Transcripción con hablantes identificados
Conversor de audio a texto
Sube una entrevista, una clase, un pódcast o un video y obtén una transcripción limpia con marcas de tiempo y hablantes identificados, además de subtítulos SRT y VTT. Archivos de hasta 30 minutos, alrededor de un minuto de espera, un crédito por cada cinco minutos.
- Hablantes y marcas de tiempo
- Descargas en TXT, SRT y VTT
- MP3, M4A, WAV, MP4, MOV y más
1 crédito por cada 5 minutos de audio. Los trabajos fallidos se reembolsan.
El archivo se convierte a audio de calidad de voz en tu navegador antes de subirlo; el video nunca sale de tu dispositivo.
Transcripción
Elige un archivo para obtener una transcripción con marcas de tiempo y hablantes.
Cómo pasar audio a texto
- 01
Sube la grabación
Audio o video de hasta 30 minutos. Tu navegador extrae y comprime la voz primero, así que incluso los videos grandes se suben en segundos.
- 02
Elige el idioma o déjalo en automático
La detección automática maneja 18 idiomas y el habla mixta inglés–chino. Elegir el idioma ayuda en clips cortos o con mucha jerga.
- 03
Lee, copia o descarga
Haz clic en cualquier línea para saltar a ese punto del audio. Descarga un TXT con hablantes, un SRT para editores de video o un VTT para reproductores web.
Audio a texto que sabe quién dijo qué
Una transcripción en bruto solo sirve a medias. Si entrevistaste a alguien para un artículo, necesitas saber qué frases son suyas. Si estás editando un pódcast, necesitas marcas de tiempo para encontrar el momento. Si la grabación va a YouTube, necesitas subtítulos que coincidan. Este conversor de audio a texto entrega las tres cosas con una sola subida: las palabras, el momento en que empieza cada línea y una etiqueta de hablante que separa al presentador del invitado.
Por dentro, la grabación se convierte primero en tu navegador a audio de calidad de voz —mono, 16 kHz—, que es todo lo que necesita un reconocedor de voz y una fracción del tamaño original. Un video de una hora puede quedar en unas decenas de megas antes de que nada salga de tu computadora, y la pista de video nunca se sube. Las grabaciones de más de unos ocho minutos se dividen en momentos de silencio en lugar de a mitad de palabra, se transcriben por partes y se vuelven a unir con las marcas de tiempo correctas.
De MP3 a texto, de video a texto y de notas de voz a apuntes
Sirve cualquier formato que tu navegador pueda reproducir: MP3, M4A de las notas de voz del iPhone, WAV, AAC, OGG y FLAC en audio; MP4, MOV y WEBM en video. Eso cubre la mayoría de grabadoras de reuniones, apps de dictado, descargas de Zoom y Teams, grabaciones de cámara y de pantalla, y también los audios de WhatsApp exportados como archivo. Pasar un MP3 de audio a texto cuesta lo mismo que cualquier otro formato —un crédito por cada cinco minutos—, así que una entrevista de 30 minutos cuesta seis créditos y una nota de voz de tres minutos cuesta uno.
Identificación de hablantes y sus límites
El reconocedor detecta los cambios de voz y etiqueta cada segmento como S1, S2, etc. Cámbiales el nombre en tu editor cuando sepas quién es quién. Funciona mejor cuando las personas se turnan; si hablan encima unas de otras, dos voces pueden quedar bajo una misma etiqueta. En archivos divididos en partes, las etiquetas se mantienen separadas por parte (S1, S1·2) para que nadie quede mal etiquetado en silencio entre cortes; se ordena fácil con buscar y reemplazar.
Subtítulos con la misma subida
Cada trabajo de audio a texto produce también un archivo SRT y otro VTT. Las oraciones largas se dividen en longitudes cómodas de leer y cada línea queda sincronizada con la voz, así que los archivos se cargan directamente en YouTube Studio, Premiere Pro, DaVinci Resolve, CapCut o una plataforma educativa. Si solo necesitas subtítulos para un clip corto, también es la forma más rápida de tener un generador de subtítulos confiable, porque puedes leer la transcripción antes de publicar.
¿Buscas la letra de una canción en lugar de habla? El transcriptor de letras está ajustado para voces cantadas y exporta archivos LRC sincronizados. Para convertir una transcripción en una nueva locución con otra voz o idioma, usa el generador de voz con IA o el doblaje con IA.
Pruébalo con una entrevista de ejemplo
Este clip a dos voces se locutó con nuestro generador de voz con IA y luego se transcribió con el conversor de audio a texto de esta página. La tabla de abajo es el resultado sin editar.
Dos hablantes grabados en un solo archivo mono (en inglés).
