Cómo usar Transcripción de audio y vídeo
- 1
Añade una grabación
Suelta un archivo MP3, M4A, WAV, MP4 o MOV, o cambia a Grabar audio y habla al micrófono.
- 2
Empieza a transcribir
Base va bien para la mayoría de las grabaciones; Small se defiende mejor con acentos y ruido. Deja el idioma en detección automática o elígelo tú.
- 3
Lee, reproduce y busca
Sigue las palabras resaltadas durante la reproducción, haz clic en una palabra para saltar a ese punto y busca nombres o temas.
- 4
Guárdala
Copia el texto o descarga TXT, DOCX, SRT, VTT o JSON con los tiempos de cada palabra.
Límites y Pro
Hasta 10 minutos de audio por archivo o grabación (los archivos más largos se transcriben solo en sus primeros 10 minutos) y archivos de hasta 500 MB. El modelo de voz se descarga una sola vez: 43 MB (Tiny), 80 MB (Base) o 252 MB (Small).
Hasta 600 minutos por archivo y archivos de hasta 4 GB. Ver Pro
Acerca de Transcripción de audio y vídeo
Transcribe es una herramienta de voz a texto para entrevistas, clases, reuniones, pódcast, sermones y notas de voz. Eliges una grabación o capturas una con tu micrófono, y el modelo de código abierto Whisper escribe lo que se dijo, con signos de puntuación y mayúsculas, en cualquiera de los 99 idiomas disponibles. Las grabaciones largas se procesan en ventanas de 30 segundos, de modo que el texto aparece mientras se sigue trabajando en el resto, y una palabra cortada en el borde de una ventana se vuelve a leer desde la siguiente en lugar de perderse.
El resultado es una vista pensada para leer, no un bloque de texto interminable: las frases se agrupan en párrafos donde el hablante hace una pausa, cada párrafo puede mostrar su hora de inicio y cada palabra lleva su propia marca de tiempo. Pulsa reproducir y se resalta la palabra que se está diciendo; haz clic en cualquier palabra para oírla en contexto. La búsqueda encuentra una frase en toda la transcripción y te permite recorrer cada resultado.
Las descargas cubren los pasos habituales: texto sin formato (con o sin marcas de tiempo) para tus notas, un documento de Word para editar y compartir, SRT o VTT si la grabación se va a publicar como vídeo, y JSON con el inicio y el final de cada palabra para desarrolladores. La transcripción no indica quién habla y no sirve para subtitulado en directo: primero se graba y después se transcribe.
Privacidad
Las grabaciones se quedan en tu ordenador o teléfono: los archivos se abren en local, el audio del micrófono se graba en la memoria de esta página y Whisper se ejecuta en un proceso en segundo plano sin enviar el audio a ningún sitio. Si cierras la pestaña, la grabación y la transcripción desaparecen. Solo el modelo de voz se descarga una vez de Hugging Face y se guarda en la caché de tu navegador.
Características
No se sube nada
La decodificación y el reconocimiento ocurren en esta pestaña del navegador, así que las llamadas y entrevistas confidenciales se quedan contigo.
99 idiomas
Detección automática del idioma y traducción al inglés desde cualquier idioma compatible.
Marcas de tiempo por palabra
Cada palabra tiene su tiempo, así que puedes hacer clic para reproducirla y seguir el texto con el resaltado en directo.
Graba con tu micrófono
Captura una nota de voz, una entrevista o un dictado y transcríbelo al instante.
TXT, Word, SRT, VTT, JSON
Exporta el formato que necesites: documentos, subtítulos o datos estructurados para tus propias herramientas.
Busca en la transcripción
Encuentra todas las menciones de un nombre o una frase y salta de un resultado a otro.