Creado sobre IA avanzada en tu dispositivo y aceleración por hardware para ofrecer un rendimiento profesional con privacidad absoluta.IA en tu dispositivo: profesional y privado.
Transcriptor de voz a texto online
Voz a texto desde un archivo o tu micrófono
- Se ejecuta en tu dispositivo, no en nuestros servidores
- Audio y vídeo dentro, subtítulos fuera
- Gratis y sin cupo mensual de minutos
Suelta aquí una grabación
MP3, WAV, WAVE, OGG, OGA, OPUS, M4A, M4B, M4R, AAC, ADTS, FLAC, MKA, WEBA, MP4, MOV, WEBM, MKV, 3GP, 3GPP, 3G2
Indicar el idioma es más preciso que dejar que se detecte.
El modelo preciso es una descarga mayor y bastante mejor fuera del inglés.
Un tiempo por palabra en lugar de uno por pasaje: para subtítulos karaoke y edición precisa.
Aquí los subtítulos son gratis. Las dos herramientas con las que nos comparamos los cobran.
Gratis: una grabación cada vez, hasta 0 B y 0 minutos.
¿Para qué usar voz a texto?
Dictar notas, redactar mensajes sin manos o capturar borradores de transcripción sin instalar software de dictado aparte.
Ventajas
- Manos libres: habla en lugar de escribir.
- Velocidad: muchas personas hablan más rápido de lo que teclean.
- Accesibilidad: vía alternativa de entrada.
- Ligero: funciona desde una página web normal.
- Exportar: TXT o JSON para reutilizar.
Transcribe un archivo de audio o vídeo
Suelta una grabación y se transcribe entera en tu dispositivo: sin subirla y sin un contador mensual de minutos. Los vídeos también funcionan: el sonido se lee directamente del contenedor, así que una entrevista grabada en MP4 o MOV no necesita conversión previa.
Qué puedes soltar aquí
MP3, WAV, OGG, OPUS, M4A, AAC, FLAC, MKA y WEBA para audio, y MP4, MOV, WEBM, MKV y 3GP para vídeo. Cualquier otra cosa se rechaza en el selector de archivos con un enlace al conversor de audio, así que nunca esperas a un proceso que no iba a terminar.
Qué obtienes
- Texto plano — la transcripción en párrafos, lista para pegar en un documento.
- Texto con marcas de tiempo — cada pasaje con su posición en la grabación.
- Subtítulos SRT y VTT — los dos formatos que leen de verdad los reproductores y las plataformas.
- JSON — cada pasaje con su inicio y su fin, para lo que quieras construir encima.
- Un archivo para todo el lote — una cola de grabaciones se descarga en un solo ZIP, no un diálogo por archivo.
Adónde va tu audio
Esto importa más de lo que parece, porque las dos mitades de esta página se comportan de forma distinta y casi ninguna herramienta te dice cuál estás usando.
- Un archivo que sueltas aquí se procesa en tu dispositivo, no en nuestros servidores. El modelo de reconocimiento se descarga una vez a tu navegador y se ejecuta allí. La grabación se lee en local y no se envía nada a ningún sitio.
- El dictado en vivo depende de tu navegador. El dictado usa el reconocedor integrado en el propio navegador, y la mayoría envían ese audio a los servidores del fabricante para convertirlo en palabras.
- Los navegadores recientes también pueden dictar en local. Cuando el reconocimiento en el dispositivo está disponible para tu idioma, esta página lo solicita y ofrece instalar el paquete de idioma.
- La página te dice cuál se ha usado. El modo que aparece bajo el micrófono se lee del reconocedor después de arrancar, no se deduce de lo que se pidió.
Cómo funciona
Tu micrófono alimenta el reconocedor del dispositivo; las palabras van apareciendo en el área de transcripción.
Flujo de reconocimiento
- Audio: capturado mientras escuchas.
- Provisional: texto tentativo en gris cursiva.
- Final: texto confirmado añadido a la transcripción principal.
- Idioma: etiqueta BCP-47 en la instancia de reconocimiento.
- Detener: finaliza la sesión de reconocimiento.
Flujo de trabajo típico
- Idioma: selecciona primero.
- Iniciar: habla después del permiso.
- Revisar: observa provisional frente a final.
- Detener: al terminar.
- Copiar: o exportar.
Datos
La calidad varía según el dispositivo; los dispositivos tipo Chromium suelen ser los más fiables para esta API.
