Elige un idioma
  1. Inicio
  2. Voz
  3. MP3 a texto

Convertir MP3 a texto

Convierte en texto el habla de archivos MP3 y de otros archivos de audio o vídeo con un modelo Whisper que se ejecuta en tu dispositivo. Marcas de tiempo y exportación a TXT, SRT y VTT.

Cargando la herramienta…
Valora esta herramienta
Aún no hay valoraciones. Sé el primero.

Cómo se usa

  1. Paso 1

    Abre una grabación

    Arrastra a la página un archivo MP3, WAV, M4A u otro archivo de audio, o un vídeo.

  2. Paso 2

    Elige el idioma

    Elige Rápido (Whisper Tiny, unos 41 MB) o Preciso (Whisper Base, unos 77 MB) y, después, el idioma hablado o la detección automática. El modelo se descarga una sola vez.

  3. Paso 3

    Transcribe

    Inicia la transcripción. El texto aparece con marcas de tiempo a medida que se termina cada parte.

  4. Paso 4

    Exporta

    Haz clic en cualquier línea para corregirla y luego copia el texto o descárgalo en TXT, o como subtítulos SRT y VTT.

Reconocimiento de voz en tu navegador

Esta herramienta convierte MP3 a texto con Whisper, un modelo abierto de reconocimiento de voz. La mayoría de los servicios de transcripción en línea suben tu audio a un servidor. Aquí el modelo se descarga una sola vez en tu navegador y después se ejecuta en tu propio ordenador o teléfono. Tu grabación nunca sale de tu dispositivo, algo importante en entrevistas, notas médicas o legales, reuniones y mensajes de voz personales. Tras la primera descarga, el navegador guarda el modelo y la próxima vez carga más rápido.

Idiomas y precisión

Aquí Whisper funciona con 23 idiomas, entre ellos inglés, español, francés, alemán, italiano, portugués, ruso, chino, japonés, coreano, turco y polaco. La precisión es mejor con un habla clara y poco ruido de fondo. Es menor en estos casos:

  • varias personas hablando a la vez;
  • música de fondo o ruido intensos;
  • voces muy bajas o lejanas;
  • nombres poco comunes y términos técnicos;
  • mezcla de varios idiomas en una misma frase.

Seleccionar tú mismo el idioma, en lugar de usar la detección automática, suele dar mejores resultados, sobre todo en grabaciones cortas.

Formatos de salida

FormatoQué contieneUso
TXTtexto sin formatonotas, documentos, citas
SRTsubtítulos numerados con tiempos de inicio y fineditores de vídeo, YouTube, la mayoría de los reproductores
VTTsubtítulos web con tiemposreproductores de vídeo HTML5, páginas web

Velocidad y grabaciones largas

Transcribir es un trabajo pesado para un ordenador. En un portátil actual, una grabación de una hora puede tardar desde varios minutos hasta más que su duración real, según el procesador, el tamaño del modelo y el navegador. En los teléfonos es más lento. Mantén la pestaña abierta mientras trabaja. Con archivos muy largos, también puedes dividir la grabación en partes con Dividir audio y transcribirlas una a una.

Consejos para una mejor transcripción

El modelo escucha en ventanas cortas de unos 30 segundos y escribe lo que oye con sus tiempos de inicio y fin. Añade por sí mismo la puntuación y las mayúsculas, pero no sabe quién habla, así que en una entrevista tendrás que marcar tú los interlocutores. Los silencios largos y la música sin voz se omiten o quedan vacíos. Si el principio de una grabación es música, es posible que las primeras líneas de texto aparezcan más tarde de lo esperado; es normal.

  1. Limpia las grabaciones con ruido con Reducción de ruido antes de transcribir.
  2. Si la voz es baja, sube antes el nivel con Normalizar.
  3. Para subtítulos, comprueba la sincronización en tu reproductor de vídeo. Si un subtítulo es demasiado largo para leerlo, divídelo en un editor de texto; SRT y VTT son archivos de texto sin formato.
  4. Lee siempre la transcripción una vez. Corrige nombres, cifras y palabras que el modelo pueda haber entendido mal.

También funciona con archivos de vídeo: arrastra un MP4 y la herramienta transcribe su pista de sonido, una forma rápida de crear subtítulos para tus propios vídeos.

Preguntas frecuentes

¿Cómo convierto un MP3 a texto gratis?

Arrastra el MP3 a esta página, elige el idioma, inicia la transcripción y descarga el texto en TXT, SRT o VTT.

¿Mi audio se sube para transcribirlo?

No. El modelo Whisper se ejecuta en tu navegador. Solo se descarga el modelo, una única vez; tu audio permanece en tu dispositivo.

¿Qué idiomas son compatibles?

23 idiomas, entre ellos inglés, español, francés, alemán, ruso, chino, japonés y coreano. También puedes obtener una traducción al inglés en lugar del idioma original.

¿Puedo crear subtítulos para un vídeo?

Sí. Arrastra el vídeo, transcríbelo y descarga los subtítulos SRT o VTT con marcas de tiempo.

¿Por qué la transcripción es lenta?

El reconocimiento de voz requiere mucha potencia de cálculo y se ejecuta en tu propio dispositivo. Usa el modelo Rápido y deja la opción Ejecutar en ajustada a la tarjeta gráfica, que es mucho más rápida que el procesador.

Más herramientas