WAV a texto: transcribe archivos WAV en privado

WAV almacena el audio sin comprimir —la forma de onda en bruto, sin la reducción con pérdida que aplican MP3 o AAC—. Por eso es el formato por defecto para la captura seria: las interfaces de audio, las grabadoras digitales y los DAW escriben WAV porque conserva todo para editar y masterizar.

Para la transcripción, la ventaja es obvia: una señal limpia y de calidad completa es el input más fácil posible para un modelo de voz. El único costo real del WAV es el tamaño. Una grabación estéreo con ajustes típicos ronda los diez megabytes por minuto, así que una sesión de una hora son varios cientos de megabytes y una mezcla multipista larga puede llegar a gigabytes.

Como los archivos WAV se vuelven grandes, cargar uno entero en memoria antes de transcribir sería un problema: una pestaña del navegador solo puede retener cierta cantidad, y un par de gigabytes la desbordarían.

La herramienta lo evita con streaming. Lee el WAV de forma progresiva, lo decodifica al audio en bruto que necesita el modelo y transcribe en fragmentos, manteniendo en memoria solo una porción de trabajo a la vez y reensamblando la transcripción con tiempos a medida que avanza. Así es como una grabación muy grande logra procesarse en una laptop común sin que se caiga la pestaña. Los archivos más grandes igual tardan más —el trabajo es real y ocurre en tu hardware—, pero el tamaño por sí solo no lo detendrá.

Las personas que recurren al WAV son las personas para quienes es esta página. Los podcasters transcriben el máster WAV de un episodio para las notas del programa, los capítulos y un archivo buscable, y las marcas de tiempo hacen las veces de marcadores de capítulo. Los músicos y productores sacan letras o secciones habladas de los archivos de sesión. Los grabadores de campo y periodistas convierten en texto útil las grabaciones de locación y las entrevistas, a menudo capturadas en WAV en una grabadora dedicada por calidad.

Como todo se queda en tu dispositivo, nada de esto implica entregar una mezcla inédita o una entrevista extraoficial al servidor de otra persona.

Cada transcripción lleva marcas de tiempo, que es lo que hace posible el WAV a subtítulos. Exporta SRT o VTT cuando la grabación esté destinada a video —el montaje de un documental, un video musical, una charla subtitulada— y los subtítulos se alinean con el audio. Exporta TXT para las notas del programa, la transcripción de una entrevista o una copia de texto buscable.

El idioma se detecta automáticamente en unos 100 idiomas, y transcribe en el idioma original en lugar de traducir. Los tres formatos de exportación salen del mismo resultado con tiempos, así que puedes guardar las notas del programa y los subtítulos de una sola transcripción.