video, even without subtitles.
• 🌐 Any network — TikTok, YouTube, Instagram, Kwai, Facebook, X, and 1800+ sites (or a direct file).
• 🌍 99+ languages, auto-detected (or force one with the language field).
• 📝 Rich output — full text, timestamped segments, ready-to-use SRT, word count, language.
• 🔒 Self-contained — Whisper runs in the container; you never need an API key.
• 💸 Fair pricing — pay per minute of video actually transcribed.

📥 Input

Field	Type	Required	Description
mediaUrls	array	✅	Video URLs (TikTok/YouTube/Instagram/Kwai/… or a direct video file)
language	string	❌	ISO code (en, pt, es…). Empty = auto-detect
model	string	❌	tiny | base (default) | small — speed vs. accuracy
maxMinutesPerItem	integer	❌	Safety cap on minutes per URL (default 120)
proxyConfiguration	object	❌	RESIDENTIAL by default — networks block datacenter IPs on media download

📤 Output (per item)

{
  "url": "https://www.tiktok.com/@user/video/…",
  "title": "…",
  "language": "en",
  "durationSeconds": 47.2,
  "billedMinutes": 1,
  "text": "Full transcript text …",
  "segments": [{ "start": 0.0, "end": 4.2, "text": "…" }],
  "srt": "1\n00:00:00,000 --> 00:00:04,200\n…",
  "wordCount": 120
}

🎯 Use cases

• Turn TikTok/Reels/Shorts into searchable, quotable text.
• Generate SRT subtitles for repurposing clips across platforms.
• Feed video speech into summarization / RAG / trend analysis.
• Accessibility transcripts and compliance.

❓ FAQ

Q: Do I need an API key (OpenAI, etc.)? A: No. Whisper runs inside the Actor — you only provide URLs.

Q: Which networks work? A: Anything yt-dlp supports (1800+ sites) — TikTok, YouTube, Instagram, Kwai, Facebook, X — plus direct video links. Residential proxy is on by default because networks block datacenter IPs.

Q: How is it billed? A: $0.025 per minute of video transcribed (rounded up per item). A 4-minute video = $0.10.

Q: Videos without captions? A: Yes — this transcribes the actual audio, so captions are not required.

💰 Pricing

Pay-per-event: $0.025 per minute transcribed. No platform-usage charges — a fixed price per minute of real video audio. Examples: 1 min = $0.025 · 5 min = $0.125 · 20 min = $0.50.

🔗 Related actors

• Audio Transcriber — podcasts, social audio & uploads.
• YouTube Fast Scraper — metadata + captions.

📝 Changelog

• v1.0 — local Whisper (faster-whisper) transcription from any network; text + segments + SRT; per-minute pricing.

---

🇧🇷 Português

$0.025 por minuto transcrito · 🔒 sem chave de API · 🌍 qualquer idioma (detecção automática) · 📝 texto + SRT + timestamps 🇺🇸 English · 🇧🇷 Português

Transcreva vídeo em texto com o Whisper rodando localmente no Actor (faster-whisper) — sem API externa, sem chave, sem rate limit. Passe qualquer URL de vídeo — TikTok, YouTube, Instagram, Kwai, Facebook, X — ou um link direto de arquivo, e receba texto, segmentos com timestamps, legendas SRT e idioma detectado. O áudio é extraído do vídeo automaticamente; funciona mesmo em vídeos sem legendas.

Para quem é: times de redes sociais e conteúdo, editores de vídeo, pesquisadores de mercado/OSINT, times de acessibilidade e desenvolvedores que constroem busca, resumo ou legendas sobre vídeo.

▶️ Clique em Testar grátis — sua primeira execução retorna uma transcrição real em segundos.

✨ Recursos

• 🎯 Transcrição Whisper real (não só legendas) — funciona em qualquer vídeo, mesmo sem legendas.
• 🌐 Qualquer rede — TikTok, YouTube, Instagram, Kwai, Facebook, X e 1800+ sites (ou arquivo direto).
• 🌍 99+ idiomas, detectados automaticamente.
• 📝 Saída rica — texto completo, segmentos com tempo, SRT pronto, contagem de palavras, idioma.
• 🔒 Autossuficiente — o Whisper roda no container; você nunca precisa de chave de API.
• 💸 Preço justo — pague por minuto de vídeo realmente transcrito.

💰 Preço

Pay-per-event: $0.025 por minuto transcrito. Sem cobrança de uso de plataforma — preço fixo por minuto de áudio do vídeo. Exemplos: 1 min = $0.025 · 5 min = $0.125 · 20 min = $0.50.

❓ FAQ

P: Preciso de chave de API? R: Não. O Whisper roda dentro do Actor — você só fornece URLs.

P: Como é cobrado? R: $0.025 por minuto de vídeo transcrito (arredondado por item). Um vídeo de 4 min = $0.10.

P: Vídeos sem legenda? R: Sim — transcrevemos o áudio real, então legendas não são necessárias.

📝 Changelog

• v1.0 — transcrição local com Whisper (faster-whisper) de qualquer rede; texto + segmentos + SRT; preço por minuto.