Paso en la nube
Sube una grabación – una reunión, una entrevista, una clase, una nota de voz – y recibe una transcripción limpia separada por hablantes, que puedes exportar a Word, PDF, texto sin formato, subtítulos o una hoja de cálculo.
Está pensada para conversaciones reales, también las que cambian de idioma a mitad de frase, y separa el texto por hablantes – deducidos de la conversación, no identificados por la voz – en lugar de devolver un único bloque.
A diferencia de las demás herramientas de esta web, la transcripción usa un servidor: esta web no hace el reconocimiento de voz en tu dispositivo. La página te pregunta antes de enviar nada. La grabación va en trozos de cuatro minutos, sin el nombre del archivo, a través de nuestro servidor y de la pasarela de IA de Lovable hasta el modelo de reconocimiento de voz de OpenAI, y el texto va a Gemini, de Google, para ordenarlo. Nuestro servidor no guarda ni lo uno ni lo otro; esos servicios se rigen por sus propias condiciones.
No sirve para: Una precisión perfecta con grabaciones malas – mucho ruido de fondo y gente hablando a la vez siguen provocando errores.
No se envía nada hasta que aceptas en el cuadro que abre «Transcribir», salvo que hayas elegido que no se te vuelva a preguntar. Entonces tu navegador decodifica la grabación, o el sonido de un video, la mezcla a un solo canal a 16 kHz y la corta en trozos de cuatro minutos, cada uno enviado como un archivo WAV llamado part-1.wav, part-2.wav y así sucesivamente: el sonido, sin el nombre de tu archivo.
Cada trozo va a nuestra función de servidor en Lovable Cloud, que lo pasa por la pasarela de IA de Lovable al modelo de voz gpt-4o-transcribe de OpenAI, junto con tu vocabulario personalizado, el idioma si elegiste uno y los últimos 1.200 caracteres ya transcritos. El texto de todos los trozos, con los nombres de hablantes y el vocabulario que escribiste, sigue el mismo camino hasta el modelo Gemini de Google, que lo separa por hablantes y le pone título, resumen y capítulos; la transcripción terminada hace el mismo camino una vez más para sacar los puntos clave y las tareas pendientes.
Nuestras funciones no escriben ni el audio ni el texto en ningún almacenamiento. Registran tu dirección IP con cada petición, para el límite por hora, y la eliminan cuando tiene más de dos horas. Lo que conservan Lovable, OpenAI y Google lo fijan sus propias condiciones. «Guardar en la biblioteca» conserva la transcripción en este navegador, o en tu cuenta si has iniciado sesión; «Enlace para compartir» sube el archivo exportado a nuestro almacenamiento durante 24 horas, como indica la página junto al botón.
Nuestro servidor acepta treinta trozos por hora desde una misma dirección IP, es decir, dos horas de audio. Si un trozo se rechaza o falla, los trozos ya terminados se conservan, y «Reintentar las grabaciones fallidas» sigue desde el trozo que falló en lugar de empezar de nuevo.
Los hablantes no se reconocen por la voz. Gemini los deduce del texto – de las preguntas, las respuestas, los saludos y los nombres dichos en voz alta – y usa para sus etiquetas los nombres de hablantes esperados que escribas. Si ese paso falla, recibes igualmente el texto, en bloques de cuatro minutos marcados como «Hablante no identificado».
Deja el idioma en automático para una conversación que mezcla idiomas, o elige el idioma hablado para ayudar al modelo de voz con una grabación en un solo idioma.
Los tiempos solo se conocen en los bordes de cada trozo de cuatro minutos; las intervenciones dentro de un trozo se reparten de manera uniforme y se marcan con ~. Los archivos SRT, VTT y CSV llevan estas estimaciones, así que sirven como índice aproximado de la grabación y no como subtítulos que siguen el habla.
Esta página en otros idiomas: English · العربية · Deutsch · Français · Русский · Português · 中文 · हिन्दी · Türkçe · עברית · فارسی · اردو · Bahasa Indonesia · বাংলা