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.
Whisper large-v3 con detección automática de idioma y marcas de tiempo por palabra.
[0:27] Sure. [0:27] We've learned so much. [0:29] It turns out one of the best places to study the Earth is not actually from the ground, but using the vantage point from space. [0:38] And as you mentioned, NASA has 25 Earth-observing satellites. [0:41] And we can look at and examine and study and better understand so many different things about the Earth's water, energy, and carbon cycles. …
1 00:00:27,288 --> 00:00:29,076 Sure. We've learned so much. 2 00:00:29,076 --> 00:00:35,155 It turns out one of the best places to study the Earth is not actually from the 3 00:00:35,155 --> 00:00:38,160 ground, but using the vantage point from space. 4 00:00:38,160 --> 00:00:41,378 And as you mentioned, NASA has 25 Earth-observing satellites. …texto + SRT · 24 s · Airpic
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.
✓ Funciona mejor con
- Voces cercanas al micro, con poco eco y música baja
- Audio limpio: entrevistas, clases, pódcast o reuniones grabadas
- Un orador cada vez, hablando con claridad
✗ No puede recuperar
- Voces solapadas o viento en el micro
- Llamadas muy comprimidas o audio de baja calidad
- Jerga y nombres propios: revísalos siempre
Lo hemos medido
- 17 minutos de vídeo transcritos en unos 50 segundos, con tiempos por segmento. (03-09-2026)
- Una entrevista de 3 minutos con «Distinguir hablantes» quedó transcrita y separada por voces en 100 segundos. (19-09-2026)
Medido en airpic.app con la GPU ya en marcha. Si nadie la ha usado en un rato, el primer trabajo tarda entre 40 y 90 segundos más en arrancar.
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 de Whisper (large-v3) con filtro de voz para no inventar texto en los silencios. Con audio claro, los errores se concentran en nombres propios, cifras y jerga: revísalos siempre.
¿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.
¿Distingue a las personas que hablan?
Sí: marca «Distinguir hablantes» y el texto y los subtítulos llevan «Hablante 1», «Hablante 2»… cuando hay más de una voz. Funciona mejor con turnos claros; si las voces se solapan mucho puede juntarlas.
¿Puedo corregir la transcripción antes de descargarla?
Sí: el resultado se abre en un editor junto al vídeo; al pulsar una frase salta a ese momento y puedes corregir el texto. Luego descargas el SRT o el TXT ya corregidos.
¿Es gratis transcribir un vídeo?
Procesar y ver la transcripción es gratis y sin cuenta. Cada mes tienes 1 descarga completa gratis; después se paga con créditos que no caducan, sin suscripción.
Artículos sobre Transcribir vídeo a texto
Comprueba tus subtítulos antes de publicarlos
Pega o sube un archivo SRT o VTT y comprueba líneas largas, subtítulos demasiado cortos o largos, solapes, huecos y…
Cómo poner subtítulos a un vídeo para redes
Cómo poner subtítulos a un vídeo para Instagram y TikTok: qué es un archivo SRT, reglas de legibilidad y cómo repasar los subtítulos automáticos.
Más herramientas de la suite
320×240 px×4 · 1280×960 pxMantén pulsado para ver el antes
originalsin fondo · 5 sMantén pulsado para ver el antes
1,2 MB208 KB · −83 %Mantén pulsado para ver el antes
blanco y negrocolor IA · 3 sMantén pulsado para ver el antes
con ruidolimpia · 5 sMantén pulsado para ver el antes
borrosa · 29 pxnítida · 7 sMantén pulsado para ver el antes
escaneo · 1863restaurada · 9 sMantén pulsado para ver el antes
con objetolimpia · 3 sMantén pulsado para ver el antes
vídeo · 6:38documento · 169 sMantén pulsado para ver el antes
vídeo largo · 4:00shorts 9:16 · 2 × 31-33 sMantén pulsado para ver el antes
fotovídeo 5 sMantén pulsado para ver el antes
textovídeo 16:9 · 5 sMantén pulsado para ver el antes
vídeo 480p4K · 2160pMantén pulsado para ver el antes
5 clips del móvilreel 9:16 · subtítulosMantén pulsado para ver el antes
320×240 px×4 · 1280×960 pxMantén pulsado para ver el antes