Transcribe Bengali Audio or Video to Text
Upload any Bengali recording — MAI-Transcribe 1.5 detects the language automatically and returns an accurate transcript in seconds.
Drag a file here or browse
MP3, WAV, M4A, FLAC · MP4, MOV, MKV, WebM · up to 2 GB
Set language, translation, or vocabulary hints below before transcribing
YouTube, Dropbox, Google Drive, or any direct MP3/MP4 link
Not applied on Gemini 3.5 Transcribe — the model can't combine vocabulary hints with word-level timestamps
MP3, WAV, M4A, FLAC · MP4, MOV, MKV · up to 2 GB · 10 minutes free every day
About Bengali transcription
The fifth most spoken language in the world, Bengali is an Indo-Aryan language written in the Bengali-Assamese abugida, a script where consonants carry an inherent vowel sound that gets modified or suppressed by diacritic marks rather than written out in full. That design compresses a lot of phonetic information into each character, which makes accurate script rendering more demanding than it would be with a fully alphabetic system — the transcription engine has to resolve the correct vowel state for each consonant cluster, not just map a sound to a letter. For spoken Bengali, the audio itself is relatively well-structured phonologically, and the language lacks lexical tone, which removes one common source of recognition errors. Accuracy on convert.express is high. Bangladeshi and Indian Bengali differ in vocabulary and intonation patterns, and the model has been trained to distinguish between them, so you should expect consistent results whether your audio is from Dhaka or Kolkata — not a single merged approximation of both. The script complexity is where most of the transcription work lives, and it shows in the output quality.
MAI-Transcribe 1.5 and Gemini 3.5 Transcribe both support Bengali, detected automatically from the audio — no manual language selection is needed. OpenAI Whisper does not support this language. Upload any Bengali recording up to 2 GB — MP3, WAV, M4A, FLAC, MP4, MOV, and most common audio and video formats are accepted. Every account includes 10 free minutes of transcription per day; longer files are billed at €0.02 per minute with a €0.50 minimum per transaction. Transcripts download as plain text and are automatically deleted within 24 hours of upload.
Available transcription models
10 min
Free every day
€0.02
Per minute beyond quota
< 1 min
Typical turnaround
Tips for the best results
- Use a quiet environment — background noise is the biggest source of transcription errors.
- Speak at a natural pace; extremely fast speech reduces accuracy in any language.
- MP3 or M4A files work great; uncompressed WAV is ideal for professional recordings.
- Files up to 2 GB are supported — long recordings are automatically split and merged.
Frequently asked questions
- How accurate is AI transcription for Bengali?
- Accuracy for Bengali is high on convert.express. Bengali has no lexical tone system, which eliminates one common difficulty in speech recognition, but its Bengali-Assamese abugida script encodes vowel information through diacritics rather than separate letters, so getting the written output right requires careful handling of consonant-vowel resolution. On the dialect side, Bangladeshi and Indian Bengali differ meaningfully in vocabulary and intonation — the model has been trained to distinguish between the two rather than collapsing them into a single generic output.
- How long does Bengali transcription take?
- Most Bengali recordings are ready in under a minute. Processing time scales with file length — a 10-minute recording typically returns results in 20–40 seconds, and a one-hour recording in around 4–6 minutes. Longer files are automatically split, transcribed in parallel, and merged, so you never need to cut your audio before uploading.
- Can I translate Bengali audio to English or other languages?
- Yes. Single-pass translation to English is a Whisper feature, and Whisper does not support Bengali — MAI-Transcribe 1.5 and Gemini 3.5 Transcribe transcribe Bengali audio to Bengali text instead. Once the transcript is ready you can translate it into English — or any of convert.express's other supported languages — using the Translate action in your dashboard. It's powered by Claude AI and also works on the summary and action list, not just the raw transcript.
- Which transcription model should I use for Bengali?
- MAI-Transcribe 1.5 and Gemini 3.5 Transcribe both support Bengali. MAI-Transcribe 1.5 is in preview, typically returns results faster, and supports entity biasing for proper names and terminology. Gemini 3.5 Transcribe is in preview, has the widest language coverage, and labels speakers in-model. OpenAI Whisper does not support Bengali. Try them on a short clip to see which output suits your recording.
- What audio and video formats are supported?
