Convertidor de vídeo a text: com convertir qualsevol vídeo en text

Per l'equip editorial de whispertranscribe.ai · Actualitzat: novembre de 2026 · Lectura: 13 minuts

Un convertidor de vídeo a text extreu la parla de la pista d'àudio d'un vídeo i la retorna com una transcripció que pots editar, cercar o convertir en subtítols. Per utilitzar-lo, tria la llengua parlada, puja el fitxer o enganxa'n l'enllaç, activa la detecció de parlants si parla més d'una persona i exporta DOCX, TXT, PDF, CSV, SRT o VTT.

A continuació: les quatre procedències d'un vídeo, problemes propis del vídeo, l'exportació adequada per a cada tasca i la comparació de preus de les principals eines, revisada el novembre de 2026.

Com funciona un convertidor de vídeo a text?

Un convertidor ignora la imatge. Llegeix el flux d'àudio del contenidor (MP4, MOV, MKV), executa el reconeixement de parla i marca el temps de cada frase. El text de les diapositives, el codi en pantalla o els subtítols incrustats a la imatge no arriben a la transcripció.

Per tant, el so determina la qualitat de la transcripció i tu has d'afegir allò que els espectadors només veuen. La guia del W3C sobre transcripcions anomena transcripció descriptiva la que inclou aquesta informació visual.

On és el vídeo? Quatre fonts, quatre opcions

Tria l'opció segons on es trobi el vídeo ara mateix.

El vídeo és... Exemples típics Millor opció Comprova primer
Un fitxer al dispositiu Clips del mòbil, càmera, enregistraments de Zoom o OBS, exportacions de l'editor Puja el fitxer Menys de 5GB i 10 hores; que la pista de parla sigui la que vols
En línia darrere d'un enllaç YouTube, Vimeo, Google Drive, Dropbox Enganxa l'enllaç Que s'obri sense iniciar sessió
Ara mateix a la pantalla Un seminari web, una demostració o una trucada al navegador Enregistra la pantalla i transcriu Que s'inclogui l'àudio del sistema o de la pestanya
Ja subtitulat Una pujada pròpia a YouTube, un MKV amb pista de subtítols Reutilitza els subtítols; transcriu només si són dolents Si són automàtics o revisats

1. Un fitxer de vídeo a l'ordinador o mòbil

Puja l'exportació original de l'editor o aplicació d'enregistrament, no una còpia enviada per missatgeria, que sovint torna a comprimir el so. La pàgina de vídeo a text de whispertranscribe.ai accepta fitxers de fins a 5GB i 10 hores.

2. Un enllaç de YouTube, Vimeo, Google Drive o Dropbox

La nostra eina de transcripció d'URL accepta enllaços de YouTube, Vimeo, Google Drive i Dropbox. La condició que sovint causa problemes és que l'enllaç ha de ser públic. Si falla, el missatge de l'eina demana que l'enllaç sigui públic i que el fitxer es pugui baixar sense iniciar sessió.

A Google Drive, obre Share i, a General access, tria Anyone with the link. L'ajuda de Google per compartir indica que això permet obrir el fitxer sense iniciar sessió. Els comptes de feina o escola poden bloquejar-ho; en aquest cas baixa el fitxer i puja'l. Per a YouTube, la pàgina de transcripció de YouTube segueix el mateix procés d'enganxar l'enllaç.

3. Alguna cosa que es reprodueix a la pantalla

Si el vídeo no està desat, enregistra'l primer amb els consentiments necessaris i el permís de l'organitzador. La gravadora de pantalla al navegador captura pantalla, càmera web, micròfon i so del sistema, i després genera una transcripció, un resum amb IA i subtítols. Inclou l'àudio del sistema quan la parla procedeix de l'ordinador, com les altres persones d'una trucada; altrament només capturaràs el teu micròfon.

