Audio a texto gratis: transcribe desde tu navegador

Cómo transcribir audio a texto

1. Elige el idioma de la grabación o deja seleccionada la opción «Detectar automáticamente».
2. Pulsa el micrófono para grabar y detén la grabación cuando termines. También puedes elegir un archivo: MP3, M4A, WAV, OGG, FLAC, WebM o un vídeo (MP4, MOV, WebM). También puedes arrastrar el archivo a la página.
3. La primera vez, tu navegador descarga el modelo de reconocimiento de voz (unos 77 MB para Rápido y 249 MB para Preciso). Las siguientes veces se inicia de inmediato.
4. El texto aparece mientras se transcribe el audio. Edítalo si hace falta y luego cópialo o descárgalo como archivo .txt o como subtítulos .srt / .vtt con marcas de tiempo.

Privacidad desde el diseño: tu audio permanece en tu dispositivo

La mayoría de los sitios de transcripción suben tu grabación a sus servidores y muchos te limitan a unos minutos al día si no pagas. Esta herramienta ejecuta el modelo de reconocimiento de voz Whisper de OpenAI directamente en tu navegador. Tu audio y la transcripción nunca salen de tu ordenador o teléfono, por lo que es una buena opción para entrevistas, reuniones, clases, notas de voz y otras grabaciones que prefieres no subir.

¿Rápido o Preciso?

• Rápido (Whisper base, ~77 MB) es veloz y funciona bien con voz clara en idiomas de uso extendido. En un portátil típico transcribe un minuto de audio en unos 15 segundos.
• Preciso (Whisper small, ~249 MB) comete menos errores con acentos, ruido de fondo, nombres e idiomas como el japonés, el coreano o el chino. Es unas tres veces más lento. En teléfonos antiguos, usa Rápido.

Archivos e idiomas compatibles

Puedes usar cualquier formato de audio o vídeo que tu navegador pueda reproducir: MP3, M4A (notas de voz de iPhone), WAV, OGG, Opus (mensajes de voz de WhatsApp), FLAC, AAC, WebM, MP4 y MOV. En los archivos de vídeo solo se usa el sonido. Whisper reconoce 99 idiomas, entre ellos inglés, español, portugués, francés, alemán, italiano, japonés, coreano, chino, ruso, árabe, hindi y turco. Activa Traducir al inglés para obtener una traducción al inglés de la voz en cualquiera de estos idiomas.

Crear subtítulos (SRT y VTT)

Cada transcripción conserva las marcas de tiempo, así que puedes descargarla como archivo de subtítulos SRT o WebVTT y añadirla a YouTube, un editor de vídeo o un reproductor multimedia. Activa Marcas de tiempo para ver cuándo empieza cada frase.

Preguntas frecuentes

¿Es realmente gratis?

Sí. No necesitas una cuenta, no hay marcas de agua y no hay límite de archivos ni de minutos. La página se financia con anuncios.

¿Qué tan precisa es la transcripción?

Cuando la voz se escucha con claridad, Whisper suele acertar más de 9 de cada 10 palabras; la opción Preciso da mejores resultados con ruido y acentos marcados. Revisa los nombres, números y términos técnicos antes de usar el texto. La música, las voces superpuestas y las grabaciones con volumen muy bajo reducen la precisión.

¿Cuánto puede durar una grabación?

No hay un límite fijo. La transcripción se realiza en tu dispositivo, por lo que los archivos largos simplemente tardan más: con Rápido, una grabación de una hora tarda unos 15 minutos en un portátil reciente. Mantén la pestaña abierta hasta que termine.

¿Por qué la primera transcripción tarda más?

Primero, tu navegador descarga y guarda el modelo de reconocimiento de voz. Después, el modelo se carga desde el almacenamiento del navegador, incluso sin conexión.

¿Funciona en mi teléfono?

Sí, en versiones recientes de Chrome, Safari, Edge y Firefox en Android y iPhone. Los teléfonos son más lentos que los ordenadores, por lo que la opción Rápido es la más recomendable.

¿Distingue entre distintas personas que hablan?

No. La transcripción es un único texto con marcas de tiempo; no indica quién está hablando.

¿Puedo grabar primero y transcribir después?

Sí. Graba con la grabadora de voz, descarga el MP3 y arrastra el archivo aquí cuando quieras obtener el texto.