Skip to content

Cómo transcribir audio a texto gratis (y crear subtítulos)

Escrita por · Actualizada

La transcripción automática convierte la voz en texto en pocos minutos: reuniones, clases, pódcasts, notas de voz o el audio de un vídeo. La herramienta Voz a texto usa Whisper, un modelo abierto de reconocimiento de voz, directamente en tu navegador, así que las grabaciones con contenido personal o confidencial no se suben a ningún servicio de transcripción.

Pasos

  1. Abre Voz a texto y elige un archivo de audio o vídeo de hasta 30 minutos, o graba con el micrófono.
  2. Selecciona el idioma hablado o deja la detección automática.
  3. Si quieres, marca Traducir el audio al inglés.
  4. Pulsa Transcribir, edita el texto y descárgalo como .txt, .srt o .vtt.
Voz a texto con un archivo de audio elegido, el menú de idioma y el botón Transcribir.
Elige un archivo o graba con el micrófono, selecciona el idioma y transcribe.

Consejos de grabación para mayor precisión

Un audio claro es lo más importante. Graba cerca de quien habla, en una sala silenciosa, y evita la música o varias personas hablando a la vez. Un micrófono de auriculares sencillo suele superar al micrófono integrado de un portátil al otro lado de la sala.

Si conoces el idioma, selecciónalo en lugar de depender de la detección, sobre todo en clips cortos. Los nombres, las marcas y los términos técnicos son las palabras que más se confunden, así que revísalos con cuidado.

¿Texto o subtítulos?

Elige .txt para notas, artículos y archivos en los que quieras buscar. Elige .srt o .vtt si necesitas subtítulos: SRT lo aceptan la mayoría de editores de vídeo y plataformas, y WebVTT es el formato estándar para subtítulos en páginas web.

Los tiempos de los subtítulos son aproximados porque el modelo los predice en ventanas de 30 segundos. Abre el archivo en un editor de subtítulos y ajusta las líneas que empiecen antes o después de tiempo.

¿Cuánto tarda?

Todo se ejecuta en tu ordenador o teléfono. Un portátil moderno suele transcribir más rápido que la duración de la grabación; un móvil antiguo puede tardar varias veces más. La primera vez también se descarga el modelo, unos 80 MB, que el navegador guarda en caché.

Para grabaciones largas, divide el archivo en partes o conviértelo antes a un formato habitual. El conversor de audio a WAV puede ayudar cuando el navegador no decodifica un archivo poco común.

Cuándo recurrir a una persona

Las transcripciones automáticas son borradores excelentes, pero no registros literales. Para material legal, médico o que se vaya a publicar, haz que una persona revise el texto. La herramienta no identifica a los hablantes, así que añade los nombres tú mismo en las entrevistas.

Preguntas frecuentes

¿Se sube mi grabación?

No. La decodificación y la transcripción se hacen en tu navegador. Solo se descargan los archivos del modelo.

¿Qué idiomas admite?

Whisper se entrenó en muchos idiomas, como español, inglés, alemán, francés, checo, portugués, hindi y bengalí. La precisión es mayor en idiomas muy hablados y con audio claro.

¿Puedo transcribir un vídeo de YouTube?

Solo archivos que tengas en tu dispositivo. Si tienes derecho a usar el vídeo, descárgalo o expórtalo primero y luego elige el archivo.

Fuentes

Herramientas relacionadas

Más guías