La transcripción de audio a texto reconoce las palabras habladas en una grabación y adjunta marcas de tiempo. Cargue audio o video en AI Free Audio to Video, corrija la transcripción, luego cópiela o exporte TXT, JSON y SRT sin renderizar un video.
Formatos soportados
Sube MP3, WAV, M4A, AAC, FLAC, OGG, MP4, MOV, WebM o MKV. Exporte texto sin formato como TXT, líneas estructuradas como JSON o subtítulos cronometrados como SRT.
como funciona
1. Subir una grabación
Elija un archivo de audio o video local que contenga sonido. Para vídeo, la herramienta extrae la banda sonora antes del reconocimiento. No lee palabras impresas en los fotogramas del vídeo.
2. Seleccione el idioma hablado
Elija un idioma compatible o detección automática. El servidor ejecuta el modelo Whisper de código abierto para reconocer el habla y estimar el tiempo de las palabras. El habla clara generalmente necesita menos correcciones que el canto o la superposición de voces.
3. Corregir y descargar la transcripción.
Revise nombres, puntuación y tiempos de línea en el editor de resultados. Guarde sus cambios antes de descargar TXT, JSON o SRT. SRT contiene sincronización; TXT es adecuado cuando sólo se necesitan las palabras.
Límites y privacidad
Los archivos de audio y video no deben tener más de 100 MB ni más de 10 minutos. Los resultados pertenecen a la sesión actual del navegador y caducan después de 24 horas. El servicio es gratuito, sin pago ni suscripción; Se aplican límites de cola y uso.
Qué comprobar antes de compartir
El reconocimiento puede omitir el habla o producir palabras incorrectas, especialmente en canciones, ruidos o diálogos superpuestos. Las marcas de tiempo son estimaciones del modelo, no una alineación garantizada. La herramienta no identifica a los hablantes, no traduce transcripciones ni separa las voces de la música. No se admiten la importación de enlaces de plataforma ni la grabación en el navegador.
Preguntas comunes
¿La conversión de vídeo a texto lee los subtítulos que ya se muestran en un vídeo?
No. Este flujo de trabajo transcribe la pista de audio. Para leer texto visible, guarde un marco claro como imagen y utilice la extracción de texto de imagen.
¿Puedo crear subtítulos a partir de una canción?
Puedes intentarlo, pero cantar puede producir letras y tiempos incorrectos o faltantes. Revisa y corrige el resultado antes de compartirlo.
¿Mi audio se envía a una API de transcripción de terceros?
Esta implementación ejecuta Whisper en el servidor del sitio web. El audio se procesa en ese servidor y no se envía a una API de transcripción de terceros.