Apóyame en Ko-fiCómo transcribir una entrevista
- Elige la grabación: la del móvil (M4A, MP3), la de una videollamada (MP4) o la de una grabadora (WAV).
- Para entrevistas con ruido o varias personas, elige Más precisa.
- Pulsa Transcribir. Puedes leer las primeras partes mientras se procesa el resto.
- Revisa las citas escuchándolas desde su marca de tiempo y descarga el texto.
Lo que conviene saber
- No separa a los hablantes. El texto sale seguido, con párrafos donde hay pausas. Marca tú quién habla al revisarlo.
- Las citas, siempre escuchadas. Whisper acierta mucho, pero puede cambiar una palabra o un nombre. Antes de citar, escucha la frase.
- Grabaciones largas. Una hora tarda entre unos minutos (ordenador con WebGPU) y bastante más que la propia grabación (móvil). Deja la pestaña abierta mientras trabaja.
- Confidencialidad. Como no se sube nada, puedes usarlo con entrevistas a fuentes, reuniones internas o consultas que no deben salir de tu equipo.
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.
Qué modelo usa
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.
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.
¿Distingue quién habla en cada momento?
No. Whisper transcribe lo que se dice pero no separa a los hablantes. El texto se divide en párrafos en las pausas para que sea fácil marcar a cada persona.
¿Puedo usarlo con grabaciones confidenciales?
Sí. La grabación se procesa en tu dispositivo y no se envía a ningún servidor, ni siquiera al nuestro.
¿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.