- MP3, WAV, M4A, FLAC, OGG, Opus, MP4, MOV, MKV, and most other common audio and video formats are accepted. Files up to 2 GB can be uploaded. The language is detected automatically from the audio — no manual language selection is needed.
বাংলা · convert.express
বাংলা বিশ্বের পঞ্চম সর্বাধিক কথিত ভাষা। এটি একটি ইন্দো-আর্য ভাষা, যা বাংলা-অসমিয়া অবুগিদা লিপিতে লেখা হয় — এই লিপিতে প্রতিটি ব্যঞ্জনবর্ণের মধ্যে একটি সহজাত স্বরধ্বনি থাকে, যা পূর্ণ অক্ষর হিসেবে লেখার বদলে ডায়াক্রিটিক চিহ্নের মাধ্যমে পরিবর্তিত বা দমন করা হয়। এই বৈশিষ্ট্যের কারণে প্রতিটি অক্ষরে প্রচুর ধ্বনিগত তথ্য সংকুচিত থাকে, ফলে সম্পূর্ণ বর্ণমালাভিত্তিক লিপির তুলনায় বাংলা লিপি সঠিকভাবে রেন্ডার করা অনেক বেশি জটিল — ট্রান্সক্রিপশন ইঞ্জিনকে শুধু শব্দ থেকে অক্ষরে রূপান্তর নয়, বরং প্রতিটি ব্যঞ্জন-যুক্তাক্ষরের সঠিক স্বর-অবস্থাও নির্ধারণ করতে হয়। কথ্য বাংলার ক্ষেত্রে অডিও ধ্বনিগতভাবে মোটামুটি সুগঠিত, এবং ভাষাটিতে কোনো লেক্সিক্যাল টোন ব্যবস্থা নেই — যা সাধারণত স্পিচ রিকগনিশনে একটি বড় জটিলতার কারণ হয়ে থাকে। convert.express-এ বাংলার নির্ভুলতা বেশ উচ্চমানের। বাংলাদেশি ও ভারতীয় বাংলার মধ্যে শব্দভান্ডার ও সুরের ধরনে পার্থক্য আছে, এবং মডেলটিকে এই দুটি রূপ আলাদাভাবে চিনতে পারার জন্য প্রশিক্ষণ দেওয়া হয়েছে। তাই আপনার অডিও ঢাকার হোক বা কলকাতার — ফলাফল সামঞ্জস্যপূর্ণ হবে, দুটোকে মিলিয়ে একটা অস্পষ্ট আউটপুট নয়। লিপির জটিলতাই এখানে ট্রান্সক্রিপশনের মূল চ্যালেঞ্জ, এবং আউটপুটের মানে সেটা স্পষ্ট বোঝা যায়। MAI-Transcribe 1.5 এবং Gemini 3.5 Transcribe উভয়ই বাংলা সমর্থন করে এবং অডিও থেকে স্বয়ংক্রিয়ভাবে ভাষা শনাক্ত করে — আলাদা করে ভাষা নির্বাচন করার প্রয়োজন নেই। OpenAI Whisper এই ভাষা সমর্থন করে না। যেকোনো বাংলা রেকর্ডিং 2 GB পর্যন্ত আপলোড করুন — MP3, WAV, M4A, FLAC, MP4, MOV সহ প্রচলিত প্রায় সব অডিও ও ভিডিও ফরম্যাট গ্রহণযোগ্য। প্রতিটি অ্যাকাউন্টে প্রতিদিন 10 minutes বিনামূল্যে ট্রান্সক্রিপশন পাওয়া যায়; এর বেশি হলে প্রতি মিনিটে €0.02 হারে চার্জ হয়, প্রতি লেনদেনে ন্যূনতম €0.50। ট্রান্সক্রিপ্ট সাদামাটা টেক্সট হিসেবে ডাউনলোড করা যায় এবং আপলোডের 24 ঘণ্টার মধ্যে স্বয়ংক্রিয়ভাবে মুছে যায়।
- বাংলার জন্য AI ট্রান্সক্রিপশন কতটা নির্ভুল?
