MP3 a texto: transcribe archivos MP3 en privado

Los MP3 te llegan de todas partes. Las grabadoras de voz y los dispositivos de dictado guardan en MP3 por defecto porque es pequeño y universal. Los episodios de podcast descargados casi siempre son MP3. Y los archivos más viejos —entrevistas, segmentos de radio, clases, grabaciones de historia oral— muchas veces se guardaron como MP3 hace años y quedaron en el olvido.

Todos funcionan aquí de la misma forma. La herramienta decodifica el MP3 a audio en bruto, lo pasa por el modelo de voz en tu dispositivo y te da texto con sincronización. No importa de dónde salió el archivo ni qué tan viejo sea; si se reproduce, se transcribe.

La gente se preocupa de que un MP3 de bitrate bajo —una nota de voz a 64kbps, por ejemplo— se transcriba peor que un archivo nítido a 320kbps. Para la voz, la diferencia es mucho menor de lo que esperarías.

Los modelos de reconocimiento de voz se fijan en el rango de frecuencias donde vive la voz humana, y ese rango sobrevive bien a la compresión MP3. Una grabación muy comprimida de un hablante claro suele transcribirse con casi la misma precisión que una de bitrate alto. Lo que sí perjudica la precisión es el contenido del audio en sí: varias personas hablando al mismo tiempo, mucho ruido de fondo, micrófonos lejanos o apagados, y acentos marcados. Si a una persona le cuesta entender una grabación, al modelo también le costará, y ahí es donde el nivel de modelo más grande y preciso justifica su descarga.

Los episodios de podcast y las reuniones grabadas suelen ser largos, y un MP3 de más de una hora es normal. La herramienta maneja la duración dividiendo el audio en fragmentos y transcribiéndolos en secuencia, para luego volver a unir el resultado con tiempos, de modo que obtienes una transcripción continua en lugar de tener que cortar el archivo tú mismo.

Como el modelo se ejecuta en tu hardware, un archivo largo simplemente tarda más en terminar y usa más memoria mientras trabaja. En una laptop eso es cómodo incluso para grabaciones de varias horas; en un teléfono, los archivos muy largos son más lentos y encajan mejor con el nivel de modelo rápido. No hay límite de tiempo impuesto de nuestro lado: el techo es tu dispositivo, no nuestro servidor.

La misma transcripción te da tres salidas. Exporta TXT para un guion limpio y legible, ideal para convertir un podcast en una entrada de blog, citar una entrevista o buscar una frase en una clase. Exporta SRT o VTT cuando el MP3 sea la banda sonora de un video y quieras subtítulos con tiempos.

Como los formatos de subtítulos y el texto plano se generan a partir del mismo resultado con marcas de tiempo, puedes guardar uno y luego el otro sin volver a ejecutar la transcripción. Las ediciones que hagas antes de exportar se trasladan a cualquiera de los formatos que elijas.