Transcribe vídeo y audio a texto en 99 idiomas
Whisper large-v3 con detección automática de idioma y marcas de tiempo por palabra. Te llevas el texto en párrafos, los subtítulos SRT y VTT bien partidos y, si quieres, la traducción al inglés. Hasta 3 horas y 1 GB.
Cómo funciona
Sube el vídeo o el audio
MP4, MOV, WebM, MKV, MP3, WAV, M4A… hasta 1 GB. Elige el idioma o déjalo en automático.
Whisper transcribe con marcas de tiempo
Modelo large-v3 con detección de voz: ignora silencios y música, y marca cada palabra.
Descarga texto y subtítulos
TXT en párrafos, SRT y VTT listos para YouTube o el editor, JSON con las palabras. Se borra en 1 hora.
Preguntas frecuentes
¿Qué idiomas admite?
Los 99 de Whisper: español, inglés, francés, alemán, portugués, italiano, japonés, chino, árabe, ruso, hindi… Se detecta solo; puedes fijarlo si el audio mezcla idiomas.
¿Qué calidad tiene?
Usamos el modelo grande (large-v3), el mismo que las herramientas de pago de referencia, con filtro de voz para no inventar texto en los silencios. Con audio claro roza la transcripción humana.
¿Cómo vienen los subtítulos?
Partidos como manda el oficio: máximo 2 líneas de 42 caracteres, hasta 7 segundos por subtítulo, cortes en pausas y puntuación. Los cargas tal cual en YouTube, Premiere o DaVinci.
¿Puedo traducirlo?
Sí: marca «añadir traducción al inglés» y recibes también el TXT, SRT y VTT en inglés (traducción del propio Whisper).
¿Cuánto tarda?
Alrededor de 1 minuto por cada 20-30 minutos de audio en caliente, más 1-2 minutos si el motor arranca en frío. La barra estima el tiempo.
¿Guardáis mis vídeos?
No. El vídeo se procesa y se borra: 1 hora tras la descarga, 24 h como tope. Sin copias.