Puntos clave
- Los modos continuo y provisional están activados en el código.
- Cambiar idioma durante la escucha detiene primero la sesión.
- El recuento de palabras usa división simple por espacios.
- La exportación JSON usa nombres de clave en inglés por compatibilidad.
- Safari/Firefox pueden comportarse distinto de Chrome/Edge.
Buenas prácticas
Reduce errores antes de fiarte de la transcripción.
Consejos
- Habitación tranquila y micrófono decente.
- Alinea el desplegable con cómo hablas en la práctica.
- Revisa nombres, números y términos técnicos.
- Reinicia si el reconocimiento deja de responder.
Casos ideales
- Notas: captura rápida.
- Borradores: primera pasada de dictado.
- Accesibilidad: cuando escribir cuesta.
Cuándo no fiarse
- Transcripción legal o médica certificada sin revisión.
- Garantía de solo offline si tu dispositivo usa reconocimiento en la nube.
Limitaciones
API dependiente del dispositivo; micrófono necesario; no todos los idiomas funcionan igual en todas partes.
- Gratis — una grabación cada vez, hasta 50 MB y diez minutos, con todos los formatos de exportación y sin marca de agua.
- Pro — una cola de grabaciones en un solo archivo, grabaciones tan largas como aguante tu dispositivo, el modelo más preciso y tiempos palabra por palabra.
Impulsado por algoritmos optimizados de procesamiento de audio.
Preguntas frecuentes
¿Qué tan precisa es la transcripción de voz a texto del dispositivo para una entrevista grabada?
La precisión depende de la claridad del audio, la calidad del micrófono, el acento y el ritmo al hablar. Para grabaciones claras con micrófono cercano en un entorno silencioso, el reconocimiento de voz moderno del dispositivo maneja muy bien el español conversacional. El ruido de fondo, los acentos fuertes o el habla rápida reducirán la precisión, por lo que siempre se recomienda editar la transcripción para uso profesional.
¿Puedo transcribir un archivo de audio pregrabado en lugar de hablar al micrófono en directo?
La API de reconocimiento de voz del dispositivo funciona con entrada de micrófono en directo. Para transcribir un archivo pregrabado, reprodúcelo por los altavoces del dispositivo cerca del micrófono o usa un cable de audio virtual para enrutar el audio directamente. Para transcripción pura de archivo a texto sin regrabar, un servicio de carga de archivos de transcripción dedicado es más fiable.
¿Qué idiomas son compatibles con el reconocimiento de voz a texto?
Los idiomas compatibles dependen de la implementación de la API Web Speech de tu dispositivo. La mayoría de los principales dispositivos admiten español, inglés, francés, alemán, portugués, chino, japonés y decenas de otros idiomas. Selecciona tu idioma en los ajustes de la herramienta y habla con naturalidad — el motor de reconocimiento gestiona dialectos y acentos regionales con precisión variable.
¿Se envían mis datos de voz a un servidor cuando uso esta herramienta de voz a texto?
La herramienta utiliza la API Web Speech integrada del dispositivo. Según el dispositivo, el audio puede procesarse localmente o enviarse brevemente a los servidores de reconocimiento del proveedor (por ejemplo, Google en Chrome). Este sitio no almacena ningún audio. Para una transcripción completamente sin conexión, usa una aplicación de escritorio con reconocimiento local.
¿Puedo usar voz a texto para dictar documentos largos o notas de reuniones?
Sí. La herramienta admite dictado continuo y muestra el texto en tiempo real mientras hablas. Para sesiones largas, haz pausas periódicas para copiar la transcripción en tu editor de documentos. La puntuación automática varía según el dispositivo — puede que necesites añadir puntuación manualmente o decir señales como "punto" o "coma" cuando sea necesario.
¿Por qué el reconocimiento de voz se detiene o se reinicia tras unos segundos de silencio?
La mayoría de los dispositivos pausan el reconocimiento de voz tras un período de silencio para ahorrar recursos. Algunas implementaciones requieren el modo continuo para permanecer activo. Si la transcripción se detiene, reanuda el habla o vuelve a pulsar el botón del micrófono. Para un dictado largo e ininterrumpido, mantén un ritmo de habla constante y moderado sin largas pausas.
de 753 valoraciones
Valora esta herramienta
Toca una estrella — es un segundo