Apóyame en Ko-fiCómo transcribir un audio a texto
- Arrastra el archivo a la caja de arriba o pulsa para elegirlo. Sirven audios (MP3, M4A, WAV, OGG, OPUS) y vídeos (MP4, MOV, WEBM).
- El idioma se detecta solo. Si lo sabes, puedes elegirlo.
- Elige Rápida o Más precisa y pulsa Transcribir.
- Revisa el texto, corrige lo que haga falta y descárgalo en TXT o SRT, o cópialo.
Qué modelo usa y cuál elegir
Usamos Whisper, el modelo de reconocimiento de voz de OpenAI, publicado como software libre. Funciona con docenas de idiomas y entiende bien el español de España y de América.
- Rápida (Whisper base, de 80 a 150 MB según tu navegador): va bien con notas de voz, dictados y audios con una sola persona y poco ruido.
- Más precisa (Whisper small, de 250 a 500 MB): comete menos errores con ruido de fondo, acentos marcados, varias voces o vocabulario técnico. Tarda más, sobre todo si tu navegador no tiene WebGPU.
La primera vez se descarga el modelo elegido y queda guardado en tu navegador. Ni el audio ni el texto se envían a ningún sitio.
Privado por diseño
La mayoría de servicios de transcripción suben tu audio a sus servidores. Aquí no: el reconocimiento de voz se ejecuta en tu propio navegador y la grabación nunca se envía a ningún sitio. Por eso puedes usarlo con entrevistas confidenciales, reuniones de trabajo o notas de voz personales.
Consejos para que salga mejor
- Cuanto más limpio el audio, mejor: graba cerca del micrófono y evita la música de fondo.
- Si el audio mezcla idiomas, elige el principal: la detección automática se queda con el del principio.
- Los nombres propios y las siglas son lo que más falla: repásalos antes de usar el texto.
- Para grabaciones de más de una hora, un ordenador con Chrome o Edge irá mucho más rápido que un móvil.
Otras formas de usarlo
Preguntas frecuentes
¿Mi audio se sube a algún servidor?
No. Todo se procesa dentro de tu navegador. Lo único que se descarga es el modelo de reconocimiento de voz; tu audio y el texto nunca salen de tu dispositivo.
¿Es gratis?
Sí. Sin registro, sin marca de agua y sin límite de usos.
¿Qué formatos de audio y vídeo admite?
Los que abra tu navegador: MP3, M4A, AAC, WAV, FLAC, OGG, OPUS (WhatsApp), WEBM, MP4 y MOV. Safari no abre algunos OGG/OPUS; en ese caso usa Chrome, Edge o Firefox.
¿Hay límite de duración?
Hasta 3 horas por archivo. Para audios largos conviene un ordenador: el móvil puede quedarse sin memoria o tardar mucho.
¿Cuánto tarda?
Depende del dispositivo. En un ordenador reciente con Chrome o Edge (WebGPU), el modo rápido transcribe bastante más deprisa que la duración del audio. En un móvil, o en navegadores sin WebGPU, puede tardar tanto como el audio o más.
¿Por qué tiene que descargar algo?
El reconocimiento de voz necesita un modelo de Whisper (de 80 a 150 MB en modo rápido y de 250 a 500 MB en el preciso, según tu navegador). Se descarga una sola vez y queda guardado en tu navegador. Es lo que permite transcribir sin enviar tu audio a ningún servidor.
¿En qué idiomas funciona?
En español y en muchos otros: catalán, gallego, euskera, inglés, portugués, francés, italiano, alemán… Por defecto se detecta solo; si lo sabes, puedes elegirlo.