Transcriptor de letras

Por qué transcribir letras es más difícil que transcribir habla

Cantar rompe casi todo lo que da por hecho el reconocimiento de voz. Las vocales se estiran durante varios tiempos, las consonantes desaparecen en la música, las palabras se doblan para encajar en la melodía y debajo suena una banda completa. Las herramientas de dictado genéricas devuelven nada o un párrafo seguro de sí mismo y sin sentido. Este transcriptor de letras usa un reconocedor que soporta la música de fondo y devuelve el tiempo de cada palabra, que es lo que hace posibles las letras sincronizadas.

Esos tiempos se agrupan después en versos tal como los escribiría una persona: un verso nuevo al final de una frase, después de una respiración de más de unos tres cuartos de segundo o cuando la línea ya es demasiado larga para leerse. Las comas solo cortan el verso cuando ya tiene cierta longitud, así que frases breves de pregunta y respuesta como "Oh, aquí vamos" se mantienen juntas. El resultado se lee como una hoja de letras y no como un muro de texto, y cada verso conserva el instante exacto en que se canta su primera palabra.

Normalmente no necesitas aislar la voz

En nuestras pruebas con mezclas terminadas de pop y folk, el transcriptor de letras captó todas las palabras cantadas sin pasar antes por un removedor de voz, como muestra el ejemplo en mandarín de abajo. Las mezclas muy densas, las voces muy distorsionadas, el metal gritado o el rap extremadamente rápido todavía pueden confundirlo. Para esos casos, separa la voz con el removedor de voz con IA y transcribe la pista vocal: los tiempos no cambian porque la pista dura lo mismo que la canción.

LRC, SRT y TXT: qué archivo de letras necesitas

Un archivo LRC es el formato estándar de letras sincronizadas: cada verso empieza con una marca como [00:24.44]. Reproductores como foobar2000, MusicBee, Poweramp y muchos estéreos de auto lo leen cuando está junto al MP3 con el mismo nombre, y las apps de karaoke lo importan directamente. Un SRT contiene los mismos versos como subtítulos numerados con inicio y fin, algo que entienden los editores de video: úsalo para poner las letras en un video de YouTube o un Reel. El TXT es la hoja de letras para notas del disco, páginas de Bandcamp o el formulario de letras de tu distribuidora.

De la canción al video con letra en un clic

Cuando las letras se vean bien, el botón bajo el resultado las abre en el creador de videos con letra con cada verso ya sincronizado. Carga allí la misma canción, elige un estilo y exporta un MP4, sin sincronizar a mano. Si todavía estás componiendo, el generador de letras con IA y el generador de canciones con IA te llevan de la idea a la pista terminada.

Una nota sobre derechos: transcribe canciones que escribiste, canciones que tienes permiso de usar o canciones para estudio personal. Publicar las letras de otra persona puede requerir una licencia aunque las hayas escrito tú mismo.

Cómo sacar el mejor resultado del transcriptor de letras

• Usa el archivo de mayor calidad que tengas; un MP3 de 320 kbps o un WAV supera a un clip regrabado con el celular.
• Elige el idioma de la canción en lugar de la detección automática en canciones cortas o letras en dos idiomas.
• Para voces gritadas, muy distorsionadas o muy rápidas, pasa primero por el removedor de voz con IA y transcribe la pista vocal.
• Corrige a mano ad-libs y coros repetidos: la transcripción es un borrador para que tú la pulas.
• Guarda el LRC junto al archivo de audio con el mismo nombre para que los reproductores lo detecten solos.
• Canciones de más de 8 minutos: recorta la intro o divide el archivo.