Transcribe audio y vídeo a texto, sin que salga de tu navegador

Sí. Como el procesado ocurre en tu equipo, a nosotros no nos cuesta nada que transcribas más: no hay minutos de prueba, ni topes por archivo, ni marca de agua, ni registro.

Arrastra el archivo aquí. El audio no sale de tu navegador: puedes comprobarlo desconectando la red después de que cargue el modelo — la transcripción sigue funcionando.

Sí. Tras transcribir, pulsa SRT o VTT y descargarás el archivo con los tiempos de cada frase, listo para YouTube, Premiere, DaVinci o cualquier reproductor.

Sí, con Chrome o Edge de escritorio: el botón «Grabar otra pestaña» captura el audio que reproduce la pestaña de la videollamada y lo mezcla con tu micrófono, así que funciona aunque lleves auriculares. No entra ningún bot en la llamada. Sirve igual para un vídeo, una clase en directo o una radio que suene en otra pestaña. Cómo funciona.

Sí. El botón «Transcribir un vídeo o directo de otra pestaña» captura el sonido que reproduce esa pestaña, sin usar tu micrófono. Va bien con directos, webinars, radios en línea y vídeos sin subtítulos. No funciona con plataformas de streaming de pago (Netflix, Disney+, Prime Video): el navegador impide capturar contenido protegido. Y transcribir para ti no es lo mismo que republicar el texto de una obra ajena.

Descarga el audio de la nota y arrástralo aquí. Se acepta el OGG y el OPUS de WhatsApp tal cual, sin convertirlo, y el texto sale con marcas de tiempo por frase. Como el reconocimiento ocurre en tu navegador, la nota no se sube a ningún servidor. Más detalle en notas de voz.

El reconocimiento de voz nunca avisa de que duda: cuando no entiende algo escribe una frase con su puntuación y su cadencia, que parece correcta. Gate32 marca las líneas con algo anómalo —texto repetido, más palabras de las que caben en el tiempo que ocupan, segundos de audio convertidos en dos palabras— y dice cuántas son. Pulsa su marca de tiempo y salta a ese punto del audio. No se afirma que estén mal: se señala dónde mirar.

Usa Whisper de OpenAI en tu dispositivo, con tres tamaños de modelo. Puedes elegir entre 47 idiomas o dejar que lo detecte solo. El modo Preciso ofrece muy buena calidad en español, inglés y las demás lenguas mayoritarias; en idiomas con menos datos de entrenamiento (vietnamita, tailandés, urdu…) los modelos pequeños pierden bastante y conviene subir de tamaño — la app te lo avisa al elegir. Audio con mucho ruido o solapamiento de voces reduce la precisión, como en cualquier transcriptor.

La primera vez incluye descargar el modelo (~50–250 MB) y prepararlo, lo que puede llevar unos minutos; todo queda cacheado y las siguientes transcripciones empiezan casi al instante. La velocidad de transcripción depende de tu equipo: con gráfica compatible con WebGPU (Chrome o Edge recientes) suele ser más rápida que el tiempo real. En equipos modestos funciona igualmente (WASM), pero tarda más: usa el modelo Rápido.

Sí, procesa por bloques con progreso visible. Para sesiones muy largas (más de ~90 minutos) conviene un equipo con memoria holgada; si algo falla, prueba con el modelo Rápido o divide el archivo.

Sí, con un iframe. No hay SDK, ni clave de API, ni servidor al que llamar, y como la transcripción ocurre en el navegador de cada usuario, ni te cuesta por minuto ni su audio pasa por tus servidores. Está explicado con el código, los parámetros y los límites en integrar Gate32 en tu plataforma.

Esas herramientas procesan tu audio en sus servidores y limitan el plan gratuito (minutos, número de archivos, funciones). Gate32 es local: privacidad verificable, sin límites y sin cuenta. A cambio, funciones de servidor como la identificación de hablantes aún no están disponibles (estamos midiendo el interés).