Resultado real de audio a texto para el ejemplo
Hablantes e inicios exactamente como se devolvieron. Con habla limpia como esta, la precisión suele ser perfecta; las grabaciones con ruido requieren más revisión.
| Inicio | Hablante | Transcripción |
|---|---|---|
| 0:00 | S1 | Welcome back to Small Studio Talks. Today I am joined by a producer who records full albums in a spare bedroom. |
| 0:07 | S2 | Thanks for having me. Honestly, the bedroom part is less glamorous than it sounds. Most of my budget went into blankets. |
| 0:14 | S1 | Blankets? Not a better microphone? |
| 0:17 | S2 | A great microphone in an echoey room still sounds like an echoey room. Treat the room first, then upgrade the gear. |
Formatos de exportación y dónde usarlos
| Archivo | Qué contiene | Úsalo en |
|---|---|---|
| TXT | Transcripción con [hora] y nombre del hablante en cada cambio | Documentos, apuntes, artículos, investigación, notas de episodio |
| SRT | Bloques de subtítulos numerados con inicio → fin | YouTube, Premiere Pro, Resolve, CapCut, Vimeo |
| VTT | Subtítulos web con etiquetas de voz por hablante | Reproductores HTML5, plataformas de cursos, Wistia |
Quién usa audio a texto
Periodistas e investigadores
Convierte entrevistas en citas que puedes buscar, con hablantes que mantienen clara la atribución.
Podcasters
Prepara notas del episodio, encuentra momentos para clips por marca de tiempo y publica una transcripción accesible.
Estudiantes
Transcribe clases y seminarios grabados y busca en tus apuntes en lugar de recorrer el audio.
Creadores de video
Obtén subtítulos SRT ya sincronizados y dales estilo en tu editor.
Equipos de trabajo
Convierte grabaciones de reuniones en texto para actas, tareas y quienes no pudieron asistir.
Músicos y productores
Transcribe notas de voz con ideas y comentarios de sesión; para letras cantadas, usa el transcriptor de letras.
Consigue una transcripción más limpia
- Graba con el micrófono cerca de quien habla; la distancia afecta más la precisión que la música de fondo.
- Elige el idioma a mano en clips cortos, con acentos marcados o con muchos términos técnicos.
- Evita que la gente hable encima de otros si necesitas hablantes bien identificados.
- En llamadas, si tu app lo permite, graba cada lado en pistas separadas y transcribe cada una.
- Recorta silencios largos e intros musicales antes de subir para ahorrar créditos.
- Revisa nombres y números antes de publicar: son los errores más comunes en cualquier herramienta de audio a texto.
Límites, privacidad y reembolsos
- Duración y tamaño
- Hasta 30 minutos por archivo. Los archivos muy largos pueden necesitar más memoria en el navegador; en el celular, conviene dividir los de más de 20 minutos.
- Idiomas
- Dieciocho idiomas: inglés, español, francés, alemán, italiano, portugués, japonés, coreano, chino, árabe, hindi, ruso, turco, indonesio, polaco, neerlandés, tailandés y vietnamita, o deja la detección en automático.
- Privacidad
- Solo se sube el audio comprimido; el video se queda en tu dispositivo. Las transcripciones solo son visibles en tu cuenta.
- Trabajos fallidos
- Si la transcripción falla, los créditos se devuelven automáticamente, y un trabajo interrumpido se reanuda cuando vuelves a la página.
Preguntas frecuentes sobre audio a texto
¿Cuánto cuesta convertir audio a texto?
Un crédito por cada cinco minutos de audio, redondeado hacia arriba, con un mínimo de un crédito. Un archivo de 30 minutos cuesta seis créditos. Las cuentas nuevas incluyen créditos gratis.
¿Puedo transcribir un archivo de video?
Sí. Funcionan MP4, MOV y WEBM. El audio se extrae en tu navegador y solo se sube la voz.
¿Qué tan precisa es la transcripción?
Con habla clara y una persona a la vez, suele ser casi perfecta, como en el ejemplo de arriba. La precisión baja con micrófonos lejanos, acentos muy marcados, gente hablando a la vez y música fuerte.
¿Identifica a los distintos hablantes?
Sí. Cada segmento recibe una etiqueta (S1, S2…) y las exportaciones TXT, SRT y VTT la incluyen. Cambia los nombres en cualquier editor de texto.
¿Cuál es el archivo más largo que puedo transcribir?
30 minutos por archivo. Para grabaciones más largas, divide el archivo en partes y transcribe cada una.
¿Puedo pasar un MP3 a texto desde el celular?
Sí, el conversor de audio a texto funciona en navegadores móviles. Para archivos de más de unos 20 minutos, una computadora es más confiable.
¿Puedo obtener subtítulos para YouTube?
Descarga el SRT y súbelo en YouTube Studio, en la sección de subtítulos. Los tiempos ya están alineados con la voz.
¿Se guarda mi audio?
El archivo de voz comprimido y tu transcripción se guardan en tu cuenta para que puedas descargarlos de nuevo. No se comparten ni se publican.
Herramientas relacionadas
Transcriptor de letras
Extrae letras sincronizadas de cualquier canción.
Doblaje con IA
Traduce lo que se dice y escúchalo en otro idioma.
Generador de voz con IA
Convierte una transcripción en una nueva locución.
Removedor de voz con IA
Quita la música de una grabación antes de transcribir.
Identificador de canciones
Descubre qué canción suena en un clip.
Audio a partitura
Convierte una melodía en notación en lugar de palabras.
Convierte tu grabación en texto
Sube el archivo, espera alrededor de un minuto y descarga una transcripción con hablantes y subtítulos.
Convertir audio a texto