Transcribir audio a texto online
Convierte audios de WhatsApp, reuniones, clases y videos en texto en pocos minutos. Gratis para empezar, sin registro.
Gratis y sin registro: 1 archivo al día de hasta 10 minutos. El audio se elimina automáticamente después de 7 días.
- Archivos de audio y video, de hasta 10 horas en Pro
- 20 idiomas o detección automática
- Exportación en TXT, Word, SRT, VTT y JSON
- Audio eliminado después de 7 días
Mira una transcripción terminada
Pulsa reproducir o haz clic en cualquier línea para escuchar ese momento. Tus grabaciones vuelven igual, con una marca de tiempo en cada fragmento.
LibriVox · Las medias de los flamencos, leído por Charbelí Ramos Chávez
Cómo transcribir audio a texto
- Elige el archivo. Arrastra un audio o video al recuadro de arriba o haz clic para buscarlo en tu computadora o tu teléfono.
- Revisa el idioma. El español ya viene seleccionado. Si la grabación está en otro idioma, cámbialo antes de empezar.
- Inicia la transcripción. El navegador prepara el audio y lo sube. Puedes seguir el progreso en la misma página.
- Revisa y descarga. Lee el texto con sus marcas de tiempo, escucha cualquier fragmento y luego cópialo o descárgalo en TXT, Word, SRT, VTT o JSON.
Qué puedes subir
VoceText lee los archivos de audio y video que suelen generar los teléfonos, las grabadoras y las aplicaciones de reuniones:
- Audio: MP3, M4A, WAV, OGG, Opus, FLAC y AAC, incluidas las notas de voz y los audios de WhatsApp.
- Video: MP4, MOV, WebM y MKV, incluidas las grabaciones de pantalla y las llamadas guardadas de Zoom, Meet o Teams.
Solo se sube el sonido. El navegador separa la pista de audio y la comprime antes, así que la imagen del video no sale de tu dispositivo y un video de dos horas se sube como un archivo de audio ligero. Los límites dependen de la duración de la grabación: 10 minutos sin cuenta, 30 minutos con una cuenta gratuita y 10 horas en Pro.
Qué recibes
Cada transcripción incluye puntuación, párrafos y una marca de tiempo en cada fragmento. Elige la descarga según lo que vayas a hacer después:
| Formato | Ideal para |
|---|---|
| TXT | Apuntes, artículos, citas y cualquier texto que vayas a pegar en un documento |
| Word (DOCX) | Transcripciones de entrevistas, tesis, informes y cualquier texto que vayas a editar o enviar como documento, con marcas de tiempo y hablantes |
| SRT | Subtítulos para YouTube, editores de video y redes sociales |
| VTT | Subtítulos para reproductores de video en la web |
| JSON | Fragmentos con tiempos para desarrolladores y automatizaciones |
Con una cuenta gratuita o con Pro también puedes corregir el texto en el editor: haz clic en una marca de tiempo para escuchar justo ese momento, corrige la palabra y guarda.
Precisión y cómo conseguir un mejor texto
Una grabación clara con una sola persona hablando suele necesitar solo pequeñas correcciones. Todavía no hemos medido la precisión con grabaciones reales. La prueba previa al lanzamiento usó voz generada por computadora: un fragmento corto, de 25 a 40 palabras, en español, inglés, portugués, italiano y alemán. Con el idioma seleccionado, los fragmentos limpios volvieron sin errores. Con ruido añadido, calidad de teléfono o habla acelerada, 11 de 15 fragmentos siguieron sin errores y el peor tuvo tres palabras equivocadas. Las grabaciones reales son más difíciles: cuenta con más correcciones y prueba con un archivo tuyo para valorarlo.
Tres cosas mejoran el resultado más que cualquier otra:
- Graba cerca de quien habla. Un teléfono sobre la mesa, junto a la persona, funciona mejor que el micrófono de una laptop al otro lado de la sala.
- Selecciona el idioma en lugar de depender de la detección cuando la grabación es corta, tiene ruido o cambia de hablante con frecuencia.
- Evita que varias personas hablen a la vez. Las voces superpuestas son la causa más habitual de palabras perdidas.
Los silencios se eliminan antes de transcribir. Así se evitan las frases inventadas que el reconocimiento de voz a veces añade donde nadie habla.
Cuánto tarda
La transcripción es muchas veces más rápida que la reproducción. En pruebas del modelo de voz previas al lanzamiento, grabaciones de 5, 10, 20 y 30 minutos se transcribieron entre 11 y 16 veces más rápido que su duración; la de 30 minutos tardó unos dos minutos y medio. Fueron solicitudes de prueba, no mediciones del servicio en producción, así que tómalo como referencia. VoceText divide las grabaciones largas en tramos de 10 minutos y procesa hasta cuatro a la vez. A eso se suma el tiempo que el navegador tarda en preparar el audio y tu conexión en subirlo. Puedes dejar la página abierta y volver cuando el texto esté listo.
Tus archivos y tu privacidad
- El audio se borra automáticamente a los 7 días. Solo se conserva para que puedas escucharlo mientras revisas la transcripción.
- Las transcripciones hechas sin cuenta se borran a las 24 horas. Las cuentas gratuitas las conservan 30 días; en Pro, hasta que las elimines.
- Tus grabaciones no se usan para entrenar modelos de IA, y no vendemos tus datos.
- Puedes eliminar tú mismo una transcripción y su audio en cualquier momento desde tu panel.
Los detalles están en la política de privacidad.
Para qué se usa
- Audios de WhatsApp – lee un audio largo sin tener que escucharlo entero, o guarda por escrito un mensaje importante.
