Elige un audio o un video y Whisper, de OpenAI, convierte la voz en texto aquí mismo, en esta pestaña del navegador. No se sube nada a ningún servidor. Es gratis, no pide registro y no tiene límite de minutos.
Comprobando qué admite tu navegador...
¿Prefieres hablar en vez de escribir? StarWhisper lleva el mismo Whisper a cualquier cuadro de texto de tu PC o Mac. Pulsas un atajo de teclado, hablas y las palabras aparecen en tu correo, tu documento o tu chat. Gratis hasta 2000 palabras por semana, sin registro.
Pruébalo gratisLos audios de WhatsApp son archivos Opus, y esta página lee ese formato. Primero guarda el audio como archivo:
Después elige el archivo arriba. Los nombres de los menús cambian un poco entre versiones de WhatsApp. Si el navegador del teléfono no abre el archivo, prueba desde un PC o un Mac.
La mayoría de los sitios gratuitos de transcripción suben tu grabación a sus servidores antes de empezar. Esta página no. Tu navegador decodifica el audio y se lo pasa a Whisper, que se ejecuta en la misma pestaña. Puedes comprobarlo: abre las herramientas para desarrolladores del navegador, ve a la pestaña Red (Network) y transcribe algo. La primera vez verás llegar los archivos del modelo desde huggingface.co, y ninguna subida de tu archivo.
Por eso es una opción razonable para entrevistas, llamadas con clientes, notas médicas o legales y cualquier otra grabación que prefieras no entregar a terceros.
Dos cosas sí salen de la página, y ninguna contiene tu archivo ni tus palabras. Si aceptas las cookies, se carga la analítica habitual del sitio, igual que en cualquier otra página. Y la página envía a nuestro servidor algunos conteos anónimos, sin cookies: cuando eliges un archivo (su tamaño aproximado y cómo lo lee la página), cuando termina una transcripción (el modelo, CPU o GPU, una duración aproximada, como "1 a 5 minutos", y la velocidad) y cuando algo falla (el paso que falló). Así sabemos si alguien lo usa y dónde falla. El código es abierto y está en GitHub, así que puedes leer exactamente lo que hace.
| Modelo | Descarga en CPU / GPU | Ideal para |
|---|---|---|
| Tiny | 41 MB / 120 MB | Borradores rápidos de voz muy clara (mejor en inglés), equipos y teléfonos antiguos |
| Base | 77 MB / 206 MB | La mayoría de las grabaciones con una o dos personas que hablan con claridad |
| Small | 249 MB / 586 MB | Acentos, ambientes ruidosos, cuando la precisión importa más que la velocidad |
Las versiones para GPU pesan más porque guardan los pesos en un formato que las tarjetas gráficas ejecutan bien. Los tres modelos son multilingües y cubren los 99 idiomas con los que se entrenó Whisper. Para español, empieza por Base. Si el resultado trae muchos errores, prueba el modelo más grande antes que nada.
Funciona con audio en MP3, WAV, M4A, AAC, OGG, Opus, FLAC y WEBM, y con la pista de audio de videos MP4, MOV, MKV y WEBM. Chrome y Edge son los que leen más formatos. Si un archivo no se abre, conviértelo antes a MP3 o WAV.
No hay límite de minutos, pero el trabajo lo hace tu dispositivo, así que él marca el ritmo. Una tarjeta gráfica con WebGPU es mucho más rápida que el procesador solo, y con el procesador una grabación larga puede tardar más de lo que dura. Deja la pestaña abierta hasta que termine. En Chrome y Edge los archivos grandes se leen por partes, así que un video de varios GB funciona en un equipo de escritorio o portátil. Los navegadores sin esa función se quedan en 1 GB en esos equipos y en 200 MB en un teléfono.
Esta página es para archivos que ya tienes. Para dictar, la aplicación StarWhisper es el mismo Whisper como programa nativo en Windows y en Mac con Apple Silicon. Pulsas un atajo de teclado, hablas y el texto aparece en la aplicación donde estés escribiendo: correo, Word, Slack, tu editor de código. Usa CUDA, Vulkan o Metal para ir más rápido y funciona sin conexión una vez configurada. El plan gratuito cubre 2000 palabras de dictado por semana y no pide cuenta. Pro añade la transcripción de archivos dentro de la aplicación, sin los límites de memoria de un navegador, y los modelos Medium y Large.
Descarga StarWhisper o mira cómo se compara con ejecutar whisper.cpp por tu cuenta.
Sí. El trabajo lo hace tu dispositivo, así que no pagamos nada por minuto ni tenemos motivo para ponerte un tope. No pide cuenta y no añade marca de agua al texto.
No. El archivo se lee y se transcribe dentro de tu navegador. Solo se descargan la página, las bibliotecas de transcripción de jsDelivr y los archivos del modelo de Hugging Face.
Sí. Guarda el audio como archivo, como se explica arriba, y elígelo aquí. Se procesa en tu dispositivo, así que la conversación no pasa por ningún servidor.
Sí, es la opción predeterminada. Whisper escucha los primeros 30 segundos y elige el idioma más probable. Si la grabación empieza con música o silencio, es mejor que elijas el idioma tú.
Whisper puede traducir la voz de otros idiomas a texto en inglés. Marca "Traducir el resultado al inglés" antes de elegir el archivo. No traduce a otros idiomas.
No. Whisper escribe lo que se dijo, no quién lo dijo.
Normalmente porque el navegador no tiene WebGPU y Whisper se ejecuta en el procesador. El aviso debajo del cuadro de archivo te dice cuál estás usando. Lo más rápido es Chrome o Edge en un equipo reciente con Windows o Mac, y Tiny es el más veloz de los tres modelos.
Puede funcionar, en teléfonos recientes con un navegador actualizado, pero tienen mucha menos memoria, así que ahí la página solo ofrece Tiny y Base. Las grabaciones cortas funcionan mejor.