¿Tienes un podcast, grabación o nota de voz en MP3? Arrastra el archivo a una aplicación gratuita para Windows y obtén la transcripción en minutos. Sin cargas, sin tarifas por minuto, sin límite de duración de archivo.
Arrastrar, esperar, copiar. Funciona en cualquier MP3 de cualquier duración.
Obtén el instalador gratuito para Windows 10 o 11 desde la página principal de StarWhisper. La instalación toma unos dos minutos e incluye una descarga única del modelo Whisper para que la aplicación pueda funcionar completamente sin conexión después de la instalación. Sin registro, sin tarjeta de crédito, sin confirmación por correo electrónico.
Abre StarWhisper. Abre el Explorador de archivos y busca tu MP3. Arrastra el archivo a la ventana de StarWhisper. La aplicación detecta el idioma automáticamente. Si lo prefieres, también puedes hacer clic en un botón de Importar y buscar el archivo. Ambos métodos producen el mismo resultado.
StarWhisper procesa el audio localmente en tu CPU o GPU. Velocidad aproximada: aproximadamente 10 veces más rápido que el tiempo real en una CPU de portátil moderna y 50 veces más rápido en una GPU NVIDIA con CUDA activado. Un MP3 de una hora se transcribe en aproximadamente de 6 a 12 minutos en la CPU o de 1 a 2 minutos en una GPU de gama media. El progreso se muestra en tiempo real.
La transcripción aparece en la ventana de StarWhisper cuando termina el procesamiento. Copia el texto completo al portapapeles, guárdalo como archivo .txt o expórtalo con marcas de tiempo opcionales si necesitas hacer referencias cruzadas con el audio original. Pégalo en Notion, Word, Google Docs, tu CMS o donde sea que necesite ir el texto.
Ventajas concretas, no beneficios vagos.
Rev cobra 25 centavos por minuto por transcripción humana y 10 centavos por minuto por IA. Un episodio de podcast de 90 minutos cuesta de 9 a 22,50 dólares. StarWhisper es gratuito, con la misma precisión que el nivel de IA de Rev.
Los servicios en la nube a menudo limitan el tamaño de carga (Otter.ai limita el nivel gratuito a 30 minutos por archivo). StarWhisper maneja audiolibros, grabaciones de conferencias de todo el día y entrevistas de varias horas sin límite.
MP3, WAV, M4A, OGG, OPUS, FLAC, WMA, además de extracción de audio de MP4 y otros formatos de video. No es necesario ningún paso de conversión.
El Modo Local predeterminado ejecuta Whisper en tu propia CPU o GPU. El MP3 se decodifica localmente, se transcribe localmente y el resultado se escribe en tu disco. Nada se carga. Detalles de privacidad.
Whisper admite 96 idiomas, incluidos todos los principales idiomas europeos, asiáticos y de Medio Oriente. La detección del idioma es automática. Soporte de idiomas.
Los propietarios de GPU NVIDIA instalan el paquete CUDA y la velocidad de transcripción aumenta aproximadamente 5 veces. Un MP3 de una hora se convierte en un trabajo de dos minutos. Detalles de aceleración por GPU.
MP3 sigue siendo el formato de audio portátil universal. Los podcasts publican feeds en MP3, las conferencias terminan como descargas en MP3, las notas de voz se exportan en MP3 desde muchas grabadoras, y los archivos históricos de entrevistas y grabaciones de conferencias existen casi exclusivamente como MP3. Cualquiera que intente leer lo que hay dentro de uno de esos archivos se encuentra con el mismo problema: no hay ninguna herramienta integrada de conversión de MP3 a texto en Windows.
