Transcribir un audio o un vídeo a texto
Convierte un audio o un vídeo en texto y en subtítulos SRT o VTT, en 99 idiomas, con la IA Whisper que funciona en tu navegador. Gratis, sin subir nada.
- Gratis
- Sin registro
- Sin subir archivos
- Windows, Mac, Android, iPhone
Cargando la herramienta…
Compartir esta herramienta
Acerca de esta herramienta
¿Una entrevista que transcribir, una reunión que resumir, un vídeo que subtitular? Suelta el archivo: la IA Whisper escucha el sonido y escribe el texto, con la hora de cada frase. Obtienes un texto para copiar y subtítulos SRT y VTT, sin que el sonido salga de tu dispositivo.
Cuándo usarla
Transcribir una entrevista
Obtén un primer texto que corregir en lugar de escribirlo todo escuchando.
Subtitular un vídeo
El archivo SRT o VTT se importa en YouTube, en programas de edición y en reproductores.
Dejar constancia de una reunión
Transcribe la grabación para encontrar una decisión o una frase.
Cómo se usa
- Elige el modo: rápido o preciso.
- Elige el idioma hablado o deja la detección automática.
- Suelta un archivo de audio o un vídeo.
- Revisa el texto y cópialo o descarga los subtítulos.
Cómo funciona
La transcripción usa Whisper, el modelo de reconocimiento de voz de OpenAI (licencia MIT), en sus versiones tiny y base convertidas a ONNX. Funciona en tu navegador con ONNX Runtime Web, en varios núcleos cuando el navegador lo permite.
El sonido se divide en ventanas de 30 segundos y cada frase recibe su hora de inicio y de fin. El modelo se descarga una sola vez desde zanakit.com y se guarda en la caché del navegador. El sonido nunca se envía.
Consejos para un mejor resultado
- Elige el idioma si lo conoces: la detección puede dudar si el principio está en silencio.
- El modo preciso merece la espera para un texto que vayas a publicar.
- Una grabación cerca del micrófono, sin música de fondo, da muchos menos errores.
- Para quedarte solo con un fragmento antes de transcribir, usa «Cortar audio».
Problemas frecuentes y soluciones
El texto tiene errores
Pasa al modo preciso y elige el idioma; revisa siempre los nombres propios y las cifras.
La transcripción tarda
El cálculo se hace en tu dispositivo: en el móvil, cuenta aproximadamente la duración del audio en modo rápido. Un ordenador va mucho más rápido.
Se repiten frases
Pasa con silencios o música: corta esos fragmentos antes de transcribir.
Preguntas frecuentes
¿Se envía mi audio a un servidor?
No, el reconocimiento de voz funciona por completo en tu navegador.
¿Cuántos datos se descargan?
La primera vez, unos 54 MB en modo rápido u 88 MB en modo preciso; después, nada.
¿Qué idiomas se reconocen?
Los 99 idiomas de Whisper. La calidad es mejor en inglés, francés, español, portugués y alemán que en indonesio o en idiomas menos extendidos.
¿Se separan las voces por persona?
No, el texto no distingue quién habla.
¿Puedo usarlo con fines comerciales?
Sí: Whisper tiene licencia MIT y el texto obtenido es tuyo.
Búsquedas relacionadas
¿Sigues atascado?
Pregunta en el foro: la categoría, la herramienta, la ficha de tu dispositivo y el resultado de la prueba se rellenan solos.