4. Un vídeo que ja té subtítols

Comprova si el text ja existeix:

  • Vídeo de YouTube d'una altra persona. Si té subtítols, YouTube permet clicar Show transcript a la descripció i llegir-los, segons l'ajuda de YouTube. Els subtítols automàtics no tenen etiquetes de parlants i sovint fallen en els noms.
  • Un vídeo propi pujat a YouTube. Pots baixar la pista de subtítols des de YouTube Studio. La guia sobre com transcriure un vídeo de YouTube explica les dues opcions.
  • Un fitxer amb una pista de subtítols interna. Els fitxers MKV i MP4 poden tenir subtítols de text en un flux separat. FFmpeg els pot llistar i extreure:
ffprobe -v error -show_entries stream=index,codec_type,codec_name -of compact input.mkv
ffmpeg -i input.mkv -map 0:s:0 subtitles.srt

Hem comprovat aquestes ordres amb FFmpeg 4.3 a macOS: la primera llista un flux subrip i la segona el desa com a SRT. Això només comprova la sintaxi. Les pistes basades en imatges, com els subtítols de DVD, no es poden desar com a text d'aquesta manera. La guia sobre com exportar subtítols SRT aprofundeix en editors i codis de temps.

Com convertir un vídeo en text amb whispertranscribe.ai

Aquests passos segueixen la pàgina de vídeo a text de whispertranscribe.ai. whispertranscribe.ai és una eina web de transcripció amb IA basada en Whisper d'OpenAI que transforma àudio i vídeo en text en més de 130 llengües, amb pujades de fins a 5GB i 10 hores. Funciona al navegador; no cal instal·lar cap aplicació.

  1. Tria la llengua parlada (pas 1 de la pàgina). La llista cobreix més de 130 llengües, amb variants regionals com English (India), l'opció Noise / Low-Quality Audio/Video per a moltes llengües i Multilingual Mix per a vídeos que canvien d'idioma.
  2. Afegeix el vídeo (pas 2). Arrossega el fitxer al quadre o cerca'l. Per a un enllaç, utilitza Transcriu des d'un URL i fes clic a Start URL Transcription.
  3. Activa Enable Speaker Detection per a entrevistes, taules rodones i reunions. Deixa-la desactivada per a un sol narrador.
  4. Inicia la transcripció amb el botó de conversió sota el quadre de pujada.
  5. Revisa i exporta. Comprova noms, xifres i canvis de parlant amb el vídeo i baixa el format necessari (vegeu la taula següent).

Amb àudio net, la precisió arriba fins al 99%. La música de fons, el soroll ambiental, els accents marcats o les veus superposades la redueixen, així que reserva temps per revisar. Si vols fer una prova, la pàgina de transcripció gratuïta funciona sense compte. La quantitat que pots transcriure o exportar sense pla es determina al lloc i pot canviar. Els plans comencen a $9.99 al mes amb facturació anual (preus).

Quins formats de vídeo pots pujar?

El quadre de pujada enumera aquests contenidors de vídeo juntament amb formats d'àudio: MP4, MOV, M4V, MKV, AVI, WMV, WEBM, MPG i MPEG. No cal convertir-los.

Contenidor Procedència habitual Abans de pujar
MP4 Mòbils, enregistraments de Zoom, exportacions d'editors Utilitza l'exportació final, no una còpia de missatgeria
MOV Càmera de l'iPhone, QuickTime, editors d'Apple Les exportacions de qualitat ocupen molt; extreu l'àudio si supera 5GB
M4V Exportacions d'Apple, alguns convertidors Tracta'l com MP4
MKV Enregistraments OBS, fitxers amb diverses pistes Comprova quina pista d'àudio conté la parla
AVI, WMV Càmeres antigues i programari de Windows Es poden utilitzar tal com són; els fitxers antics poden tenir so deficient
WEBM Gravadores al navegador i eines web Es pot utilitzar tal com és
MPG, MPEG DVD, càmeres antigues, captura de televisió Es pot utilitzar tal com és; pot tenir més soroll

Diverses pistes d'àudio? OBS pot desar una pista per micròfon i les pel·lícules poden tenir doblatges. La pàgina no indica quina pista es transcriu. Extreu la que vulguis com a MP3 (per exemple, ffmpeg -i input.mkv -map 0:a:1 -vn speech.mp3 pren la segona pista d'àudio) i puja-la.

