Transcribir audio a texto
Suelta una grabación, una nota de voz o un video y obtén su texto en tu idioma. El reconocimiento de voz funciona en tu dispositivo.
Sellado en este dispositivo
Funciona en tu navegador. No se sube nada.
Sellado
Tu grabación
Cómo funciona
-
Añade tu grabación
Suelta un archivo de audio o de video, o elígelo. Se lee en tu dispositivo y nunca se sube.
-
Elige el idioma
Deja «Detectar automáticamente» o elige el idioma hablado y empieza. La primera vez, el modelo de voz se descarga una sola vez.
-
Copia o descarga
El texto aparece a medida que se escribe. Corrígelo si hace falta y cópialo o guárdalo como archivo .txt.
Preguntas frecuentes
¿Mi grabación se sube a un servidor?
No. El archivo se decodifica y se transcribe dentro de tu navegador, en tu dispositivo. Solo se descarga el modelo de voz, desde esta web, y el navegador lo conserva para la próxima vez. Tu audio y su texto nunca se envían a ningún sitio.
¿Qué precisión tiene la transcripción?
Es buena con una voz clara, pero no perfecta. El ruido de fondo, la música, los acentos marcados, las personas que hablan a la vez, los nombres y las palabras técnicas provocan errores. Lee el texto antes de usarlo y corrígelo directamente. La herramienta no distingue entre hablantes.
¿Qué idiomas puede transcribir?
Más de 50, entre ellos el español, el inglés, el francés, el alemán, el portugués, el italiano, el neerlandés, el polaco, el ruso, el ucraniano, el turco, el árabe, el hindi, el chino, el japonés, el coreano, el indonesio, el vietnamita y el tailandés. La precisión es mayor en los idiomas más hablados. La detección automática escucha los primeros 30 segundos.
¿Cuánto tarda?
Depende de tu dispositivo y de la duración de la grabación. El reconocimiento de voz funciona con tu procesador, así que un ordenador reciente es mucho más rápido que un móvil antiguo. La primera vez incluye además la descarga única del modelo, después de que la aceptes. Puedes cancelar en cualquier momento y conservar lo que ya se ha transcrito.
¿Qué archivos se admiten?
La mayoría de los archivos de audio y video: MP3, WAV, M4A, AAC, OGG, Opus, FLAC, MP4, WebM y MOV. Cuando el navegador no puede leer un archivo por sí mismo, la herramienta prueba con un convertidor integrado. Se pueden abrir archivos de hasta 2 GB; las grabaciones muy largas necesitan mucha memoria.
¿Qué componentes de código abierto usa?
El reconocimiento de voz es Whisper (modelo base), publicado por OpenAI con licencia MIT, en su versión ONNX de ONNX Community. Funciona con Transformers.js de Hugging Face (licencia Apache-2.0) y ONNX Runtime Web de Microsoft (licencia MIT). Los archivos que tu navegador no puede decodificar por sí mismo se convierten con FFmpeg compilado a WebAssembly (ffmpeg.wasm), cuyo núcleo tiene licencia GPL.