Audio a texto gratuito en línea — Transcribir una grabación
Convierte grabaciones en texto en más de 90 idiomas y con marcas de tiempo — todo en tu navegador.
Suelta un archivo de audio o vídeo, o haz clic para buscar
MP4, MOV, WebM, MP3, WAV y más · hasta 10 minutos · la primera vez descarga el modelo; luego, aproximadamente lo que dura el audio
Se procesa en tu dispositivo — el archivo nunca sale de esta pestaña
La primera ejecución descarga el modelo una vez (Tiny ≈ 40 MB, Base ≈ 80 MB) y tu navegador lo guarda en caché: las siguientes funcionan sin conexión.
Se procesa en tu dispositivo — el archivo nunca sale de esta pestaña
Suelta una grabación y saca sus palabras: notas de voz, entrevistas, clases, pódcast — en unos 90 idiomas, detectados automáticamente cuando no sabes cuál es. Un modelo de IA Whisper se ejecuta dentro de tu navegador, en tu propio dispositivo, así que el audio nunca se sube, y la transcripción sale como texto editable o como un archivo SRT con marcas de tiempo.
Transcripciones que de verdad hacen falta
- Convertir una clase, una reunión o una entrevista en notas que puedes buscar y citar.
- Subtitular un vídeo o un episodio de pódcast exportando un SRT con marcas de tiempo.
- Sacar las palabras de una nota de voz sin enviar la grabación a ningún sitio.
Cómo usar Audio a texto
-
Suelta tu archivo
Añade un MP3, WAV, M4A, un archivo de vídeo u otra grabación. Se descodifica en tu dispositivo y nunca se sube.
-
Elige idioma y modelo
La detección automática sirve para casi todo. Elige Tiny para ir más rápido en grabaciones largas o dispositivos modestos, Base para la mejor precisión.
-
Transcribe y descarga
La primera ejecución descarga el modelo una vez y lo guarda en caché. Edita la transcripción si quieres y guárdala como TXT o SRT.
Una transcripción local, no un subtítulo en directo
Audio a texto ejecuta un modelo Whisper en el navegador. El modelo se descarga una vez desde una CDN y el archivo se transcribe en el dispositivo. El audio no se sube para la transcripción.
El tope es de unos 10 minutos. No hay etiquetas de hablante. No escucha el micrófono en directo. Graba antes con la grabadora de voz, exporta y suelta ese archivo aquí.
Modelo e idioma
Unos 90 idiomas. Elige el que hablaste, o deja la detección si no estás seguro:
- Tiny es la descarga más pequeña y basta con una voz clara.
- Base es más lento y un poco más preciso con ruido o acento.
- WebGPU va más rápido en los equipos que lo tienen. Si no, pasa a la CPU.
En qué se equivoca el texto
Los nombres, las voces que se pisan y la música bajo una voz salen mal. No marca quién habló. Limpia el archivo antes si los extremos son un silencio largo: recorta, o pasa el quitador de silencio, y transcribe el archivo más corto.
Puedes corregir las palabras antes de descargarlas, como texto plano o como un SRT con tiempos. No las traduce a otro idioma.
Preguntas sobre Audio a texto
¿Se sube mi audio?
No. El archivo se descodifica en tu navegador y lo transcribe un modelo Whisper que se ejecuta localmente mediante WebAssembly o WebGPU. La única petición de red es la descarga única del modelo desde una CDN pública: después, la transcripción funciona sin conexión. Nada de tu audio llega nunca a un servidor.
¿Cómo de precisa es la transcripción?
Usa los modelos Whisper de OpenAI, que rozan el nivel humano con voz clara. El ruido de fondo fuerte, los acentos marcados, varios hablantes a la vez o la música alta la empeoran. Con audio difícil, Base es bastante mejor que Tiny; y en cualquier caso el resultado cae en un cuadro editable, así que puedes corregir nombres y puntuación antes de descargar.
¿Cuáles son los límites?
Un archivo cada vez y hasta 10 minutos por pasada: recorta antes las grabaciones largas (el recortador de audio funciona igual de en privado). No distingue hablantes: un diálogo sale como un texto único sin nombres. Y esta página trabaja con archivos, no con el micrófono en directo.
¿En qué se diferencia de la grabadora de voz?
La grabadora capta tu micrófono y lo convierte en un archivo de audio; esta página lee un archivo ya existente y escribe sus palabras. Combinan bien: graba allí, transcribe aquí. Todo se ejecuta en tu navegador.
¿Qué idiomas admite?
Whisper se entrenó con unos 90 idiomas, del inglés, chino, español y árabe al vietnamita, ucraniano y suajili. Deja el idioma en Detección automática y el modelo lo averigua a partir del audio, o fija un idioma para ganar algo de precisión.
¿Funciona en el móvil?
Sí: Chrome, Edge, Firefox y Safari recientes, en escritorio y móvil. Los navegadores con WebGPU (Chrome, Edge) transcriben mucho más rápido; en los demás va por CPU, así que elige Tiny para archivos largos y espera unos minutos por cada diez minutos de audio. La descarga única del modelo también es más pequeña con Tiny.
Herramientas relacionadas
Grabadora de voz
Graba el micrófono, recorta la toma y guárdala como MP3. Nada sale de tu dispositivo.
Abrir Grabadora de voz
Extraer audio
Guarda la pista de audio de cualquier video como MP3 o WAV, en local y en segundos.
Recortar audio
Recorta audio en línea, gratis, en tu navegador. Nada se sube.