Transcribe archivos de audio y vídeo a texto con IA. Gratuito, preciso y multilingüe.
Arrastra y suelta un archivo de audio/vídeo o haz clic para explorar
MP3, WAV, M4A, MP4, WEBM — Máximo 25 MB, 5 min
Reconocimiento de voz de NVIDIA Parakeet TDT 0.6B v3 (CC BY 4.0) para 25 idiomas europeos y OpenAI Whisper (MIT) para todos los demás.
El Speech to Text de KlipTools convierte audio hablado en texto escrito con dos modelos abiertos de reconocimiento de voz, y elige el más adecuado para tu idioma. Las grabaciones en 25 idiomas europeos —incluidos inglés, español, francés, portugués, alemán e italiano— las transcribe NVIDIA Parakeet TDT 0.6B v3. Todos los demás idiomas, del japonés y el chino al árabe, el hindi y el turco, van a OpenAI Whisper. Ambos manejan acentos, micrófonos comunes y el ruido de fondo cotidiano mucho mejor que los sistemas de reconocimiento de voz antiguos.
Ya sea que necesites transcribir un episodio de podcast, convertir una clase grabada en apuntes de estudio, crear subtítulos para un video o transformar la grabación de una reunión en actas útiles, esta herramienta lo resuelve. Solo sube tu archivo de audio o video (hasta 5 minutos y 25 MB), elige un idioma o deja que la IA lo detecte automáticamente, y recibe una transcripción completa en texto en segundos.
No necesitas cuenta. Cada visitante tiene una cuota diaria gratis (compartida por todas las herramientas de KlipTools; se renueva a medianoche UTC), y la línea sobre el botón muestra cuánto te queda. Después, la transcripción cuesta 2.000 créditos por minuto de audio (unos 3 centavos de dólar). Tu archivo se envía a nuestro servidor, se transcribe y se borra enseguida; no guardamos ninguna copia de tu grabación. Entre los dos, los modelos cubren más de 90 idiomas y ofrecen buenos resultados incluso con audio de calidad imperfecta, lo que la convierte en una opción práctica para profesionales, estudiantes, creadores de contenido, periodistas e investigadores por igual.
Ningún modelo de reconocimiento de voz es el mejor en todo, así que esta herramienta usa dos. NVIDIA Parakeet TDT 0.6B v3 es un modelo de 600 millones de parámetros creado para 25 idiomas europeos. Combina un codificador FastConformer con un decodificador Token-and-Duration Transducer (TDT), que predice cada palabra junto con su duración y, por eso, puede saltar tramos del audio en lugar de recorrerlo cuadro a cuadro. Ese diseño es la razón de que sea rápido, y escribe la puntuación y las mayúsculas sobre la marcha.
OpenAI Whisper es un codificador-decodificador basado en transformer. La versión original se entrenó con supervisión débil con 680.000 horas de audio multilingüe emparejado con transcripciones recopiladas de internet, lo que le enseñó a manejar grabaciones del mundo real con música de fondo, calidad de micrófono variable y acentos regionales. Convierte el audio en un espectrograma log-mel y genera el texto token a token, lo que le permite cubrir más de 90 idiomas y reconocer qué idioma se está hablando.
Cuando dejas el idioma en Detección automática, Whisper escucha primero e identifica el idioma. Si es uno de los 25 de Parakeet, Parakeet transcribe el archivo; si no, lo hace Whisper. En cualquier caso, esta herramienta solo transcribe: el texto siempre vuelve en el idioma que se habló, sin traducir al inglés.
Parakeet cubre búlgaro, croata, checo, danés, neerlandés, inglés, estonio, finés, francés, alemán, griego, húngaro, italiano, letón, lituano, maltés, polaco, portugués, rumano, ruso, eslovaco, esloveno, español, sueco y ucraniano. Whisper se encarga del resto de sus más de 90 idiomas, incluidos japonés, coreano, chino (mandarín), árabe, hindi, turco, indonesio, vietnamita, tailandés y hebreo.
Medimos la diferencia en nuestro propio servidor con el conjunto de pruebas FLEURS, que es de habla leída. En inglés, francés, español y portugués, Parakeet obtuvo una tasa media de error de palabras del 5,3 %, frente al 7,3 % del modelo Whisper que usábamos antes —aproximadamente un 28 % menos de errores de palabras— y funcionó varias veces más rápido. Solo en portugués brasileño, las cifras fueron 4,9 % y 6,6 %. El habla leída es el mejor escenario: la conversación espontánea, la música o el ruido aumentarán la tasa de error de cualquier modelo.
En los idiomas que maneja Whisper, la precisión sigue la cantidad de cada idioma que vio durante el entrenamiento: los idiomas más hablados rinden mejor, y los menos representados suelen seguir siendo utilizables para la mayoría de los fines prácticos. La detección automática identifica correctamente el idioma hablado en la gran mayoría de los casos, aunque elegir el idioma manualmente puede mejorar los resultados cuando ya sabes cuál es el idioma de origen.