El camino que toma la mayoría de las personas, a menudo por defecto, es cargar el MP3 en un servicio de transcripción en la nube. Otter, Trint, Rev, Sonix, Happy Scribe y Descript ofrecen esto. Funcionan, pero tienen tres desventajas: tarifas por minuto que se acumulan rápidamente en archivos largos, tiempo de carga y costo de ancho de banda en conexiones lentas, y problemas de privacidad para grabaciones sensibles. La cuarta desventaja es menos común pero peor: algunos servicios tienen límites de tamaño o duración de archivo en los niveles gratuitos que limitan silenciosamente lo que realmente puedes transcribir sin pagar.
La alternativa que la mayoría de los usuarios técnicos descubren y de la que nunca vuelven es la transcripción local. Instala una pequeña aplicación, arrastra el MP3, obtén el texto. StarWhisper es la opción más popular de Windows para esto. El modelo es OpenAI Whisper, que es la misma tecnología subyacente que impulsa muchos servicios de transcripción en la nube; simplemente lo ejecutas localmente en lugar de pagarle a un proveedor para que lo ejecute por ti.
Números concretos de situaciones comunes:
Suelta un MP3 de 60 minutos en StarWhisper. Espera de 6 a 12 minutos en una CPU de portátil típica, o de 1 a 2 minutos con una GPU NVIDIA. Copia la transcripción resultante de 8.000 palabras en tu aplicación de notas o sistema de gestión de contenido. Tiempo total, incluida la configuración: menos de 15 minutos para un usuario primerizo, menos de 2 minutos para un usuario recurrente.
Suelta un MP3 de una entrevista de 90 minutos. Tiempo de procesamiento en una CPU moderna: de 10 a 18 minutos. Resultado: aproximadamente 12.000 palabras de transcripción en texto sin formato. Edita ligeramente, pega en tu borrador del artículo. Gratis; sin tarifas por minuto que habrían hecho de esta una transcripción de 9 a 22,50 dólares en Rev.
Suelta una carpeta con 30 grabaciones antiguas. StarWhisper las pone en cola. Aléjate. Vuelve a 30 transcripciones, cada una guardada con el nombre de archivo correspondiente. Para archivistas independientes o investigadores que digitalizan audio, este es el flujo de trabajo que reemplaza el estar sentado en un pedal de transcripción durante semanas.
Suelta una nota de voz grabada (a menudo M4A desde un teléfono, pero MP3 funciona igual). Una nota de 5 minutos se convierte en 700 palabras de texto en menos de un minuto. Útil para capturar ideas mientras caminas y luego tener un registro buscable.
Números honestos. En audio en inglés claro desde un micrófono de calidad (podcast, entrevista profesional), Whisper logra aproximadamente entre un 95 y un 99 por ciento de precisión. Esto iguala o supera el nivel de IA de Rev, la transcripción automatizada de Otter y el nivel estándar de la mayoría de los servicios en la nube.
La precisión disminiona en:
En comparación, la transcripción humana (Rev humano a 25 centavos por minuto) se sitúa alrededor del 99 por ciento en audio claro y se degrada menos en casos extremos. El equilibrio está en el costo: la transcripción local gratuita maneja el 90 por ciento de los casos de uso de MP3 del mundo real con una calidad lo suficientemente buena como para publicar o buscar. Para el 10 por ciento restante, donde la precisión en casos extremos es fundamental, la transcripción humana de pago sigue teniendo un papel.
StarWhisper no requiere que conviertas el archivo antes de transcribir. Los formatos admitidos:
| Formato | Origen común | Admitido |
|---|---|---|
| MP3 | Podcasts, descargas | Sí |
| WAV | Audio profesional, grabaciones de estudio | Sí |
| M4A | Notas de voz de iPhone, audio_only de Zoom | Sí |
| AAC | iTunes, algunos podcasts | Sí |
| OGG / OPUS | Notas de voz de WhatsApp, Telegram | Sí |
| FLAC | Archivos sin pérdida | Sí |
| WMA | Grabaciones antiguas de Windows | Sí |
| MP4 (video) | YouTube, video de Zoom | Sí, audio extraído |
| MOV / AVI / MKV | Otro video | Sí, audio extraído |
Para flujos de trabajo de conversión relacionados, consulta cómo convertir M4A a texto específicamente para Notas de Voz de iPhone, o cómo convertir WAV a texto para grabaciones de estudio.
