Deei uma busca aqui no meu site e achei algumas ferramentas de transcrição de áudio e vídeo com inteligência artificial , mas não analisei a fundo o site pra ver preços e como funciona na prática.
Segue:
1. Audiotype: A Audiotype converte suas reuniões do Zoom em texto em tempo real com até 90% de precisão em mais de 30 idiomas. Não é necessário ter uma conta! Link

2.Sonix: O Sonix é uma ferramenta de IA que oferece transcrição de áudio e vídeo, além de recursos de edição para personalização. Link

Amberscript: O Amberscript combina inteligência humana e artificial para fornecer transcrição rápida e precisa de áudio e vídeo para texto. Link

3.Descript: O Descript é um editor de áudio, vídeo e texto que você pode usar para transcrever áudio em texto com muita facilidade. Essa ferramenta de transcrição pode também gravar sua tela e usa do poder da inteligência artificial para te ajudar a fazer seu conteúdo ficar ainda melhor. Link

4.Otter.ai: O Otter.ai é uma ferramenta que utiliza tecnologias de IA para reconhecimento automático de fala e transcrição de áudio e vídeo. Link

Se quiser encontrar outras ferramentas pra outros fins que usam Ia, dá uma mergulhada no: https://toolake.super.site/

encontrei outra amigo:
https://tldv.io/