Convertir vídeo a texto
Convierte cualquier vídeo en texto preciso y con marcas de tiempo en segundos — listo para leer, buscar o exportar como subtítulos.
0:26[Ejemplo]Ponencia de congreso, grabación de pantalla en 1080p
00:00:03La pregunta que todo el mundo hace primero es: ¿adónde se va realmente el tiempo?
00:00:11Lo medimos. Alrededor del cuarenta por ciento se va en trabajo que nadie llega a ver.
00:00:19Y esa es justo la parte que puedes automatizar antes de contratar a nadie más.
Por qué importa sacar el texto que hay dentro del vídeo
El vídeo es donde está la información — y donde se queda atrapada
Un taller grabado, una entrevista con un cliente, una sesión de estrategia de dos horas. Las ideas más valiosas de tu equipo ocurren cada vez más ante una cámara y cada vez menos sobre el papel.
Pero un archivo de vídeo es opaco. No puedes buscar dentro, citarlo, ojearlo ni pegar una línea en un documento. Todo lo que se dice queda encerrado tras la reproducción, y la reproducción va a una sola velocidad: la real.
Tres costes de dejar el vídeo sin transcribir
Son costes fáciles de pasar por alto porque ninguno aparece como una partida de gasto. Aparecen como trabajo que, sin hacer ruido, nunca llega a hacerse.
Tráfico de búsqueda perdido
Los buscadores indexan palabras, no formas de onda. Un vídeo de una hora sin transcripción es una hora de contenido experto que nadie puede encontrar buscando.
Accesibilidad perdida
Quien es sordo o tiene pérdida auditiva, quien mira sin sonido o quien trabaja en un segundo idioma necesita texto. Sin él, simplemente se va.
Reutilización perdida
Una sola sesión grabada contiene un artículo, una newsletter y una decena de clips para redes. Nada de eso se hace si extraer las palabras es una tarea manual.
La transcripción humana profesional parte de 2,00 $ por minuto: son 240 $ por pasar a texto una única grabación de dos horas. A ese precio la decisión se toma sola y la mayoría de las grabaciones no se transcriben nunca. La transcripción con IA cambia esa cuenta a unos céntimos por minuto, y eso es lo que hace realista transcribirlo todo.
¿Qué es un conversor de vídeo a texto?
Un conversor de vídeo a texto es una herramienta que extrae la pista de audio de un archivo de vídeo y usa reconocimiento de voz para convertir las palabras habladas en texto escrito, normalmente con marcas de tiempo que enlazan cada línea con su momento exacto en el vídeo.
Cómo funciona realmente la transcripción de vídeo con IA
Entre el archivo que sueltas y la transcripción que recibes ocurren tres cosas. Conocerlas explica buena parte de lo que determina la calidad del resultado.
Paso 1 — Extracción del audio
Un archivo de vídeo son en realidad dos flujos empaquetados juntos: imagen y sonido. Aquí solo importa el sonido, así que la pista de vídeo se descarta primero. Por eso convertir vídeo a texto cuesta lo mismo que convertir audio: los fotogramas se descartan antes de que empiece la transcripción.
Paso 2 — Reconocimiento de voz
El audio pasa por un modelo que asocia sonido y palabras. Los modelos actuales manejan acentos, solapamientos y mezcla de idiomas mucho mejor que los dictados de hace una década, aunque un audio de origen limpio sigue ganando siempre.
Paso 3 — Puntuación, marcas de tiempo y turnos de habla
La salida en bruto del reconocimiento es una cadena continua de palabras. La última pasada añade los límites de las frases, las mayúsculas y los códigos de tiempo que permiten que cada línea apunte al momento en que se dijo.
Transcripción, subtítulos y subtítulos accesibles no son lo mismo
Estos tres términos se usan como sinónimos y no deberían. Cuál necesites decide qué formato de exportación te conviene.
Transcripción
El texto completo de lo dicho, con formato de documento. Ideal para buscar, citar, tomar notas y reconvertir en contenido escrito.
Subtítulos
Las mismas palabras, cortadas en líneas breves sincronizadas que aparecen en pantalla. Se entregan en SRT o VTT y dan por hecho que quien mira puede oír.
Subtítulos accesibles
Subtítulos más la información no hablada: risas, música, una puerta que se cierra. Necesarios para cumplir de verdad con la accesibilidad en muchos contextos.
Cómo convertir vídeo a texto en 3 pasos
Todo el proceso ocurre en el navegador. No hay nada que instalar ni hace falta extraer tú el audio antes.
Paso 1 — Sube tu archivo de vídeo
Arrastra el archivo al cargador o elígelo desde el disco. Va directo al almacenamiento desde tu navegador, así que una grabación grande no choca con ningún límite intermedio de tamaño, y verás una barra de progreso mientras sube.