Muchos archivos MP3 contienen contenido que la gente no querría que estuviera en un servidor de terceros. Entrevistas grabadas bajo NDA. Llamadas de atención al cliente. Grabaciones de sesiones de terapia. Notas de voz personales con pensamientos privados. Grabaciones de investigadores de sujetos humanos que consintieron solo el procesamiento local. Grabaciones de fuentes de periodismo de investigación.
Los servicios de transcripción en la nube cargan todo esto en su infraestructura. Incluso con fuertes políticas de privacidad, el audio reside en el hardware de otra persona. Para las categorías anteriores, eso a menudo es inaceptable.
El Modo Local de StarWhisper mantiene toda la canalización en tu dispositivo. La decodificación del MP3 ocurre en tu CPU. El modelo Whisper se ejecuta en tu CPU o GPU. El texto resultante se escribe en tu disco duro. Nada sale del dispositivo a menos que elijas compartirlo. Esto satisface el requisito de privacidad para los casos de uso anteriores y elimina los interrogantes legales y éticos que conlleva la transcripción en la nube de contenido sensible.
Para obtener detalles completos sobre la arquitectura de privacidad, consulta la página de arquitectura de privacidad y sin conexión. Para trabajar con audio en industrias reguladas específicamente, consulta las preguntas frecuentes sobre cumplimiento de HIPAA, la página de voz a texto para terapeutas, o la página de voz a texto para investigadores.
El nivel gratuito de StarWhisper te da 500 palabras por día y 3.500 palabras por semana de salida transcrita. Un MP3 típico de 60 minutos produce aproximadamente 8.000 palabras. Eso significa que un solo episodio largo excede el límite gratuito diario. Aún puedes procesar el archivo (no hay límite de duración en el archivo mismo), pero solo las primeras ~500 palabras contarán para la asignación gratuita de hoy.
Para usuarios casuales que transcriben un MP3 corto cada pocos días, el nivel gratuito es suficiente. Para cualquiera que procese rutinariamente audio de formato largo (podcasters, periodistas, investigadores, creadores de contenido), el plan Pro elimina el límite. Cuesta 10 dólares por mes u 80 dólares por año. Detalles completos y precios de Pro. El plan gratuito es permanente y no tiene caducidad, por lo que puedes verificar el flujo de trabajo antes de pagar.
Gratis y Pro utilizan el mismo modelo Whisper y producen transcripciones idénticas. Pro simplemente elimina el límite de palabras y añade funciones de flujo de trabajo como vocabulario personalizado y respaldo en la nube prioritario (si lo activas). Para el uso puro de MP3 a texto, la única diferencia práctica es el límite diario.
El flujo de trabajo de MP3 descrito anteriormente es el mismo patrón que el de varias guías adyacentes. Si tu archivo es una nota de voz de iPhone, consulta cómo convertir M4A a texto. Si es una entrevista grabada, consulta cómo transcribir entrevistas. Si es un episodio de podcast, consulta cómo transcribir podcasts. Si es una grabación de una llamada de Zoom, consulta la guía de transcripción de llamadas de Zoom. Si es un sermón o conferencia, consulta cómo transcribir sermones o cómo transcribir conferencias. Todos estos usan el mismo flujo de arrastrar y soltar; solo cambia el audio de origen.
El mismo flujo de trabajo para Notas de Voz de iPhone y archivos de audio de Zoom.
Procesa grabaciones de estudio sin comprimir y archivos de audio profesional.
Cómo funciona la transcripción completamente local y por qué es importante para la privacidad.
El flujo de trabajo específico para audio de entrevistas de periodistas e investigadores.