¿Cómo se transcribe un audio automáticamente?
Transcribir a mano una hora de audio puede llevar cuatro o cinco horas de trabajo. Con esta herramienta lo hace Whisper, el modelo de reconocimiento de voz de código abierto de OpenAI, entrenado con cientos de miles de horas de audio en casi cien idiomas. Reconoce acentos, distintas voces y vocabulario técnico, y escribe el texto con mayúsculas y puntuación.
Funciona con cualquier archivo de audio (MP3, WAV, M4A, OGG, OPUS, FLAC) y también con vídeos: extrae el audio automáticamente. Mientras transcribe verás aparecer el texto en directo. Al terminar, el resultado se organiza en párrafos según las pausas del discurso, y puedes añadir marcas de tiempo [m:ss] para encontrar cada parte en la grabación.
Puedes copiar el texto con un clic o descargarlo en TXT, y también como subtítulos SRT o VTT. Si el audio está en otro idioma, Whisper puede darte la transcripción traducida al inglés.
Todo se procesa en tu navegador: la grabación no se sube a ningún servidor, algo importante para entrevistas, reuniones de trabajo o consultas privadas. La prueba gratis permite transcribir un archivo; con ToolStudio Pro el uso es ilimitado y puedes transcribir muchos archivos a la vez y descargarlos en un ZIP.
¿Cómo transcribir un audio a texto?
- Arrastra tu audio o vídeo o haz clic para elegirlo.
- Deja el idioma en «Detectar automáticamente» o elígelo, y escoge la precisión.
- Pulsa «Transcribir». La primera vez se descarga el modelo de IA; después se queda guardado en tu navegador.
- Lee la transcripción y activa las marcas de tiempo si las necesitas.
- Copia el texto o descárgalo en TXT, SRT o VTT.
¿Qué puedes transcribir?
- Entrevistas para artículos, trabajos de investigación o tesis.
- Reuniones, llamadas y clases para tener las notas por escrito.
- Notas de voz de WhatsApp o del móvil que prefieres leer.
- Episodios de pódcast para publicarlos como texto en tu web y mejorar el SEO.
- Vídeos de YouTube o cursos para sacar citas o resúmenes.
- Dictados: habla en lugar de escribir y obtén el texto listo para corregir.
Formatos compatibles
- Entrada: vídeos MP4, MOV, WebM y MKV, y audios MP3, WAV, M4A, AAC, OGG, OPUS y FLAC. Hasta 2 GB por archivo.
- Salida: subtítulos SRT y WebVTT (VTT) y texto plano TXT, con o sin marcas de tiempo.
- Idiomas: español, inglés, francés, alemán, italiano, portugués, catalán, gallego, euskera y casi cien idiomas más, con detección automática.
Preguntas Frecuentes
¿Puedo transcribir una nota de voz de WhatsApp?
Sí. Guarda o comparte la nota de voz como archivo (suele ser .opus u .ogg) y súbela aquí. Se transcribe igual que cualquier otro audio.
¿Distingue entre distintas personas que hablan?
No identifica a cada hablante, pero separa el texto en párrafos según las pausas, y con las marcas de tiempo es fácil localizar cada intervención en la grabación.
¿Cuánto tarda en transcribir?
Depende de la duración, de la precisión elegida y de tu equipo. En un ordenador con tarjeta gráfica y Chrome o Edge va varias veces más rápido que en equipos sin aceleración gráfica, y verás el texto aparecer mientras avanza. La primera vez también hay que descargar el modelo.
¿En qué idiomas funciona?
En casi cien idiomas, entre ellos español, inglés, francés, alemán, italiano, portugués, catalán, gallego y euskera, con detección automática.
¿Mi audio se sube a algún servidor?
No. La inteligencia artificial (Whisper, el modelo de reconocimiento de voz de código abierto de OpenAI) se descarga en tu navegador y funciona en tu propio equipo. El audio no se envía a ningún servidor; lo único que se descarga de internet es el modelo, una sola vez.
¿Es gratis?
Tienes una prueba gratis por herramienta: un archivo. Puedes repetir ese mismo archivo con otros ajustes tantas veces como quieras, y si algo falla no se gasta la prueba. Para procesar archivos nuevos necesitas ToolStudio Pro, que te da uso ilimitado de todas las herramientas, procesamiento por lotes (varios archivos a la vez, descargados juntos en un ZIP) y ninguna publicidad. Puedes cancelarlo cuando quieras.
