Voz a texto gratis
Voz a texto transcribe archivos de audio y vídeo, o una grabación del micrófono, en unos 100 idiomas con Whisper, el modelo de código abierto de OpenAI. El modelo, de 67 MB (Tiny) a 1,6 GB (Large v3 Turbo), se descarga una vez y funciona en tu dispositivo. Activa la traducción al inglés si la necesitas, edita la transcripción y exporta TXT, Word, SRT, VTT o JSON.
- Modelos Whisper:
- Tiny, Base, Small, Large v3 Turbo
- Exportación:
- TXT, Word, SRT, VTT, JSON
- Idiomas:
- Unos 100; traducción al inglés
- Precio:
- Gratis
- Funciona:
- IA en tu navegador
- Subidas:
- Ninguna: los archivos no salen de tu dispositivo
- Cuenta:
- No hace falta
Respuestas rápidas
¿Se sube mi grabación?
No. El modelo Whisper se descarga una vez desde Hugging Face y se ejecuta en tu navegador; el audio nunca sale de tu dispositivo.
¿Qué idiomas admite?
Unos 100 idiomas, del inglés, el español y el chino al galés y el suajili. La precisión es mayor en los idiomas más hablados y con los modelos más grandes.
Por ahora la interfaz de la herramienta está en inglés.
Se procesa en tu dispositivo: tus archivos nunca se suben. Cómo funciona
Actividad de red en esta pestaña
Lo que esta página ha solicitado desde que abriste el sitio en esta pestaña. Una subida es cualquier solicitud que envía datos: POST, PUT, PATCH o una solicitud con cuerpo.
Ninguna subida: esta página no ha enviado nada.
Todavía no hay solicitudes de red.
Para ver todas las solicitudes, abre las herramientas para desarrolladores del navegador (pestaña Red).
Cómo usar Voz a texto
- Arrastra un archivo de audio o vídeo, o graba con el micrófono.
- Elige un modelo (Tiny es el más rápido; Small y Large v3 Turbo, los más precisos) y el idioma, o deja que lo detecte.
- Haz clic en Transcribe (transcribir): el texto aparece a medida que se reconoce; Cancel conserva lo que ya esté hecho.
- Busca, haz clic en una frase para escucharla, corrige palabras en el modo Edit y exporta TXT, Word, SRT, VTT o JSON.
Créditos y código abierto
Modelo de IA de código abierto que se ejecuta en tu navegador. Gracias a las personas que hacen posibles estos proyectos.
- Transformers.js© Hugging Face, Inc. and contributors · Apache-2.0
- ONNX Runtime Web© Microsoft Corporation · MIT
- Mediabunny© Vanilagy and contributors · MPL-2.0
- docx© Dolan Miu · MIT
API de la plataforma web utilizadas: Web Workers, WebAssembly, WebCodecs, Web Audio API, Media Capture (getUserMedia), MediaRecorder, File API, localStorage.
- Whisper tiny / base / small (ONNX, timestamped exports) por OpenAI (model); onnx-community (ONNX conversion) (MIT (openai/whisper; the Hugging Face model cards list Apache-2.0))
- Whisper large-v3-turbo (ONNX, timestamped export) por OpenAI (model); onnx-community (ONNX conversion) (MIT)
Textos completos de las licencias: avisos de terceros · todos los créditos
Preguntas frecuentes
¿Puede traducir?
Sí: activa Translate to English (traducir al inglés) para obtener texto en inglés a partir de voz en cualquier idioma admitido (no disponible con Large v3 Turbo).
¿Qué duración puede tener el archivo?
Horas, si tu dispositivo tiene memoria suficiente: el audio se procesa en ventanas de 30 segundos. Una hora de audio ocupa unos 230 MB de memoria; con WebGPU va varias veces más rápido.
¿Puedo obtener subtítulos?
Exporta SRT o VTT aquí, o usa el Generador de subtítulos para editar los subtítulos, darles estilo e incrustarlos en el vídeo.