Transcribir un archivo MP3
Elige un archivo MP3 y la IA (Whisper o SenseVoice) lo transcribe dentro de tu navegador. El audio nunca llega a un servidor. Sin cuenta, sin pago y sin límite de duración.
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.
Cómo transcribir un MP3
- Elige el idioma. La detección automática funciona, pero indicar el idioma real (por ejemplo, «Español» para una grabación en español) reduce los errores de reconocimiento. Si hablan dos o más personas, activa también la diarización de hablantes.
- Arrastra el archivo MP3 o haz clic para elegirlo. La transcripción empieza en cuanto se carga el archivo y las líneas aparecen en orden a medida que se confirman.
- Al terminar, haz clic en una línea para volver a escuchar desde ese punto y corregir los errores. Después, elige TXT, Word u otro formato en «Guardar archivo», o copia el texto directamente.
Qué tener en cuenta al trabajar con MP3
MP3 es un formato comprimido, así que la tasa de bits de la grabación original afecta directamente a la precisión. A partir de 128 kbps, una conversación normal se reconoce de forma fiable. Por debajo de 64 kbps —o en grabaciones telefónicas, donde se han recortado las frecuencias altas— aumentan las palabras perdidas. En idiomas distintos del japonés, el chino y el coreano, cambiar al modelo small o superior suele ayudar.
Todo se ejecuta en tu propio dispositivo. El archivo no se sube y el texto resultante tampoco se envía a ninguna parte, de modo que puedes procesar tal cual grabaciones que no puedes compartir fuera, como reuniones o entrevistas.
Los tramos en silencio no se procesan, así que el tiempo necesario depende de cuánto se habla realmente y no de la duración del archivo. Las clases con muchas pausas o las grabaciones con largos ratos sin hablar terminan antes de lo que sugiere su duración.
Si algo no funciona
- Si el mismo nombre o término se transcribe mal una y otra vez, corrígelo de una sola vez con «Buscar y reemplazar» en la pantalla de resultados.
- En los pódcasts con música o sintonías pueden aparecer, durante la música, frases que nadie ha dicho. Borra esas líneas en la pantalla de resultados.
Preguntas frecuentes
¿Puedo transcribir formatos distintos de MP3?
Sí. Se admiten WAV, M4A, AAC, FLAC, OGG, Opus, AIFF, WMA, AMR y WebM. Si eliges un archivo de vídeo, solo se extrae y procesa su pista de audio.
¿Hay un límite de tamaño de archivo?
No. Tampoco hay límite de duración. La duración que se puede procesar de una vez depende de la memoria del dispositivo y del modelo elegido; si no cabe, la página lo indica antes de empezar.
¿Se sube mi audio a algún sitio?
No. La transcripción se ejecuta dentro de tu navegador, y ni el archivo de audio ni el texto resultante se envían a ningún servidor externo. Eso sí, las estadísticas de procesamiento que sirven para corregir fallos (características del dispositivo, tipo de error, etc.) se envían al servidor de este sitio, pero no incluyen el audio, el texto transcrito, los nombres de archivo ni las direcciones IP. Puedes desactivar este envío con el interruptor de la sección «Ayúdanos a mejorar el servicio», al final de la página.
¿Cuánto tarda la transcripción?
Depende de tu dispositivo y del tamaño del modelo. Con WebGPU disponible suele ser más rápido que el tiempo real; sin él, cuenta con varias veces la duración del audio.
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.