Fitxer massa gran? El nostre convertidor de vídeo a MP3 indica que extreu l'àudio dins del navegador sense pujar el vídeo, i que el MP3 resultant és molt més petit que el vídeo original.

Per què el vídeo és més difícil de transcriure que l'àudio i què pots fer

El vídeo planteja problemes que una nota de veu no té. Les solucions següents són pràctiques d'edició, no resultats de proves pròpies de precisió.

Problema Per què passa en vídeo Què pots fer
Música de fons Les introduccions, imatges de recurs i videoblogs posen música sota la veu Transcriu l'exportació només de veu; si no, tria l'opció Noise / Low-Quality
Diversos parlants Taules rodones, pòdcasts filmats, reunions Activa la detecció i canvia els noms «Speaker 1» i «Speaker 2»
Demostracions amb pantalla compartida La informació clau és a la pantalla i els teclats i ventiladors fan soroll Afegeix el text visual manualment; silencia notificacions i grava amb el micròfon a prop
Subtítols desincronitzats amb els llavis El vídeo s'ha retallat o modificat després de fer la transcripció Torna a generar-la des de l'exportació final o mou les marques de temps en un editor
Enregistraments llargs Seminaris web, classes i emissions duren hores Respecta el límit de 10 hores i 5GB; divideix fitxers llargs o extreu-ne l'àudio
Llengües barrejades Entrevistes bilingües, presentadors que canvien de llengua Utilitza Multilingual Mix o divideix el vídeo per llengua

Música sota la parla: si has creat el vídeo, exporta una versió amb la música silenciada; les marques coincideixen perquè la durada no canvia. (L'opció English (Songs & Lyrics) està pensada per a paraules cantades, no per a parla sobre música.)

Enregistraments de pantalla: «fes clic aquí i escriu això» no significa res sobre paper. Durant la revisió, afegeix el detall de pantalla entre claudàtors, per exemple «[Settings > Billing]».

Vídeos molt llargs

La pàgina rebutja fitxers de més de 10 hores i demana escurçar-los. FFmpeg pot dividir un enregistrament llarg sense tornar-lo a codificar:

ffmpeg -i stream.mp4 -c copy -f segment -segment_time 18000 -reset_timestamps 1 part_%02d.mp4

Això demana parts de 5 hores. Els talls sense recodificació es fan als fotogrames clau, de manera que les durades són aproximades; les marques de temps de cada part tornen a començar a zero.

Quin format d'exportació hauries de triar?

Tria el format segons la destinació del text. Una mateixa transcripció es pot exportar diverses vegades.

Format Conserva els temps per a reproductors S'obre amb Tria'l quan la transcripció...
DOCX No Word, Google Docs S'editarà com a article, notes del programa o material de curs
PDF No Qualsevol lector PDF S'enviarà a un client o arxivarà com a còpia fixa
TXT No Editor de text, CMS, assistent d'IA S'enganxarà en un altre lloc o es resumirà
CSV No documentat a la pàgina Excel, Google Sheets S'ordenarà, codificarà o cercarà cita per cita
SRT Sí YouTube, Vimeo, Premiere, Resolve, VLC Es convertirà en subtítols en una plataforma o editor
VTT Sí Reproductors web HTML5, Vimeo, YouTube Es convertirà en subtítols al reproductor del teu web

Si l'objectiu principal són els subtítols, el generador de subtítols i el convertidor de MP4 a SRT tenen un paràmetre Maximum Words per Subtitle (8 per defecte) que manté les línies curtes. whispertranscribe.ai crea fitxers de subtítols; no els incrusta a la imatge. Les guies què és un fitxer SRT i com afegir subtítols als vídeos tracten la pujada.

Fluxos de vídeo a text per a quatre tasques habituals

Cada procés comença amb un vídeo acabat i acaba amb alguna cosa que pots publicar o enviar.

Cursos en línia i classes enregistrades

  1. Exporta cada lliçó en un fitxer separat perquè les transcripcions corresponguin als mòduls.
  2. Tria la llengua i la variant d'accent del docent; utilitza la detecció de parlants només si intervenen alumnes.
  3. Exporta SRT per al reproductor del curs i DOCX com a material, afegint encapçalaments i contingut de diapositives entre claudàtors, com fórmules.
  4. Posa la transcripció o un enllaç just sota el vídeo, com recomana el W3C.

