Una clase grabada, la entrevista que hiciste para un reportaje, el webinar de la semana pasada o el vídeo en el que un cliente te cuenta lo que necesita: todo eso contiene información que no puedes buscar, citar ni pegar en un documento mientras siga atrapada en la imagen. Verlo otra vez parando cada pocos segundos para copiar a mano es lento y siempre se escapa alguna frase.
Este flujo convierte el vídeo en texto sin que intervengas entre medias. Primero separa la pista de sonido, que es lo único que necesita la inteligencia artificial, y después Whisper, el sistema de reconocimiento de voz que ejecutamos en nuestras propias máquinas, escribe todo lo que se dice. Subes el archivo, pulsas «Procesar flujo» y la transcripción aparece en pantalla.
Cómo transcribir un vídeo a texto, paso a paso
-
Extraer audio
- Formato: M4A (sin perder calidad)
«Extraer audio» saca el sonido en «M4A (sin perder calidad)»: copia la pista tal como viene guardada dentro del vídeo, sin comprimirla de nuevo, así que la voz llega intacta al reconocimiento. Al no recodificar nada es casi instantáneo (en nuestra prueba, medio segundo) y no gasta créditos. Además, subir solo el audio es mucho más rápido que subir el vídeo entero.
-
Transcribir audio
- Idioma del audio: Detectar automáticamente
«Transcribir audio» escucha esa pista y la convierte en texto. En «Detectar automáticamente» averigua por su cuenta en qué idioma se habla, aunque puedes fijarlo tú entre español, catalán, inglés, francés, italiano, alemán y portugués. Si la grabación es larga, el texto llega dividido en bloques de tres o cuatro frases, más cómodos de leer. Cuesta 5 créditos y ves el importe antes de lanzarlo.
Qué puedes ajustar
- Formato
- Está en «M4A (sin perder calidad)», la opción más rápida y fiel. MP3, WAV y AAC también sirven, pero obligan a convertir el sonido, tardan algo más y no mejoran la transcripción.
- Idioma del audio
- La detección automática viene marcada y suele dar en el clavo. Elige tú la lengua cuando el vídeo arranca con música, con un silencio largo o con una frase en otro idioma, para que el modelo no dude al principio.
- Vídeos pesados
- Cada subida admite archivos de hasta unos 100 MB. Si el tuyo pasa de ahí, recórtalo o comprímelo antes: al reconocimiento de voz solo le importa que se oiga bien.
Qué te llevas
Obtienes la transcripción completa, en párrafos y visible en la propia página. Con «Copiar» la pegas donde quieras y también puedes descargarla como .txt. No lleva marcas de tiempo ni indica quién habla: para subtítulos sincronizados con la imagen, usa el flujo «Subtítulos para un vídeo corto de redes» o la herramienta Subtítulos automáticos.
Para quién es
- Estudiantes que quieren por escrito una clase o una conferencia grabada para subrayarla y repasar.
- Periodistas e investigadores que transcriben entrevistas en vídeo y necesitan citas literales.
- Creadores que reaprovechan lo que cuentan en sus vídeos para escribir artículos o newsletters.
- Equipos que graban reuniones por videollamada y quieren un texto en el que buscar los acuerdos.
Preguntas frecuentes al transcribir un vídeo a texto
¿Se puede transcribir un vídeo a texto gratis?
Aunque no te registres, cada día puedes hacer una prueba de IA sin pagar. Con una cuenta gratuita arrancas con 100 créditos y el saldo vuelve a subir hasta 20 a diario; cada transcripción gasta 5. Sacar el audio es siempre gratis.
¿Qué formatos de vídeo acepta?
MP4, MOV del iPhone, MKV, AVI, WebM, 3GP, WMV, M4V y otros formatos de móvil o cámara. Basta con que tenga sonido y no supere unos 100 MB.
¿Cuánto tarda y qué tal acierta?
Lo probamos con un reel de 25 segundos en el que una voz explica tres trucos para cuidar plantas: el texto salió exacto, con detalles como «una vez cada 10 días» o «lejos de los radiadores», en unos 3 a 15 segundos.
¿Distingue a cada persona o pone los minutos?
No. Entrega el texto corrido, sin nombres de interlocutor ni tiempos. En una conversación entre varias voces tendrás que anotar tú quién dice cada cosa; si necesitas tiempos, genera un .srt con Subtítulos automáticos.
¿Funciona con música o ruido de fondo?
Aguanta bien un ruido moderado, pero cuanto más limpia esté la voz, mejor. Con música muy alta o gente hablando a la vez pueden colarse palabras equivocadas: revisa esos tramos antes de publicar el texto.
¿Necesitas otra combinación? Mira todos los flujos de vídeo, vuelve al índice de flujos o monta el tuyo desde cualquier herramienta con «Añadir paso».