@Marchew W sensie, że audio/video -> text? No to najlepszy darmowy jest Whisper i jego forki faster-whisper i whisper.cpp. Korzystałem z nich sporo z tym, że używałem ich tylko w CLI, napisałem sobie parę skryptów żeby nie musieć podawać tych samych argumentów cały czas.

Ty byś pewnie chciał gotową apkę to musisz poszukać jakiegoś GUI do Whispera. Google podpowiada mi takie coś ale nigdy nie korzystałem to nie wiem jak się sprawdza:
https://github.com/Pikurrot/whisper-gui
https://github.com/thewh1teagle/vibe
https://github.com/SubtitleEdit/subtitleedit