Conversión de audio a texto.
Convierte el audio en texto con inteligencia artificial, todo dentro de tu navegador. Selecciona una grabación, elige el tamaño del modelo y obtén una transcripción que podrás copiar o descargar como subtítulos en formato TXT, SRT o VTT. Tu archivo de audio nunca se sube: el modelo de reconocimiento de voz se descarga una sola vez y se ejecuta en tu propio dispositivo, por lo que no hay necesidad de crear cuentas, ni límites de tiempo y tampoco se guardan archivos en ningún servidor.
La primera vez se descarga un modelo de voz de 77 MB y luego tu navegador lo guarda en caché.
Más herramientas de transcripción.
El mismo motor, que funciona de forma privada y directamente en el navegador, se ha optimizado para una tarea específica:
Cómo convertir audio en texto.
- Puede insertar un archivo de audio o vídeo; los formatos MP3, WAV, M4A y FLAC, así como la mayoría de las grabaciones, son compatibles.
- Seleccione el tamaño del modelo y el idioma hablado (o deje que se detecte automáticamente) y, a continuación, haga clic en Transcribir.
- Observe cómo se muestra el texto, luego cópialo o descárgalo en formato TXT, SRT o VTT.
Acerca de este convertidor de audio a texto.
Esta herramienta ejecuta directamente en su navegador el modelo de reconocimiento de voz Whisper, de código abierto, desarrollado por OpenAI. La primera vez que la utilice, descargará el modelo que elija (de 41 a 249 MB) y lo almacenará en la memoria caché, de modo que las transcripciones posteriores comenzarán sin necesidad de esperar. No se guarda, rastrea ni envía ninguna información sobre su grabación a un servidor.
Hay tres tamaños de modelo disponibles, lo que permite priorizar la velocidad o la precisión: el modo Rápido es ideal para tomar notas rápidamente, el modo Equilibrado es adecuado para la mayoría de las grabaciones y el modo Preciso se utiliza cuando es importante captar cada palabra. Los segmentos grabados se guardan como archivos de subtítulos SRT o VTT, que se pueden insertar directamente en los programas de edición y reproducción de vídeo, y la opción de traducción convierte el audio en cualquier idioma compatible en texto en inglés.
Preguntas frecuentes
¿Se ha subido mi grabación a alguna plataforma?
No. La transcripción se realiza íntegramente en su navegador, utilizando un modelo de inteligencia artificial local para el reconocimiento de voz (Whisper, de código abierto de OpenAI). Lo único que se descarga es el modelo; sus archivos de audio nunca abandonan su dispositivo, lo cual puede verificar en el panel de red de su navegador.
¿Qué idiomas son compatibles?
El modelo es multilingüe y reconoce el habla en aproximadamente 99 idiomas, entre ellos inglés, español, chino, francés, alemán, portugués, japonés e indonesio. Deje la opción de detección automática de idioma activada o especifique el idioma para obtener una precisión ligeramente mejor. También puede traducir el habla de cualquier idioma compatible directamente al texto en inglés.
¿Qué tan preciso es?
Funciona muy bien con un habla clara, y los modelos más grandes ofrecen resultados notablemente mejores. Como ocurre con todos los sistemas de reconocimiento de voz, tiene dificultades con el ruido de fondo intenso, los acentos marcados, las voces que se superponen y la música, y puede generar texto durante los largos silencios; por lo tanto, siempre es recomendable revisar el resultado antes de publicarlo.
¿Cuánto tiempo lleva hacer una transcripción?
Depende de tu dispositivo y del tamaño del modelo: la grabación se procesa localmente, y suele ser unas cuantas veces más rápida que en tiempo real en un ordenador portátil moderno con el modelo «Equilibrado». Los archivos más largos simplemente tardan más en procesarse; mantén la pestaña abierta mientras se ejecuta el proceso.