La precisión también depende mucho de la calidad del audio. Las grabaciones profesionales de estudio y las llamadas telefónicas claras producen transcripciones casi perfectas, mientras que las grabaciones con mucho ruido de fondo, varios hablantes superpuestos o volumen muy bajo pueden tener más errores. Incluso en condiciones difíciles, ambos modelos suelen superar a las tecnologías antiguas de reconocimiento de voz.
Dos. NVIDIA Parakeet TDT 0.6B v3 transcribe los 25 idiomas europeos que admite, incluidos inglés, español, francés, portugués, alemán e italiano. OpenAI Whisper transcribe todos los demás idiomas, como japonés, chino, coreano, árabe, hindi y turco. Con la detección automática, Whisper identifica primero el idioma y el archivo pasa al modelo que se encarga de él. En nuestras propias pruebas con habla leída, Parakeet cometió aproximadamente un 28 % menos de errores de palabras que el modelo Whisper que usábamos antes en inglés, francés, español y portugués, y funcionó varias veces más rápido; Whisper sigue siendo el modelo más amplio, con más de 90 idiomas.
Más de 90 idiomas. Veinticinco idiomas europeos los transcribe NVIDIA Parakeet: búlgaro, croata, checo, danés, neerlandés, inglés, estonio, finés, francés, alemán, griego, húngaro, italiano, letón, lituano, maltés, polaco, portugués, rumano, ruso, eslovaco, esloveno, español, sueco y ucraniano. Todos los demás, incluidos chino, japonés, coreano, árabe, hindi, turco, noruego, tailandés, vietnamita, indonesio, malayo, filipino y hebreo, los transcribe OpenAI Whisper.
La precisión depende de la calidad del audio, el idioma y la claridad al hablar. Con habla leída y clara medimos una tasa media de error de palabras de alrededor del 5 % con Parakeet en inglés, francés, español y portugués, y del 4,9 % para el portugués brasileño. Los demás idiomas europeos que cubre Parakeet, y los principales idiomas que maneja Whisper, también se transcriben bien. Los resultados empeoran con mucho ruido de fondo, hablantes superpuestos o audio muy bajo, como ocurre con cualquier sistema de reconocimiento de voz.
La herramienta acepta la mayoría de los formatos de audio comunes, incluidos MP3, WAV, M4A, OGG, FLAC y AAC. Para archivos de video, admite MP4, WEBM, MKV, MOV y AVI -- la pista de audio se extrae automáticamente para la transcripción. Si tu archivo está en un formato no compatible, conviértelo antes a MP3 con cualquier conversor de audio estándar.
Hasta 25 MB y hasta cinco minutos de audio, lo que alcances primero. La duración es el límite que realmente cuenta, y no tiene que ver con el almacenamiento: esta herramienta transcribe mientras esperas, dentro de una sola solicitud, y el proxy que tiene delante se rinde pasados unos cien segundos. Una subida de veinte minutos nunca podría terminar, por pequeño que hicieras el archivo — así que bajar la tasa de bits para meter más audio no ayuda, y ya no lo sugerimos. Para cualquier cosa más larga, usa el Generador de Subtítulos: pone el trabajo en cola, muestra el progreso real, admite hasta una hora y devuelve SRT y VTT además de texto sin formato.
Ambos modelos aprendieron de grandes cantidades de grabaciones del mundo real, y Whisper en particular se entrenó con audio de internet lleno de ruido de fondo, música y otras interferencias. Manejan bien el ruido de fondo moderado y a menudo transcriben el habla con precisión incluso en entornos ruidosos como cafeterías, coches o espacios al aire libre. Sin embargo, el ruido muy fuerte o persistente que tape el habla reducirá la precisión. Para obtener los mejores resultados, intenta usar grabaciones en las que la voz del hablante se oiga con claridad por encima del fondo.
La herramienta transcribe todo el habla audible de la grabación, pero ninguno de los modelos hace diarización de hablantes, es decir, no etiqueta ni separa a los distintos hablantes. El resultado será una transcripción continua de todo lo que se dijo. Si necesitas identificar a los hablantes, tendrás que añadir las etiquetas manualmente después de la transcripción o usar una herramienta de diarización específica junto con esta transcripción.
La transcripción que se muestra en la página es texto sin formato, así que se pega limpiamente en documentos, correos o notas. La misma transcripción también se ofrece como archivos de subtítulos .srt y .vtt con tiempos, con cada línea colocada donde se dice, de modo que obtienes las marcas de tiempo sin un paso adicional. Para videos de más de cinco minutos, usa el Generador de Subtítulos, que hace el mismo trabajo como una tarea en cola.