Entrevistes en vídeo

  1. Si pots, dona un micròfon a cada persona perquè els canvis de parlant siguin més clars.
  2. Puja el fitxer amb detecció de parlants i substitueix les etiquetes genèriques pels noms.
  3. Exporta CSV per codificar respostes de recerca o DOCX per a un article de preguntes i respostes.
  4. Torna a escoltar cada línia abans de citar-la i explica als entrevistats com s'utilitzarà la transcripció.

Reunions i seminaris web enregistrats

  1. Utilitza l'MP4 de la plataforma o captura la sessió amb la gravadora de pantalla i l'àudio del sistema activat, després d'obtenir els consentiments i el permís de l'organitzador necessaris.
  2. Activa la detecció de parlants i exporta TXT per a un resum i DOCX per a l'acta.
  3. Posa les decisions i els responsables en una llista breu al principi.
  4. Elimina els fitxers que ja no necessitis. Per als detalls de Teams i Zoom, consulta com transcriure una reunió de Zoom.

Reutilitzar vídeos propis de YouTube com a articles

  1. Enganxa l'enllaç del teu vídeo a l'eina d'URL i exporta TXT.
  2. Elimina falques, inicis falsos i moments com «com podeu veure aquí».
  3. Converteix cada capítol en un H2, afegeix captures on assenyalaves la pantalla i insereix el vídeo al principi.
  4. Per arribar a un altre públic, tradueix l'àudio a l'anglès o afegeix una segona pista de subtítols.

Reutilitza només vídeos propis o que tinguis permís d'utilitzar; consulta la secció de drets d'autor següent.

Comparació de convertidors de vídeo a text (novembre de 2026)

whispertranscribe.ai publica aquesta guia i per això apareix primer, amb les seves limitacions. Les xifres provenen de les pàgines dels proveïdors, consultades el novembre de 2026; «No verificat» vol dir que no hem pogut llegir aquella dada.

Eina Preu de pagament inicial Opció gratuïta Enllaços de vídeo Llengües Exportacions (segons les pàgines) Limitació real
whispertranscribe.ai Des de $9.99/mes amb facturació anual Inici gratuït sense compte; límits indicats al lloc YouTube, Vimeo, Google Drive, Dropbox 130+ DOCX, PDF, TXT, CSV, SRT, VTT Sense vocabulari personalitzat, subtítols incrustats, transcripció humana ni aplicació mòbil; els enllaços han de ser públics
TurboScribe $10/mes amb facturació anual ($20 mensuals) 3 fitxers al dia, fins a 30 minuts cadascun YouTube (enumerat amb els formats de pujada) 98+ DOCX, PDF, TXT, CSV, SRT, VTT Una persona per compte; els fitxers gratuïts esperen en una cua de prioritat inferior
HappyScribe $8.50/mes amb facturació anual ($17 mensuals), 120 minuts d'IA al mes Prova d'IA de 10 minuts YouTube, Vimeo, Drive, Box, Dropbox 150+ Basic: TXT, SRT, PDF, DOCX; VTT des de Pro Els minuts del pla Basic s'esgoten ràpidament amb vídeos llargs
Descript $16 per persona/mes amb facturació anual ($24 mensuals), 10 hores de mitjans 60 minuts de mitjans al mes No comprovat 25 No comprovat Les hores compten cada fitxer pujat, transcrit o no; està pensat per editar, no per a transcripció massiva
VEED No verificat Prova sense registre; registre per descarregar; vídeos gratuïts amb marca d'aigua No comprovat 125+ TXT, SRT, VTT als plans de pagament Els fitxers de subtítols i transcripcions requereixen una ampliació de pla
Notta $8.17/mes amb facturació anual ($97.99 l'any) 120 minuts al mes, fins a 3 minuts per conversa No comprovat 58 L'exportació requereix Pro El pla gratuït no exporta transcripcions
YouTube «Show transcript» Gratis Gratis Només vídeos que ja tinguin subtítols Varia segons els subtítols Cap (llegir i copiar) Sense etiquetes de parlants ni fitxer; no funciona en vídeos sense subtítols
  • TurboScribe també funciona amb Whisper i els mateixos límits de 10 hores i 5GB; canvien els plans, les llengües i les fonts d'enllaços.
  • HappyScribe ven revisió humana des de $2.00 per minut. Nosaltres no oferim transcripció humana, així que és més adequat per a registres que una persona ha de revisar paraula per paraula.
  • Descript i VEED són principalment editors de vídeo. Per tallar vídeo editant text o incrustar subtítols amb estil a la imatge, utilitza'ls.
  • Notta enumera vocabulari personalitzat als plans de pagament. Nosaltres no en tenim.

