Audio a texto gratis
Convierte audios de WhatsApp, entrevistas, clases, reuniones o videos en texto, sin límite de minutos, sin registro y sin subir el archivo. Haz clic en una frase y el audio va a ese momento.
El audio no sale de tu dispositivo: la transcripción ocurre en tu navegador.
Suelta el audio o el video aquí
o haz clic para elegir · MP3, WAV, M4A, OGG, OPUS, MP4, MOV, WebM · nada sale de tu dispositivo
Más herramientas de video y audio
Cómo pasar audio a texto
Suelta el archivo, revisa el idioma del audio y toca Transcribir. El texto va apareciendo cada medio minuto de audio, en párrafos, con el tiempo de cada fragmento. Haz clic en cualquier frase y el reproductor va justo a ese momento; dale play y el fragmento que suena queda resaltado.
Usa la búsqueda para encontrar una palabra: cada resultado lleva al momento en que se dijo. Al terminar, descárgalo en TXT, DOCX (Word y Google Docs) o PDF, con o sin tiempos, o como subtítulos SRT y VTT, que abren en YouTube, VLC y editores de video.
La transcripción la hace Whisper, el modelo de reconocimiento de voz de OpenAI, en la tarjeta gráfica de tu propia computadora. La primera vez el navegador descarga el modelo (564 MB); después queda guardado. En una laptop común, una hora de audio tarda unos 45 minutos, y puedes cambiar de pestaña mientras tanto.
Sin cuenta y sin límites: el texto se guarda solo en este navegador y, si la pestaña se cierra a mitad, puedes seguir donde quedó. Para volver a una transcripción otro día, suelta el audio junto con el .srt o .vtt que descargaste. ¿Necesitas sacar el audio de un video antes? Usa Video a MP3.
Ejemplo: la entrevista que se vuelve nota
Una entrevista de 4 min 37 s se transcribió en 3 min 17 s en una laptop con tarjeta de video integrada. Con el texto listo, buscar un nombre lleva directo a los tramos donde aparece, hacer clic en la frase reproduce ese momento para revisar la cita, y la descarga en DOCX con los tiempos va al editor de texto. Para subtitular el video de la entrevista, el mismo texto sale en SRT.
Preguntas frecuentes
¿Es gratis de verdad? ¿Hay límite de minutos?
Es gratis, sin registro y sin límite de minutos ni de archivos. Lo único que limita es tu dispositivo: en una computadora funcionan audios de horas; en el celular es lento y puede no funcionar.
¿El audio se sube a algún servidor?
No. El audio se lee y se transcribe dentro de tu navegador, con la tarjeta gráfica de tu dispositivo. Solo el modelo de transcripción se descarga, una vez, de Hugging Face; tu archivo no va a ninguna parte.
¿Cómo transcribir un audio de WhatsApp?
Guarda el audio en tu dispositivo (en Android, con Compartir; en iPhone, con Guardar en Archivos) y suelta aquí el archivo .opus u .ogg. Elige el idioma y toca Transcribir.
¿Cuánto tarda?
Depende de la computadora. En una laptop con gráficos integrados, una entrevista de 4 min 37 s tardó 3 min 17 s, cerca del 70% de su duración. La pantalla muestra cuánto falta, medido en tu propio dispositivo.
¿Por qué descarga 564 MB la primera vez?
Es el modelo Whisper, que hace el reconocimiento de voz en tu dispositivo en lugar de mandar el audio a un servidor. Se descarga una vez y queda guardado en el navegador: desde la segunda vez, abre en segundos.
¿Funciona con video?
Sí. Suelta el MP4, MOV o WebM: la herramienta saca el audio y lo transcribe. El video aparece en el reproductor, y al hacer clic en el texto el video va a ese momento.
¿Puede generar subtítulos?
Sí: descárgalo en SRT o VTT. Los dos son formatos de subtítulos con el tiempo de cada frase, aceptados por YouTube, VLC y los editores de video.
¿Funciona en el celular?
La transcripción usa la tarjeta gráfica a través del navegador (WebGPU). En el celular es lenta y puede no funcionar; en una computadora con Chrome o Edge actualizados funciona bien.
¿Qué idiomas reconoce la transcripción?
Decenas, entre ellos español, inglés, portugués e indonesio. Elige el idioma del audio antes de transcribir: el resultado sale más preciso que dejando que el modelo adivine.
Guías para acertar con el video y el audio
Audios de WhatsApp, MP4 a MP3, videos más livianos, formatos, códecs y metadatos.
Transcripción con Whisper large-v3 turbo (OpenAI, licencia MIT), en la versión ONNX de onnx-community, ejecutándose en tu navegador con transformers.js (Hugging Face, Apache-2.0) y la tarjeta gráfica del dispositivo (WebGPU). El modelo se descarga de Hugging Face la primera vez; el audio no sale de tu dispositivo.