Formatos compatibles
MP4, MOV, AVI, MKV y WebM cubren prácticamente todo lo que producen una cámara, un móvil o un grabador de pantalla. No hace falta convertir el vídeo a texto en dos pasos exportando antes un MP3: la pista de audio se extrae sola.
Límites de tamaño y duración
Hasta 120 minutos por archivo y hasta 2 GB por vídeo en los planes de pago. Como referencia, 2 GB son aproximadamente media hora de material en 1080p o dos horas completas en 480p. Las cuentas gratuitas admiten archivos de hasta 10 minutos.
Paso 2 — Deja que la IA transcriba
El procesamiento arranca en cuanto termina la subida. Un vídeo de diez minutos suele volver en menos de un minuto; las grabaciones largas se dividen internamente y se recomponen después, así que un archivo de dos horas se comporta igual que uno de dos minutos.
Elegir el idioma correcto
El idioma hablado se detecta solo entre más de 100 idiomas, así que rara vez tendrás que configurar nada. Si tu grabación cambia de idioma a mitad, cada pasaje se transcribe en el idioma en que se dijo.
Cómo conseguir una transcripción más precisa
La calidad del reconocimiento la decide la grabación, no el conversor de vídeo a texto. Cuatro factores explican casi toda la diferencia entre una transcripción publicable y otra que hay que reescribir.
Graba la voz, no la sala
Un micrófono de solapa o de diadema cerca de quien habla gana a un micrófono caro colocado al otro lado de la mesa. La distancia es lo que deja entrar el eco de la sala y el ruido de fondo, y después ningún modelo los separa tan bien como no haberlos capturado.
Evita que se pisen al hablar
Dos personas hablando a la vez es la causa más habitual de resultados confusos. En una entrevista o una mesa redonda grabadas, una pausa breve antes de cada respuesta no cuesta nada y mejora el resultado de forma apreciable.
Quita antes la música de fondo
La música bajo el diálogo confunde al reconocimiento mucho más que un ruido constante como el aire acondicionado. Si tu material lleva banda sonora, quítala antes de transcribir, no después.
Cuenta con corregir nombres y jerga
Los nombres de producto, los nombres de empresa y los términos técnicos son donde se le ven las costuras incluso a una transcripción del 97 %. Una pasada de buscar y reemplazar sobre el texto exportado lo resuelve en menos de un minuto, y conviene hacerla antes de convertirlo en subtítulos.
Paso 3 — Revisa y exporta
La transcripción llega dividida en segmentos con marca de tiempo que puedes leer y corregir. Todas las exportaciones salen del mismo resultado, así que puedes llevarte más de un formato de una sola transcripción.
TXT para documentos
Texto plano, con o sin códigos de tiempo. Es lo que quieres para notas, búsquedas, citas o para llevar el contenido a un borrador.
SRT y VTT para subtítulos
Archivos de subtítulos sincronizados que entran directos en YouTube, Premiere, Final Cut o cualquier reproductor. Sube el SRT junto al vídeo y los subtítulos aparecen sin más edición.
Qué puedes hacer después de convertir vídeo a texto
La transcripción casi nunca es el objetivo real. Es el paso que abarata otras cuatro cosas, y ahí es donde aparece la mayor parte del valor.
Convierte un vídeo en cinco piezas
Una vez que las palabras existen como texto, la grabación deja de ser un entregable y pasa a ser materia prima.
Un artículo a partir de un webinar
La transcripción de un webinar de 45 minutos es un borrador de 3.000 palabras. Editar uno gana a escribir un artículo nuevo desde la página en blanco.
Notas del episodio
Saca las marcas de tiempo, los enlaces mencionados y las tres mejores citas. Veinte minutos de trabajo en lugar de volver a escucharlo entero.
Clips sociales de un contenido largo
Repasa el texto buscando los momentos que merecen corte y usa los códigos de tiempo para localizarlos al instante en el montaje.
Subtitula tu vídeo para públicos internacionales
Exporta el SRT y tu vídeo se podrá ver sin sonido, que es justo como se consume buena parte del vídeo social. Además hace que el contenido sea localizable en las plataformas que indexan los archivos de subtítulos.
Dobla tu vídeo a 16 idiomas
Los subtítulos permiten leer tu vídeo en otro idioma. El doblaje permite oírlo, conservando las voces de quienes hablan en el original. Como todo funciona con un único saldo de créditos compartido, la transcripción que acabas de pagar no hay que pagarla dos veces.
Limpia primero el audio ruidoso
Si tu grabación tiene tráfico, aire acondicionado o música de fondo bajo la voz, la precisión sufre antes incluso de empezar a transcribir. Quitar el ruido antes suele ser la mejora de calidad más rentable que tienes a mano.