- Reuniones y entrevistas – ten un registro en el que puedas buscar para redactar el acta o citar una frase exacta, con identificación de hablantes en Pro.
- Clases y conferencias – estudia con el texto en lugar de volver a escuchar la grabación una y otra vez.
- Videos y podcasts – genera subtítulos y descripciones a partir de tu propio contenido.
Por qué VoceText
El audio se prepara en tu navegador antes de subirlo, así que un video de dos horas se sube como un archivo de audio ligero. Las grabaciones largas se dividen en tramos, se transcriben en paralelo y se unen en un solo texto con las marcas de tiempo correctas. Los silencios se eliminan antes de transcribir, lo que evita las frases inventadas que otras herramientas a veces añaden en los tramos sin voz. Puedes probarlo sin cuenta, y los límites de cada plan están en la tabla de abajo.
Límites del plan gratuito y de Pro
| Sin cuenta | Cuenta gratuita | Pro | |
|---|---|---|---|
| Precio | Gratis | Gratis | $10/mes o $96/año |
| Archivos al día | 1 | 3 | Sin límite diario |
| Duración máxima del archivo | 10 minutos | 30 minutos | 10 horas |
| Cupo mensual | Solo límite diario | 10 horas | 100 horas |
| Identificación de hablantes | No incluido | No incluido | Hasta 10 horas al mes |
| Editar y guardar transcripciones | No incluido | Incluido | Incluido |
| Formatos de descarga | TXT, DOCX, SRT, VTT, JSON | TXT, DOCX, SRT, VTT, JSON | TXT, DOCX, SRT, VTT, JSON |
| Transcripciones guardadas durante | 24 horas | 30 días | Hasta que las elimines |
Preguntas frecuentes
¿VoceText es gratis?
Sí. Sin registrarte puedes transcribir 1 archivo de hasta 10 minutos al día. Con una cuenta gratuita, 3 archivos al día de hasta 30 minutos cada uno, hasta 10 horas al mes. El plan Pro elimina el límite diario, admite archivos de hasta 10 horas e incluye 100 horas de transcripción al mes.
¿Puedo transcribir un audio de WhatsApp?
Sí. Los audios de WhatsApp son archivos .opus y VoceText los lee sin problema. En el iPhone, WhatsApp solo guarda los audios dentro de la app: reenvía el audio a tu correo y guarda el adjunto. En Android, usa la opción de compartir. Los pasos están en la página Transcribir audios de WhatsApp.
¿Entiende los distintos acentos del español?
Sí. El modelo reconoce el español de Latinoamérica y de España. Las grabaciones con ruido de fondo o con varias personas hablando a la vez bajan la precisión; con una cuenta puedes corregir cualquier palabra en el editor.
¿Cuánto tarda?
Mucho menos que la duración del audio. En pruebas previas al lanzamiento, grabaciones de 5 a 30 minutos se transcribieron entre 11 y 16 veces más rápido que su reproducción. Fueron solicitudes de prueba, no mediciones del servicio en producción. El total incluye además la preparación del audio en el navegador y la subida, así que depende de tu dispositivo y de tu conexión.
¿Qué pasa con mi audio?
El audio solo se usa para generar tu transcripción y se borra automáticamente a los 7 días. Las transcripciones hechas sin cuenta se borran a las 24 horas. No usamos tus grabaciones ni tus transcripciones para entrenar modelos de IA, y puedes eliminar tus archivos cuando quieras.
¿Necesito crear una cuenta?
No. Puedes subir un archivo y descargar la transcripción sin registrarte. Con una cuenta gratuita aumentan los límites, puedes editar el texto y las transcripciones se guardan 30 días en lugar de 24 horas. Si inicias sesión después de transcribir, la transcripción hecha en este navegador pasa a tu cuenta.
¿Qué formatos de archivo puedo subir?
La mayoría de los formatos de audio y video: MP3, M4A, WAV, OGG, Opus, FLAC, AAC, MP4, MOV, WebM y MKV. El navegador extrae el audio antes de subirlo, por eso hasta los videos grandes se suben rápido.
¿Cuánto puede durar la grabación?
Hasta 10 minutos sin cuenta, 30 minutos con una cuenta gratuita y 10 horas en Pro. El límite es la duración de la grabación, así que un video largo cuenta por el tiempo que dura.
¿Qué idiomas admite?
Puedes elegir entre 20 idiomas, entre ellos español, inglés, portugués, italiano, alemán, francés, japonés y chino, o dejar la detección automática. El texto sale en el idioma que se habla en la grabación; VoceText no traduce.
¿Puede distinguir quién habla?
Sí, en Pro. Activa Identificar a los hablantes antes de empezar y cada párrafo llevará el número del hablante. Pro incluye identificación de hablantes para hasta 10 horas de audio al mes.
¿Puedo editar la transcripción?
Sí, con una cuenta gratuita o con Pro. Haz clic en una marca de tiempo para escuchar ese momento, corrige el texto y guarda. Sin cuenta la transcripción es de solo lectura, pero puedes copiarla y descargar todos los formatos.
¿Puedo crear subtítulos para un video?
Sí. Sube el video y descarga el archivo SRT o VTT. Los dos llevan el tiempo de cada línea y sirven para YouTube, CapCut y la mayoría de los editores de video.
¿Puedo transcribir un enlace de YouTube?
Desde un enlace, no. VoceText trabaja con archivos: sube el audio o el video que tienes en tu dispositivo.
¿Cuánto cuesta Pro y puedo cancelar?
Pro cuesta 10 USD al mes o 96 USD si pagas un año. Puedes cancelar cuando quieras desde los ajustes de facturación y conservas Pro hasta el final del periodo que ya pagaste.