Transcribir audio a texto online: MP3, M4A, WAV y notas de voz con marcas de tiempo. Audio a texto con resumen, subtítulos SRT/VTT y JSON para agentes.
La misma canalización fiable de Vocce, centrada en esta tarea. Empieza gratis y pasa a planes desde 9,90 $/mes cuando necesites más.
Una hora de conversación son unas 9.000 palabras escritas. Pasarlas a mano te lleva casi toda una jornada laboral, y rebobinar la grabación para encontrar una cita concreta es un suplicio aparte. Convertir audio a texto te da algo que puedes leer, buscar y pegar — normalmente en un par de minutos.
Las grabaciones que la gente tiene de verdad rara vez son limpias: un móvil dejado sobre la mesa, dos voces hablando a la vez, un profesor al otro lado del aula. Vocce procesa cada archivo con los mismos pasos — normaliza el volumen, reduce el ruido y luego transcribe con marcas de tiempo a nivel de palabra — para que no tengas que ajustar nada antes de que ocurra.
Lo que obtienes es texto plano para tus notas, SRT o VTT si el origen era vídeo, un resumen con las decisiones y tareas pendientes extraídas, y una versión JSON para lo que venga después. Los primeros tres minutos de cualquier archivo son gratis para comprobar la calidad, y si un trabajo falla no te cuesta nada.
La nivelación de volumen y la reducción de ruido se ejecutan antes de la transcripción, así que un orador con voz baja o un aire acondicionado no se traducen en silencios en blanco.
Cada línea está anclada al audio. Los archivos largos se dividen, se transcriben en paralelo y se vuelven a unir para que una grabación de cuatro horas se mantenga sincronizada en las costuras.
Inglés, chino mandarín, español, hindi, árabe y decenas más — se detectan solos, o puedes fijar el idioma tú mismo si prefieres no dejarlo al azar.
TXT, Markdown, DOCX, SRT, VTT y un esquema JSON limpio para scripts y agentes — no una caja de solo lectura de la que tengas que copiar.
Las palabras que el modelo no tiene claras se marcan en lugar de inventarse en silencio, así que sabes qué diez segundos merecen una segunda escucha.
Ejecútalo en el navegador, o lanza la misma petición desde la API REST, la CLI o un servidor MCP conectado a tu agente.
Convierte entrevistas y episodios en transcripciones buscables y citables con marcas de tiempo — listas para artículos, notas del programa y clips.
Transforma clases, seminarios y grabaciones de campo en texto que puedes ojear, anotar y citar en lugar de volver a escuchar durante horas.
Envía las grabaciones de llamadas a una sola entrada y obtén texto limpio más JSON listo para agentes que tus herramientas pueden procesar automáticamente.
Arrastra un MP3, M4A, WAV o cualquier archivo de audio común a la herramienta de arriba. Vocce limpia el audio, ejecuta el reconocimiento de voz y te devuelve una transcripción con marcas de tiempo y exportaciones en TXT, DOCX, SRT y JSON. Los primeros tres minutos son gratis, sin necesidad de tarjeta.
MP3, M4A, WAV, AAC, FLAC, OGG y WMA funcionan directamente — y los archivos de vídeo como MP4 o MOV también valen, porque Vocce extrae y normaliza la pista de audio por ti.
El audio se limpia y se normaliza el volumen antes de transcribir una palabra, que es donde se gana la mayor parte de la precisión. Cada trabajo incluye un informe de calidad, y las palabras dudosas se marcan en lugar de adivinarse.
Sí — para eso está el paso de limpieza. Las grabaciones de teléfono, el habla con acento y las habitaciones ruidosas entran tal cual; no tienes que preprocesar nada.
La separación de hablantes está en camino para grabaciones con varias personas. Hoy cada línea lleva una marca de tiempo, así que seguir el intercambio en una entrevista de dos personas sigue siendo fácil.
Sí. Los archivos largos se dividen en fragmentos, se transcriben en paralelo y se vuelven a unir con marcas de tiempo continuas — una grabación de cuatro horas no se desvía en las costuras.
Los archivos se procesan para tu trabajo y no se usan para entrenar nada. Exportas lo que necesitas y las copias de trabajo se eliminan — nada se publica en ningún sitio.
Cada archivo tiene una vista previa gratuita de tres minutos con un informe de calidad. Más allá de eso, el nivel gratuito cubre 30 minutos al mes, y los planes de pago empiezan en $9.90/mes — los trabajos fallidos no se cobran.