Vídeo a texto
Transcribe un vídeo y obtén subtítulos en SRT o VTT.
Audio a texto
Convierte la voz de un archivo de audio en texto con marcas de tiempo y guárdalo como .txt o como subtítulos .srt o .vtt. La IA funciona en tu dispositivo, así que la grabación nunca se sube.
o arrastra y suelta archivos de audio aquí
audio MP3, WAV, M4A, AAC, OGG o FLAC · Admite varios archivos
Tus archivos se quedan en tu dispositivo
- 1Añadir archivos
- 2Ajustar
- 3Descargar
Cómo funciona
- 1Elige uno o más archivos de audio: MP3, WAV, M4A, OGG, FLAC y más. Puedes añadir hasta 5.
- 2Elige el idioma hablado o déjalo en detección automática. Escoge Rápido para un borrador veloz, Preciso para cometer menos errores, o Solo bangla para el bangla.
- 3Pulsa Transcribir. La primera vez, el modelo de IA se descarga una vez y tu navegador lo conserva para la próxima.
- 4Lee el texto, cópialo o descarga .txt, .srt o .vtt. Comprueba nombres y números con la grabación.
Qué hace cada opción
- Modelo
- Rápido es pequeño y veloz, y va bien con inglés claro. Preciso es más grande y comete menos errores con acentos, ruido y la mayoría de los idiomas. Óptimo es el modelo más grande y necesita un ordenador con WebGPU. Solo bangla es un modelo entrenado para bangla: elígelo para voz en bangla, porque los demás modelos no lo hacen bien.
- Idioma hablado
- Elige el idioma de la grabación. La detección automática funciona con voz larga y clara, pero en clips cortos o con ruido puede elegir un idioma parecido, así que elegirlo tú es más fiable.
- Resultado
- Texto en el idioma hablado escribe lo que se dice. Traducir al inglés escribe una versión en inglés de la voz en cualquier idioma.
- Mostrar tiempos en el texto
- Añade la hora de inicio antes de cada línea del cuadro de texto y del archivo .txt. Los subtítulos .srt y .vtt siempre llevan tiempos.
Privacidad
Esta herramienta funciona en tu navegador. Tus archivos nunca se suben a un servidor.
Preguntas frecuentes
¿Se sube mi grabación?
No. El modelo de voz funciona dentro de tu navegador, en tu tarjeta gráfica cuando admite WebGPU y en el procesador si no. La grabación nunca sale de tu dispositivo. Solo se descargan una vez, desde Hugging Face, los archivos del modelo, que no contienen información personal, y tu navegador los conserva.
¿Qué precisión tiene y qué pasa con el bangla?
La voz clara en inglés da buenos resultados con todos los modelos, y Preciso también escribe bien la puntuación. El bangla es distinto. Los modelos generales son flojos en bangla: Rápido escribe las palabras con letras latinas o con otra escritura, y Preciso y Óptimo suelen dar palabras equivocadas o repetidas. Para bangla elige el modelo Solo bangla. En nuestras pruebas con una noticia leída por una persona, el resultado se podía leer y casi todo era correcto, pero aún cometía errores en nombres, palabras raras y palabras compuestas largas, y a veces estropeaba algunas palabras al final de una frase. Trata el texto en bangla como un borrador y léelo junto a la grabación. El ruido de fondo, la música, los acentos marcados y varias personas hablando a la vez reducen la precisión en cualquier idioma.
¿Qué modelo de IA se usa y puedo usar los resultados con fines comerciales?
Usa modelos OpenAI Whisper, publicados con licencia MIT, que permite el uso comercial. El texto y los subtítulos que creas son tuyos.
¿Hay un límite de tiempo?
No ponemos ningún límite. El único límite es tu dispositivo: una grabación larga tarda más y necesita más memoria. Una grabación de una hora funciona en un ordenador con tarjeta gráfica. En un móvil, mejor usa grabaciones cortas.
¿Qué son los archivos .srt y .vtt?
Son archivos de subtítulos con una hora de inicio y de fin para cada línea. SRT funciona en la mayoría de los editores y reproductores de vídeo. VTT es la versión web que usa el vídeo HTML. Ambos se abren como texto sin formato.
¿Dice quién está hablando?
No. Escribe las palabras en orden con sus tiempos, pero no etiqueta a los hablantes.