Sí. Tu archivo de audio se sube a nuestro servidor solo para procesarlo y se elimina inmediatamente cuando termina la transcripción. Los archivos nunca se almacenan de forma permanente, ni se registran, ni se comparten con terceros. La transcripción ocurre en memoria y los datos de audio se descartan en cuanto el resultado en texto vuelve a tu navegador. No conservamos ninguna copia de tus grabaciones.
Esta es una herramienta de transcripción basada en la subida de archivos. Subes un archivo de audio o video ya grabado y recibes la transcripción tras el procesamiento. No admite la transmisión en vivo desde el micrófono ni la transcripción en tiempo real. Para la mayoría de los casos de uso -- notas de reuniones, transcripciones de clases, episodios de podcast, grabaciones de entrevistas -- la transcripción por subida es la opción práctica porque permite a la IA analizar todo el contexto del audio para lograr mayor precisión.
Ambos modelos se entrenaron con colecciones grandes y variadas de habla grabada, así que se han encontrado con una gran variedad de acentos regionales, patrones de habla y dialectos. Los acentos británico, australiano, indio y sudafricano del inglés suelen manejarse bien, al igual que las variaciones regionales del español, el francés, el portugués y otros idiomas. Los acentos muy marcados o los dialectos muy cerrados seguirán produciendo más errores que el habla estándar, así que revisa la transcripción antes de fiarte de ella.
Aunque ambos modelos producen transcripciones sorprendentemente precisas, esta herramienta no debe usarse como único método de transcripción para documentos médicos o legales en los que se exige precisión absoluta. Estos campos usan terminología muy especializada y cualquier error de transcripción podría tener consecuencias graves. Usa la herramienta para crear un primer borrador y pide a un profesional cualificado que revise y corrija el resultado antes de usarlo con fines clínicos, legales o regulatorios.
Sí. Ambos modelos añaden puntuación automáticamente, incluidos puntos, comas, signos de interrogación y signos de exclamación. También se ocupan de las mayúsculas al comienzo de las oraciones y en los nombres propios. Esta es una ventaja importante sobre los sistemas antiguos de reconocimiento de voz que devolvían texto sin puntuación, ya que significa que la transcripción se puede leer de inmediato sin mucha edición manual.
La transcripción se muestra en un área de texto en la página. Puedes copiar todo el texto al portapapeles con el botón "Copiar texto" y luego pegarlo en cualquier editor de texto, procesador de textos o app de notas, donde podrás hacer correcciones, añadir formato, insertar etiquetas de hablantes o reestructurar el contenido como necesites.
Sí. La herramienta es totalmente adaptable y funciona en smartphones y tablets con navegadores modernos. Puedes subir archivos de audio desde el almacenamiento de tu teléfono, grabar una nota de voz y subirla directamente, o seleccionar archivos de apps de almacenamiento en la nube. La interfaz se adapta a pantallas más pequeñas sin perder funcionalidad.
Sí. Cuando termina la transcripción puedes descargarla como un archivo de subtítulos .srt o .vtt, además de copiar el texto sin formato. Las líneas se limitan a dos filas de como máximo 42 caracteres, el formato que esperan la mayoría de los reproductores y plataformas. Para videos de más de cinco minutos, el Generador de Subtítulos admite archivos de hasta una hora.
Por supuesto. No hay restricciones sobre cómo uses el texto transcrito. Puedes usarlo en documentos de negocio, contenido comercial, entregables para clientes, artículos publicados, subtítulos de YouTube, notas de episodios de podcast o cualquier otro fin. El texto generado es tuyo y puedes usarlo, modificarlo y distribuirlo sin limitaciones.
Depende de la duración de la grabación y de lo ocupado que esté el servidor. En los 25 idiomas europeos que cubre Parakeet, el modelo funciona varias veces más rápido que el tiempo real, así que una grabación de cinco minutos (la más larga que acepta esta herramienta) suele tardar un minuto o menos, además de la subida. Los demás idiomas usan Whisper y tardan algo más. Para grabaciones más largas, usa el Generador de Subtítulos, que pone el trabajo en cola y muestra su progreso.
La herramienta funciona en todos los navegadores modernos, incluidos Google Chrome, Mozilla Firefox, Microsoft Edge, Safari, Opera y Brave. Se admiten tanto las versiones de escritorio como las móviles de estos navegadores. Recomendamos usar la última versión de tu navegador preferido para la mejor experiencia. Internet Explorer no es compatible.
No. La transcripción requiere procesamiento en el servidor con los modelos Parakeet y Whisper, por lo que es necesaria una conexión a internet. Tu archivo de audio se sube al servidor, la IA lo procesa y el resultado en texto se envía de vuelta a tu navegador. Si necesitas reconocimiento de voz sin conexión, ambos modelos están disponibles abiertamente y se pueden instalar en tu propio ordenador, lo que requiere Python y recursos de hardware suficientes.