Transcribir M4A sin convertirlo
Elige un archivo M4A y la IA (Whisper o SenseVoice) lo transcribe tal cual, dentro de tu navegador. El audio nunca llega a un servidor, y no necesitas cuenta ni pago.
La precisión baja mucho en este idioma con los modelos pequeños. Elige Whisper Small o uno mayor
Normalmente puedes dejarlo en «Auto». Indícalo solo si el resultado muestra un número de hablantes claramente distinto del real
¿No tienes un archivo? Graba con el micrófono. La transcripción empieza cuando detienes la grabación (hasta unos 000 min en este dispositivo con el modelo elegido). La grabación tampoco se envía a ningún servidor.
Transcribir notas de voz del iPhone en el ordenador
- En Notas de Voz, toca la grabación, toca el botón Más (…), luego Compartir, y elige AirDrop o «Guardar en Archivos». Para pasarla a un Mac, usa AirDrop o la sincronización de iCloud; en Windows, guárdala en iCloud Drive y ábrela con iCloud para Windows o iCloud.com.
- Abre esta página en el navegador del ordenador y elige el archivo M4A. La transcripción empieza en cuanto se carga el archivo, así que configura antes el modelo, el idioma y la diarización de hablantes.
- Revisa el resultado y elige TXT, Word, SRT u otro formato en «Guardar archivo».
Sobre M4A
M4A suele guardar el audio comprimido con AAC, y es el formato que usan las Notas de Voz del iPhone, algunas apps de grabación de Android y las grabadoras de voz. La compresión interna puede variar según el ajuste de calidad de audio, pero la extensión es M4A en ambos casos, y esta herramienta la carga sin convertirla.
Si al compartir una nota de voz tocas Opciones y eliges «Archivo editable», obtendrás un archivo en formato Audio de QuickTime en lugar de M4A. Para transcribir, no elijas «Archivo editable» y exporta el archivo M4A predeterminado.
En el iPhone 12 o posterior con iOS 18 o posterior, las notas de voz se pueden transcribir en el propio iPhone (no disponible en algunos países o regiones). Sin embargo, solo se puede copiar el texto: no hay ninguna función para separar las líneas por hablante ni para exportar un archivo de subtítulos (SRT). Para reuniones y entrevistas es más cómodo pasar la grabación al ordenador y procesarla con esta herramienta.
Si algo no funciona
- Procesar una grabación larga en el propio iPhone puede detenerse por falta de memoria. Pásala al ordenador y procésala allí.
- Para pasar archivos desde Android, guárdalos en Google Drive desde el menú de compartir de la app de grabación, o conecta el móvil por USB y abre la carpeta de grabaciones.
Preguntas frecuentes
¿Tengo que convertir el M4A a MP3?
No. El M4A se carga tal cual. Convertir entre formatos comprimidos puede reducir la calidad del audio, así que elige el M4A original.
¿Puedo usarlo directamente en el iPhone?
Sí. Guarda la nota de voz en la app Archivos desde el menú de compartir y elige ese archivo en esta página. Los móviles funcionan en un modo de memoria reducida y pueden procesar de una vez menos duración que un ordenador, así que para grabaciones largas es preferible un ordenador.
¿Puede distinguir a los hablantes (diarización de hablantes)?
Sí. Con la diarización de hablantes activada, las líneas se dividen por hablante (hasta ocho). En pantalla puedes cambiar los nombres y fusionar a una persona que haya quedado dividida en dos.
¿Hay un límite de tamaño de archivo?
No. Tampoco hay límite de tiempo. La duración que se puede procesar de una vez depende de la memoria del dispositivo y del modelo elegido.
Preparar el audio y el vídeo, y después de transcribir
Ayúdanos a mejorar el servicio
Enviarnos las circunstancias de una ejecución —con éxito o fallida— nos ayuda a encontrar los problemas (una tasa de fallos necesita ambas). Saber qué dispositivos y ajustes fallan más nos permite revisar los valores recomendados y corregir los errores. Si no te importa, dejarlo activado nos ayuda mucho.
Qué se envía
Las características del dispositivo (modelo de GPU, memoria, número de núcleos), el navegador y el sistema operativo, el modelo y el idioma elegidos, el ajuste de diarización de hablantes (si está activada y el número de hablantes indicado), el idioma de la interfaz, hasta dónde llegó el proceso (también si lo detuviste o cerraste la página), el tipo y los detalles del error, el formato del archivo con su tamaño y duración aproximados, y cuánto tardó. Un número temporal que relaciona los procesos de la misma pestaña (se elimina al cerrar la pestaña). En la pantalla de resultados: cuántas veces se usó la edición (como cambiar el nombre de un hablante o dividir una línea), la traducción, el resumen y la importación de subtítulos, los formatos elegidos en «Guardar archivo», cuántas veces se usaron «Copiar texto» y «Guardar todo» y el par de idiomas de la traducción.
Qué no se envía nunca
El audio, las transcripciones (incluidos los nombres de hablantes y las traducciones), los nombres de archivo y las direcciones IP. Los datos van únicamente al servidor de este sitio, nunca a un servicio de terceros.