- convert.express-এ বাংলার নির্ভুলতা উচ্চমানের। বাংলায় কোনো লেক্সিক্যাল টোন সিস্টেম নেই, যা স্পিচ রিকগনিশনের একটি সাধারণ জটিলতা দূর করে। তবে বাংলা-অসমিয়া অবুগিদা লিপিতে স্বরধ্বনি আলাদা অক্ষরের বদলে ডায়াক্রিটিকের মাধ্যমে প্রকাশ পায়, তাই লিখিত আউটপুট সঠিক করতে ব্যঞ্জন-স্বর বিন্যাসের সূক্ষ্ম প্রক্রিয়াকরণ জরুরি। উপভাষার দিক থেকে বাংলাদেশি ও ভারতীয় বাংলার মধ্যে শব্দভান্ডার ও সুরে উল্লেখযোগ্য পার্থক্য আছে — মডেলটিকে এই দুটি রূপ আলাদাভাবে চিনতে প্রশিক্ষণ দেওয়া হয়েছে, একটি সাধারণ মিশ্র আউটপুট দেওয়ার জন্য নয়।
- বাংলা ট্রান্সক্রিপশনে কতটা সময় লাগে?
- বেশিরভাগ বাংলা রেকর্ডিং এক মিনিটের মধ্যে তৈরি হয়ে যায়। প্রসেসিং সময় ফাইলের দৈর্ঘ্যের সাথে বাড়ে — 10 minutes-এর রেকর্ডিংয়ের ফলাফল সাধারণত 20–40 সেকেন্ডে আসে, আর এক ঘণ্টার রেকর্ডিংয়ে প্রায় 4–6 minutes লাগে। বড় ফাইল স্বয়ংক্রিয়ভাবে ভাগ করে সমান্তরালভাবে ট্রান্সক্রাইব করে একত্রিত করা হয়, তাই আপলোডের আগে অডিও কেটে নেওয়ার কোনো প্রয়োজন নেই।
- বাংলা অডিও কি ইংরেজি বা অন্য ভাষায় অনুবাদ করা যাবে?
- হ্যাঁ। সরাসরি ইংরেজিতে অনুবাদ Whisper-এর একটি ফিচার, কিন্তু Whisper বাংলা সমর্থন করে না — MAI-Transcribe 1.5 এবং Gemini 3.5 Transcribe বাংলা অডিও থেকে বাংলা টেক্সটে ট্রান্সক্রাইব করে। ট্রান্সক্রিপ্ট তৈরি হয়ে গেলে আপনি ড্যাশবোর্ডের Translate অপশন ব্যবহার করে সেটি ইংরেজিতে বা convert.express-এর সমর্থিত যেকোনো ভাষায় অনুবাদ করতে পারবেন। এটি Claude AI দ্বারা চালিত এবং শুধু মূল ট্রান্সক্রিপ্ট নয়, সারাংশ ও অ্যাকশন লিস্টেও কাজ করে।
- বাংলার জন্য কোন ট্রান্সক্রিপশন মডেল ব্যবহার করব?
- MAI-Transcribe 1.5 এবং Gemini 3.5 Transcribe উভয়ই বাংলা সমর্থন করে। MAI-Transcribe 1.5 প্রিভিউতে আছে, সাধারণত দ্রুত ফলাফল দেয় এবং নামবাচক বিশেষ্য ও পারিভাষিক শব্দের জন্য এনটিটি বায়াসিং সমর্থন করে। Gemini 3.5 Transcribe-ও প্রিভিউতে আছে, এর ভাষা কভারেজ সবচেয়ে বেশি এবং এটি মডেলের মধ্যেই বক্তা চিহ্নিত করে। OpenAI Whisper বাংলা সমর্থন করে না। একটি ছোট ক্লিপে দুটো মডেল পরীক্ষা করে দেখুন কোনটির আউটপুট আপনার রেকর্ডিংয়ের জন্য বেশি উপযুক্ত।
- কোন কোন অডিও ও ভিডিও ফরম্যাট সমর্থিত?
- MP3, WAV, M4A, FLAC, OGG, Opus, MP4, MOV, MKV সহ প্রচলিত প্রায় সব অডিও ও ভিডিও ফরম্যাট গ্রহণযোগ্য। 2 GB পর্যন্ত ফাইল আপলোড করা যাবে। অডিও থেকে স্বয়ংক্রিয়ভাবে ভাষা শনাক্ত হয়, আলাদা করে ভাষা নির্বাচন করতে হবে না।