Convertir audio a texto
Suba una entrevista, una clase, una reunión o una nota de voz y reciba una transcripción escrita. El reconocimiento de voz escribe lo que se dijo, con puntuación y, si lo desea, marcas de tiempo y etiquetas de hablante, como documento o como subtítulos para video.
Audio a texto
o suelte aquí archivos MP3, WAV, M4A … ·
Máx. 95 MB por archivo· Hasta 20 archivos· Se borran a los 30 minutos
Los archivos se procesan en nuestros servidores y se borran a los 30 minutos.
Las líneas de subtítulos más largas se dividen. 42 es el estándar habitual en televisión.
Opcional. Segundos (p. ej., 75) o minutos:segundos (1:15). Déjelo vacío para transcribir desde el principio.
Opcional. Mismo formato que el inicio. Déjelo vacío para transcribir hasta el final.
Cómo usar esta herramienta
- 1
Suba audio o video
Agregue archivos MP3, M4A, WAV, AAC, FLAC, OGG, Opus, AMR u otros formatos de audio, o videos MP4, MOV, MKV, WebM y AVI. Hasta 20 archivos de 95 MB cada uno.
- 2
Elija idioma y salida
Idioma hablado parte de Detección automática. Elija la Salida: texto sin formato, Word, PDF, subtítulos SRT o VTT, o JSON con tiempos por palabra.
- 3
Transcriba y descargue
Pulse Transcribir; el botón también indica la salida elegida. Abra la transcripción, revise nombres y cifras, y descárguela.
Convertir audio a texto, lo que también se llama transcripción, transforma la voz grabada en palabras escritas. Suba el archivo, deje Idioma hablado en Detección automática o elija el idioma, seleccione una salida y pulse Transcribir.
Transcribir audio a texto: cómo funciona el reconocimiento de voz
El reconocimiento de voz escucha la grabación en ventanas cortas, convierte cada una en una imagen de sus frecuencias y deja que un modelo entrenado decida qué palabras produjeron ese sonido con mayor probabilidad. Los modelos actuales aprenden de cantidades muy grandes de voz transcrita, así que manejan voces y acentos distintos mucho mejor que el software de dictado de hace una década. La puntuación y las mayúsculas se predicen a partir del ritmo de la frase; desactive Puntuación si solo quiere las palabras en bruto.
La opción de idioma importa. La detección automática escucha los primeros 30 segundos y luego usa un solo idioma para todo el archivo. Si la grabación empieza con música, una cortina musical o silencio, o alterna entre idiomas, elija usted el Idioma hablado. La lista abarca 33 idiomas, del inglés, el español y el árabe al hindi, el tamil, el japonés y el ucraniano.
A esta herramienta se llega por muchos caminos: una periodista con una entrevista en el teléfono, un estudiante con una clase grabada, un equipo con la exportación de una reunión, una creadora que necesita subtítulos. Los dos tipos de archivo más comunes tienen su propia página: MP3 a texto para archivos de grabadoras y pódcasts y M4A a texto para las notas de voz del iPhone. Los archivos de video funcionan directamente, así que no hace falta extraer el sonido antes.
Formatos de transcripción y de subtítulos
| Salida | Qué contiene | Se abre en |
|---|---|---|
| Texto sin formato (TXT) | Párrafos de texto, con marcas de tiempo y etiquetas de hablante opcionales | Cualquier editor de texto, app de notas o correo |
| Word (DOCX) | Transcripción con formato, lista para editar y compartir | Word, Google Docs, Pages, LibreOffice |
| Una copia fija de la transcripción para archivo | Cualquier lector de PDF o navegador | |
| Subtítulos (SRT) | Subtítulos numerados con hora de inicio y fin | YouTube, editores de video, VLC |
| Subtítulos web (VTT) | Subtítulos WebVTT, el formato del W3C que usa el video HTML5 | Reproductores web, YouTube, plataformas de cursos |
| JSON (tiempos por palabra) | Cada palabra con su hora de inicio y fin | Scripts, índices de búsqueda, herramientas de edición |
Marcas de tiempo, hablantes y otras opciones de transcripción
- Marcas de tiempo
- Marcas de tiempo coloca la hora, por ejemplo [01:15], delante de cada párrafo de las transcripciones TXT, Word y PDF para encontrar el momento en la grabación.
- Etiquetas de hablante
- Etiquetas de hablante indica quién habla como Hablante 1, Hablante 2, etc., en entrevistas, reuniones y pódcasts. Después puede reemplazar las etiquetas por nombres.
- Puntuación y muletillas
- Puntuación está activada por defecto. Quitar muletillas elimina «eh», «mmm» y vacilaciones parecidas.
- Caracteres por línea
- En SRT y VTT, Caracteres por línea divide los subtítulos largos; el valor predeterminado es 42, el límite que usan las pautas de subtítulos de Netflix para la mayoría de los idiomas de escritura latina; se admite cualquier valor de 20 a 80.
