Audio a texto
Convierte la voz de un audio en texto y subtítulos.
Vídeo a texto
Obtén las palabras de un vídeo como texto con marcas de tiempo y guarda los subtítulos como .srt o .vtt. La IA funciona en tu dispositivo, así que el vídeo nunca se sube.
o arrastra y suelta vídeos aquí
vídeos MP4, MOV, WebM o MKV
Tus archivos se quedan en tu dispositivo
- 1Añadir archivos
- 2Ajustar
- 3Descargar
Cómo funciona
- 1Elige un vídeo: MP4, MOV, WebM, MKV y más, de hasta 300 MB.
- 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. Tu navegador extrae el sonido del vídeo y después el modelo de IA lo lee. La primera vez, el modelo se descarga una vez y se conserva para la próxima.
- 4Lee el texto, cópialo o descarga .txt, .srt o .vtt. Usa los subtítulos en tu editor o reproductor de vídeo.
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 que se habla en el vídeo. 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 subtítulos en inglés para 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 vídeo?
No. El sonido se extrae del vídeo en tu navegador y lo lee un modelo de voz que funciona en tu dispositivo, en tu tarjeta gráfica cuando admite WebGPU y en el procesador si no. 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 al vídeo. 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.
¿Cómo uso los archivos de subtítulos?
Abre el archivo .srt o .vtt junto con tu vídeo en un reproductor como VLC, o impórtalo en tu editor de vídeo. La mayoría de los reproductores y editores aceptan SRT, y los reproductores de vídeo web aceptan VTT. Para incrustar los subtítulos en la imagen, usa tu editor.
¿Hay un límite de tiempo?
No ponemos ningún límite de tiempo, pero el vídeo puede pesar hasta 300 MB. Un vídeo largo tarda más y, en un móvil, los archivos de más de unos 100 MB pueden agotar la memoria.
¿Dice quién está hablando?
No. Escribe las palabras en orden con sus tiempos, pero no etiqueta a los hablantes.