Convierte una grabación, o el sonido de un video, en una transcripción editable y en subtítulos SRT o VTT. El reconocimiento se ejecuta en tu dispositivo y el archivo nunca se sube.
Audio a texto online
Convierte una grabación, o el sonido de un video, en una transcripción editable y en subtítulos SRT o VTT. El reconocimiento se ejecuta en tu dispositivo y el archivo nunca se sube.
Las grabaciones suelen ser entrevistas, llamadas y reuniones. El audio se decodifica y se reconoce en este dispositivo y nunca se sube; solo se descarga el modelo, una vez.
Audio a texto convierte una grabación, o la banda sonora de un video, en texto que puedes editar y en subtítulos que puedes usar. El reconocimiento de voz se ejecuta en tu dispositivo, en un trabajador en segundo plano: se decodifica el archivo, se carga un modelo y el resultado vuelve en segmentos con sus marcas de tiempo. A partir de ellos, la herramienta crea una transcripción editable con búsqueda, párrafos con marcas de tiempo, JSON y subtítulos cortados en los finales de frase dentro de los límites que fijes para los caracteres por línea, las líneas y los segundos en pantalla. Puedes corregir el texto de cualquier subtítulo, desplazar todos los tiempos una fracción de segundo y descargar SRT o WebVTT. El modelo se descarga una sola vez y tu navegador lo guarda en caché; la grabación en sí nunca sale de tu equipo.
Características
Lee archivos de audio y la pista de audio de archivos de video
Tres tamaños de modelo que se ejecutan en el dispositivo, desde uno rápido solo en inglés hasta uno multilingüe más lento
Transcripción editable con búsqueda que resalta cada coincidencia
Subtítulos limitados por caracteres por línea, líneas y segundos en pantalla, y cortados primero en los finales de frase
Edita el texto de cualquier subtítulo y desplaza todos los tiempos hacia antes o hacia después
Descarga SRT o WebVTT, texto plano, párrafos con marcas de tiempo o JSON
Número de palabras, duración, velocidad de habla y número de subtítulos
Progreso de cada paso: decodificación, descarga única del modelo y reconocimiento
Cómo usar Audio a texto
Suelta un archivo de audio o de video en la página
Elige un modelo y el idioma hablado
Pulsa Transcribe y espera mientras se decodifica el archivo, se carga el modelo y se reconoce la voz
Corrige el texto o los subtítulos y luego copia el texto o descarga el SRT o el VTT
Ejemplo
Entrada
interview.mp3 — first 10 seconds
Max 42 characters per line · 2 lines · 6 s per cue
Salida
1
00:00:00,000 --> 00:00:03,400
Welcome back to the show. Today we are
talking about how maps get made.
2
00:00:03,400 --> 00:00:07,100
Our guest has surveyed coastlines
on four continents.
3
00:00:07,100 --> 00:00:09,800
Let's start at the beginning.
Los subtítulos se cortan primero en los finales de frase, y ninguna línea supera el límite que elegiste.
Errores comunes y solución de problemas
El navegador dice que no pudo decodificar el archivo. — Prueba con MP3, WAV, M4A u OGG. Algunos contenedores de video, como MKV y AVI, no se pueden leer en ningún navegador; extrae antes el audio a MP3 o WAV y transcribe eso.
Los nombres, los números o los términos técnicos salen mal. — Ahí es donde el reconocimiento es más débil. Un modelo más grande ayuda un poco, e indicar explícitamente el idioma hablado ayuda más; en cualquier caso, lee el resultado frente a la grabación.
Las líneas de los subtítulos son demasiado largas, o cada subtítulo se queda demasiado tiempo en pantalla. — Abre la pestaña Subtitles y reduce los caracteres por línea o la duración máxima de cada subtítulo. Los subtítulos se recomponen al instante, y los nuevos límites se aplican en todas partes.
Los subtítulos salen un poco adelantados o atrasados en el reproductor de video. — Usa Shift all timings para mover todos los subtítulos una fracción de segundo. Un valor negativo los adelanta y se detiene al llegar al inicio del video.
Preguntas frecuentes
¿Qué precisión tiene Audio a texto y qué empeora una transcripción?
Funciona bien con el habla clara de una sola persona y notablemente peor con ruido de fondo, personas que hablan a la vez, acentos marcados y nombres o palabras técnicas que el modelo no conoce. Trata el resultado como un borrador que hay que corregir; la pestaña Text es editable precisamente por eso.
¿Qué idiomas puede transcribir Audio a texto?
El modelo solo en inglés se ocupa del inglés. Los modelos multilingües cubren además español, francés, alemán, portugués, hindi, japonés, chino y ruso, y pueden detectar el idioma automáticamente, aunque indicarlo de forma explícita da mejores resultados.
¿Cuánto tarda Audio a texto en transcribir una hora de audio?
Aproximadamente lo que dura la grabación en un portátil típico con el modelo pequeño, y menos con los más pequeños. La primera ejecución incluye además la descarga del modelo, que solo se hace una vez. La página muestra cada paso a medida que ocurre: decodificar, descargar y escuchar.
¿Cómo obtengo subtítulos SRT o VTT de un video con Audio a texto?
Suelta el archivo de video, transcríbelo, abre la pestaña Subtitles, fija la longitud de línea y la duración de subtítulo que quieras, y descarga SRT o VTT. Carga el archivo junto a tu video en un reproductor o editor; si el tiempo está algo desajustado, desplaza antes todos los tiempos.
¿Audio a texto sube mi grabación y qué se descarga una sola vez?
La grabación se decodifica y se reconoce en tu dispositivo y nunca se sube. Lo que se descarga, una sola vez, es el propio modelo de reconocimiento desde un repositorio público de modelos, que tu navegador guarda luego en caché para que las siguientes ejecuciones empiecen de inmediato y puedan funcionar sin conexión.
¿Hay una duración máxima de archivo en Audio a texto?
No hay un límite fijo, pero decodificar necesita todo el archivo en memoria, así que los archivos de video muy grandes pueden fallar. Con videos largos, extrae primero el audio y transcribe eso, o divide la grabación en partes.
Herramientas relacionadas
Audio a PDF — Transcribe una grabación en tu dispositivo y expórtala en PDF, SRT o VTT.