- Parte a transcribir
- Inicio y Fin limitan el trabajo a un fragmento, en segundos (75) o minutos:segundos (1:15).
Límites del convertidor de audio a texto en línea
- Grabaciones por lote
- 20
- Por archivo de audio o video
- 95 MB
- Idiomas hablados más detección automática
- 33
- Hasta que se borran archivos y transcripciones
- 30 min
Cómo obtener una transcripción más precisa
Muchas palabras están mal o faltan
El ruido de fondo, la distancia al micrófono y las personas que hablan a la vez causan la mayoría de los errores. Grabe más cerca de quien habla cuando sea posible y compruebe que Idioma hablado sea el correcto.
La transcripción sale en otro idioma
La detección automática oyó música u otro idioma en los primeros 30 segundos. Elija usted el Idioma hablado y vuelva a transcribir.
Los subtítulos son demasiado largos para leerlos en pantalla
Baje Caracteres por línea a 32–37 para quienes miran en el teléfono, de modo que cada subtítulo se divida en líneas más cortas.
Los nombres y términos técnicos salen mal escritos
Las palabras poco frecuentes son difíciles para cualquier modelo. Búsquelas y reemplácelas una sola vez en la salida de Word o de texto; suelen aparecer mal escritas de la misma forma en todo el documento.
Preguntas sobre convertir audio a texto
¿Se puede pasar audio a texto gratis y sin registrarse?
Sí. Suba la grabación y pulse Transcribir; no hace falta cuenta, prueba ni tarjeta de crédito. Los archivos se borran automáticamente 30 minutos después del procesamiento, así que descargue la transcripción cuando esté lista.
¿Qué hace que un convertidor de audio a texto sea mejor que otro?
Para comparar con justicia, fíjese en la precisión con su propio tipo de grabación, los idiomas disponibles, los formatos de salida y lo que pasa después con su archivo. Aquí tiene 33 idiomas más detección automática, seis salidas que incluyen subtítulos, etiquetas de hablante y marcas de tiempo, y borrado automático a los 30 minutos.
¿Qué idiomas se pueden transcribir de audio a texto?
33, que se eligen en Idioma hablado: entre ellos inglés, español, francés, alemán, portugués, italiano, ruso, árabe, turco, hindi, bengalí, tamil, telugu, maratí, guyaratí, urdu, japonés, coreano, chino, indonesio, vietnamita, tailandés, polaco, ucraniano, neerlandés, sueco, griego y hebreo. La detección automática elige un idioma por archivo a partir de los primeros 30 segundos.
¿Se pueden crear subtítulos para un video a partir de su audio?
Sí. Suba el propio video, elija SRT o VTT en Salida y obtendrá un archivo de subtítulos sincronizado para cargar en YouTube, en un editor de video o en un reproductor HTML5. Para cambiar más tarde el formato de los subtítulos, use el convertidor de subtítulos.
¿Cómo se transcribe una grabación de 3 horas?
Los archivos tienen un límite de 95 MB, que equivale aproximadamente a 1 hora y 40 minutos de MP3 a 128 kbps. Divida el trabajo con Inicio y Fin, o reduzca antes el peso del archivo: la voz convertida a 64 kbps mono con comprimir audio cabe en unas 3,5 horas dentro del límite.
¿Se puede traducir al inglés la transcripción de un audio?
No, la transcripción se escribe en el idioma que se habla. Transcriba primero y luego pegue el texto en un servicio de traducción; traducir una transcripción limpia da mejores resultados que traducir directamente del audio, y conserva las palabras originales para verificar citas.
¿Un convertidor de MP3 a texto es distinto de un transcriptor de video?
Solo en lo que se sube. El mismo reconocimiento de voz trabaja sobre la pista de sonido de un MP4 o un MOV y sobre un MP3 o un M4A. MP3 a texto y M4A a texto son ajustes predefinidos de esta herramienta para esos tipos de archivo.
¿Aparecen las muletillas como «eh» y «este» en la transcripción?
Sí, por defecto, porque a veces se necesita un registro literal, por ejemplo en entrevistas de investigación. Active Quitar muletillas para obtener una transcripción más limpia, pensada para leer, citar o publicar.
Todas las herramientas de Audio a texto
Elija el valor exacto que le pidieron. Cada página de abajo es la misma herramienta con otros valores predeterminados.
- Convertir M4A a textoConvierta Notas de Voz del iPhone y otras grabaciones M4A en texto con marcas de tiempo y hablantes. 33 idiomas; TXT, Word, PDF o subtítulos, sin cuenta.
- Convertir MP3 a textoTranscriba un MP3 a texto en 33 idiomas. Descargue texto sin formato, Word, PDF o subtítulos SRT y VTT, con marcas de tiempo y etiquetas de hablante.