Convertir audio a texto
Wavetotext es un conversor de audio a texto gratis con etiquetas de hablante. Ejecuta Whisper, el modelo de código abierto de OpenAI, en tu navegador, así que tus archivos nunca salen de tu dispositivo.
Elige archivos o pulsa Grabar para empezar.
Transcripción
Guardado en este dispositivo
Funciona en tu dispositivo. Los modelos se descargan la primera vez y tu navegador los conserva. PDF abre la ventana de impresión: elige Guardar como PDF.
Cómo convertir audio a texto
- Elige uno o varios archivos, suéltalos en el recuadro o pulsa Grabar para usar el micrófono.
- Elige el idioma hablado o déjalo en Detectar automáticamente. Activa las etiquetas de hablante para entrevistas y reuniones.
- Pulsa Transcribir. Los archivos se procesan uno tras otro y el texto aparece por partes.
- Escucha el audio, corrige errores, renombra a los hablantes y descarga Word, PDF, TXT, SRT o VTT.
Lo que obtienes
- Gratis y sin cuenta Sin registro, sin plan de pago y sin límite de minutos por nuestra parte. El único límite es la memoria de tu dispositivo.
- Sin subir nada Whisper funciona en tu dispositivo. Tu audio nunca se envía a un servidor.
- Muchos archivos a la vez Suelta una carpeta entera de grabaciones. Se procesan una tras otra.
- Etiquetas de hablante Mira quién dijo qué y cambia Hablante 1 y 2 por nombres reales.
- 99 idiomas Elige uno o deja que Whisper lo detecte. También traduce al inglés.
- Velocidad de tarjeta gráfica En navegadores con WebGPU, tu tarjeta gráfica ejecuta el modelo. Si va lenta, el procesador toma el relevo.
- Edita con el audio Haz clic en una línea para oírla y corrige las palabras ahí mismo.
- Word, PDF, subtítulos Descarga DOCX, PDF, TXT, SRT o VTT, con o sin marcas de tiempo.
Qué calidad elegir
| Calidad | Modelo | Descarga | Úsala para |
|---|---|---|---|
| Rápida | Whisper tiny | Unos 45 MB (80 MB con tarjeta gráfica) | Voz clara en inglés, móviles antiguos, un vistazo rápido |
| Equilibrada | Whisper base | Unos 80 MB (150 MB con tarjeta gráfica) | La mayoría de grabaciones en un portátil o un móvil reciente |
| Máxima | Whisper small | Unos 250 MB (490 MB con tarjeta gráfica) | Acentos, ruido de fondo, idiomas distintos del inglés, traducción |
Cada modelo se descarga una sola vez. Después se carga desde el almacenamiento del navegador. Las etiquetas de hablante añaden unos 33 MB la primera vez.
Pensado para
Convierte cualquier formato
Transcribe audio en tu idioma
Preguntas
¿De verdad es gratis?
Sí. Sin cuenta, sin registro y sin plan de pago. El trabajo lo hace tu propio dispositivo, así que no hay factura de servidores que repercutir. El único límite es la memoria de tu dispositivo: los archivos largos necesitan más.
¿Se sube mi audio?
No. Tu navegador abre el archivo y ejecuta el modelo de voz en tu dispositivo. Solo se descargan los modelos, desde Hugging Face. Tu audio y tus transcripciones no se envían a ningún sitio.
¿Qué archivos puedo convertir?
MP3, WAV, M4A, OGG, Opus, FLAC, AAC, MP4 y WebM se abren al momento en la mayoría de navegadores. AVI, MOV, MKV y otros vídeos que tu navegador no abre pasan por un conversor integrado, que descarga unos 10 MB la primera vez.
¿Puedo transcribir muchos archivos a la vez?
Sí. Elige o suelta todos los archivos que quieras. Entran en una lista y se procesan uno tras otro, y puedes abrir cada transcripción en cuanto empieza.
¿Distingue a los hablantes?
Sí. Pon Etiquetas de hablante en Detectar hablantes, o en el número de personas si lo sabes. Cada parte recibe una etiqueta Hablante 1, Hablante 2 que puedes renombrar. Las voces parecidas pueden confundirse, así que revísalo antes de compartir.
¿Qué idiomas entiende?
Los 99 idiomas con los que se entrenó Whisper. Elige el idioma hablado o deja que lo detecte. Funciona mejor en idiomas muy hablados y peor en los que tienen menos datos de entrenamiento.
¿Funciona en el móvil?
Sí, en navegadores móviles recientes. Los móviles son más lentos que los portátiles, así que la calidad Rápida o Equilibrada va mejor. Deja la página abierta y la pantalla encendida: los móviles suelen pausar las páginas en segundo plano.
¿Cuánto tarda?
Depende de tu dispositivo, la duración del archivo y la calidad elegida. Un portátil es mucho más rápido que un móvil, y con la tarjeta gráfica, más aún. Puedes leer las primeras partes mientras se procesa el resto.
¿Hay un límite de tamaño?
No hay un límite fijo, pero el archivo entero se carga en memoria. Las grabaciones largas necesitan más memoria, así que en el móvil es más seguro usar archivos cortos y la calidad Rápida. En nuestras pruebas, una grabación de 1 hora terminó en un ordenador usando la tarjeta gráfica, y un archivo de 2 horas se cargó y empezó a transcribirse.
¿Qué tal sale la transcripción?
La voz clara en una sala tranquila sale bien. Los acentos, las voces que se pisan, la música y el ruido provocan errores, igual que los nombres y las palabras poco comunes. Léela siempre antes de usarla.
¿Funciona con audio con ruido?
Algo de ruido de fondo no es problema. La música alta, el público y el viento causan errores. Elige la calidad Máxima para grabaciones con ruido y graba cerca de quien habla siempre que puedas.
¿Puedo editar la transcripción?
Sí. Haz clic en cualquier línea para corregirla y en su hora para escuchar esa parte. Tus cambios van en todas las descargas.
¿En qué formatos puedo descargar?
Word (DOCX), PDF, texto plano (TXT) y subtítulos SRT o VTT. Las marcas de tiempo y los nombres de los hablantes se incluyen si están activados.
¿Dónde se guardan mis transcripciones?
Solo en este navegador, en Guardado en este dispositivo. Se quedan ahí hasta que las borres o borres los datos del sitio. El audio no se guarda.
¿Tengo que instalar algo?
No. Funciona en tu navegador. El modelo de voz se descarga la primera vez que transcribes y luego se queda en el almacenamiento del navegador.
¿Es mejor que transcribir a mano?
Es mucho más rápido y gratis, pero una persona cuidadosa sigue siendo más precisa con audio difícil. Una buena rutina: transcribe aquí y luego repásalo mientras suena el audio para corregir lo que falle.