Precio de convertir vídeo a texto — lo que cuesta en realidad
La transcripción se cobra por minuto de material desde un único saldo de créditos. No hay coste por usuario, ni una suscripción aparte para transcribir, ni cargo extra por exportar la misma transcripción en varios formatos.
Cuánto cuesta un minuto de transcripción de vídeo
Cada minuto cuesta 500 créditos, sin importar la resolución ni el tamaño del archivo: se cobra por lo que dura la grabación, no por lo que pesa. Una grabación de pantalla en 4K y un clip de móvil de la misma duración cuestan exactamente lo mismo.
| Plan | Precio | Créditos | Transcripción de vídeo | Por minuto |
|---|---|---|---|---|
| Gratis | 0 $ | 5.000 únicos | ~10 minutos | Gratis |
| Basic | 9,99 $/mes | 50.000 | ~1,6 horas | 0,100 $ |
| Standard | 19,90 $/mes | 100.000 | ~3,3 horas | 0,100 $ |
| Professional | 49,90 $/mes | 350.000 | ~11,6 horas | 0,071 $ |
| Premium | 99,00 $/mes | 800.000 | ~26,6 horas | 0,062 $ |
| Max | 199,00 $/mes | 2.000.000 | ~66,6 horas | 0,050 $ |
La transcripción cuesta 500 créditos por minuto en todos los planes; el precio efectivo baja porque los planes mayores incluyen proporcionalmente más créditos. La facturación anual descuenta otro 20 %.
Los mismos créditos valen para todas las herramientas
Los créditos no están asignados a una función concreta. El mismo saldo que paga una transcripción paga también doblar ese vídeo a otro idioma, narrar un guion, limpiar audio ruidoso o generar un episodio de pódcast. Un mes cargado de transcripción y ligero de doblaje cuesta exactamente lo mismo que el caso contrario: nada caduca sin usar dentro de una cuota a la que no puedes llegar.
| Qué puedes hacer | Tarifa | Qué dan 50.000 créditos |
|---|---|---|
| Transcripción de vídeo y audio | 500 créditos / min | unas 1,6 horas de material |
| Doblaje con IA a 16 idiomas | 12.000 créditos / min | unos 4 minutos de vídeo doblado |
| Aislamiento y limpieza de voz | por tarea | úsalo antes para mejorar la precisión |
| Narración con texto a voz | por caracteres | vuelve a convertir en audio el texto editado |
Empieza con 10 minutos gratis
Las cuentas nuevas incluyen 5.000 créditos, unos diez minutos de transcripción: lo justo para pasar un archivo real y juzgar el resultado con tu propio material en lugar de con un clip de demostración. No hace falta tarjeta, y esos mismos créditos sirven para todas las demás herramientas del sitio.
Conversor de vídeo a texto frente a transcripción manual
Escribir una grabación a mano sigue siendo una opción y, para un conjunto reducido de casos, sigue siendo la correcta. Conviene ser preciso sobre cuáles.
Transcripción con IA
Minutos de espera, entre 0,05 $ y 0,10 $ por minuto y una precisión superior al 95 % con audio limpio de un solo hablante. Escala a cien grabaciones pendientes sin planificación adicional.
Transcripción humana
De horas a días de espera, unos 2,00 $ por minuto y una precisión casi perfecta incluso con audio difícil. Se cobra por archivo, así que una cola de trabajo cuesta proporcionalmente más.
Velocidad
Una persona con práctica necesita unas cuatro horas por cada hora de audio. El mismo archivo vuelve de la IA en minutos, y esa es la diferencia entre transcribir una grabación y decidir que no merece la pena.
Coste
A 2,00 $ por minuto frente a 0,05–0,10 $, la transcripción humana cuesta entre veinte y cuarenta veces más. En una entrevista suelta esa diferencia es asumible. En una temporada entera de episodios decide si el trabajo llega a hacerse.
Cuándo sigue ganando la transcripción humana
Las exigencias de precisión no son iguales en todos los casos, y fingir lo contrario no ayuda a nadie. Hay material que realmente necesita una persona.
Actas judiciales, dictado médico, acentos regionales marcados y grabaciones donde varias personas hablan a la vez son casos en los que un transcriptor humano sigue superando a cualquier modelo. Un punto intermedio práctico: pasa primero la IA y que alguien corrija el resultado. Editar un borrador al 95 % es mucho más rápido que escribir desde cero.
Preguntas frecuentes
Herramientas relacionadas
Todo lo de abajo funciona con el mismo saldo de créditos que tus transcripciones.
Convierte tu primer vídeo a texto gratis
Cada cuenta nueva incluye unos diez minutos de transcripción: suficiente para pasar una grabación real y ver el resultado con tu propio material.
Transcribir un vídeo