Transcribir audio y video a texto gratis

La precisión depende de la grabación y no se asegura. Puede equivocarse con nombres propios, música de fondo, acentos muy marcados o varias personas hablando a la vez, y no distingue quién habla. Whisper acierta más en español y en inglés que en otros idiomas. Revisa y corrige el texto antes de usarlo.

Sí, si tu navegador puede reproducir el archivo (las notas de voz suelen ser OGG u OPUS, que Chrome, Edge y Firefox leen). Guárdala en tu dispositivo y añádela aquí.

Córtalo en partes de hasta 10 minutos y transcríbelas una a una. Un audio de hasta 15 minutos se corta aquí mismo, con nuestro útil Cortar audio y MP3; un video o un audio más largo, en la galería del móvil o en tu editor (Recortar video también llega hasta 10 minutos). El límite es para que funcione bien también en el móvil.

Con Whisper (modelo de reconocimiento de voz de OpenAI, pesos con licencia MIT) ejecutado por transformers.js (licencia Apache 2.0) dentro de tu navegador, el mismo que usa nuestro útil de Subtítulos automáticos. La primera vez se descarga el modelo (unos 77 MB en «Normal» y unos 250 MB en «Alta») y el navegador lo guarda.

No. El audio se lee y se transcribe dentro de tu navegador y no se envía ni a Cocuyo ni a terceros. Solo se descarga el modelo de voz, una vez, desde nuestros servidores.

El primer uso es libre, sin cuenta; desde el segundo uso se pide una cuenta gratuita. No gasta créditos ni usos de bienvenida y no tiene límite.

Un audio o video de hasta 300 MB y 10 minutos que tu navegador pueda reproducir. La transcripción funciona en el dispositivo: en un móvil puede tardar bastante más que en un equipo de escritorio.

El selector ofrece 20 idiomas, entre ellos español, inglés, portugués, francés, alemán, italiano, catalán, ruso, chino, japonés y coreano, además de «Detectar idioma». Whisper acierta más en español y en inglés; en otros idiomas comete más errores, así que prueba la precisión Alta y revisa el texto.

Normal usa un modelo de unos 77 MB y Alta uno de unos 250 MB. Alta descarga más y tarda más en transcribir, y es la opción que recomienda la herramienta cuando el idioma no es español ni inglés. El navegador guarda el modelo tras la primera descarga.

El TXT junta el texto en párrafos, que se abren tras una pausa de más de 1,5 segundos o al cerrar una frase si el párrafo ya es largo. Con marcas de tiempo, cada párrafo empieza con su hora de inicio, como [01:05] (minutos y segundos). El SRT y el VTT cortan por frases de hasta 14 palabras, con inicio y fin. Lo que corrijas en el cuadro vale para copiar y para «Descargar .txt», no para los archivos TXT, SRT y VTT de la lista.