Задача перевода файлов MP3 в текст (как перевести аудио в текст), судя по статистике wordstat от Яндекса, является очень востребованной. В файлах MP3 могут храниться записи на диктофон, звуковые дорожки из видео или музыкальных клипов. В своё время я перепробовал множество способов решить такую задачу. При больших объёмах файла альтернативы использования для этого нейронных сетей я не вижу. При транскрибации можно либо установить нужное программное обеспечение на свой компьютер, либо делать это онлайн...

NeuralNote - это бесплатный плагин, который специализируется на преобразовании аудио в MIDI. Он поддерживает работу в любой современной DAW. Из особенностей плагина можно выделить: Распознает любые тональные инструменты (включая голос). Поддерживается транскрипция в режиме полифонии. Поддержка питч бендов. Преобразование происходит вполне легко и быстро. Есть возможность квантизации и отстройки MIDI нот в зависимости от звукоряда непосредственно в окне самого плагина. NeuralNote можно использовать как в виде простого плагина (VST3/AU), так и в Standalone режиме приложения...