Per a una comparació més àmplia, consulta el recull del millor programari de transcripció amb IA i, per a fitxers només d'àudio, la guia de convertidors d'àudio a text.

Drets d'autor i privadesa abans de pujar

Aquesta secció és informació general, no assessorament jurídic.

Transcriu només vídeos que tinguis dret a utilitzar: enregistraments propis, material amb llicència o contingut que tinguis permís de processar. Una transcripció copia les paraules, per tant publicar íntegrament les d'una altra persona planteja les mateixes qüestions que tornar a publicar el vídeo. Als EUA, l'ús legítim es decideix cas per cas amb quatre factors, i l'Oficina de Drets d'Autor dels EUA indica que no hi ha una quantitat fixa automàticament segura. La política de whispertranscribe.ai prohibeix transcriure àudio o vídeo protegit d'altres persones sense el consentiment del titular. En cas de dubte, consulta el titular o un advocat.

Obtén els consentiments necessaris de les persones davant la càmera i el permís de l'organitzador abans d'enregistrar. Informa els participants que es transcriurà l'enregistrament. Les normes varien segons el lloc; per als EUA consulta la guia de lleis d'enregistrament de trucades per estat.

Coneix la destinació del fitxer. Això és el que diu, resumidament, la política de privadesa de whispertranscribe.ai:

  • Els fitxers originals d'àudio i vídeo pujats s'eliminen automàticament després del processament.
  • Els fitxers MP3 extrets durant el processament es conserven 30 dies per defecte, i els pots eliminar abans.
  • Les transcripcions romanen al compte fins que les eliminis. L'eliminació és permanent i la política indica que no s'ofereixen serveis de còpia de seguretat ni de recuperació del contingut eliminat.
  • El contingut no s'utilitza per entrenar models d'IA i cap persona no el revisa.
  • Seguretat indicada: TLS 1.3 per a dades en trànsit i AES-256 per a dades emmagatzemades. OpenAI apareix com a proveïdor de serveis d'IA.

La mateixa política indica que la transcripció de fitxers multimèdia està destinada a ús personal i no comercial; llegeix tota la política i les condicions abans d'utilitzar-la per a clients o empreses.

Preguntes freqüents

Quin és el millor convertidor de vídeo a text?

El millor és el que gestiona les teves gravacions reals; prova la mateixa mostra d'un minut de l'àudio habitual en diversos candidats. Per a pujades llargues i moltes llengües, whispertranscribe.ai i TurboScribe accepten fitxers de fins a 10 hores. HappyScribe afegeix revisió humana de pagament. Descript i VEED són útils si també edites el vídeo. Compara les etiquetes de parlants, els noms i les exportacions, no només la xifra de precisió anunciada.

Puc convertir un vídeo en text gratis?

Sí, amb límits. YouTube mostra una transcripció gratuïta de vídeos que ja tenen subtítols, i FFmpeg pot extreure gratis una pista de subtítols de text existent d'un MKV o MP4. La majoria de convertidors també ofereixen accés gratuït: whispertranscribe.ai té una pàgina sense compte, i TurboScribe ofereix tres fitxers al dia. Els nivells gratuïts solen limitar durada, volum o exportacions; comprova cada lloc.

Com converteixo un vídeo de YouTube en text?

Si el vídeo té subtítols, fes clic a Show transcript a la descripció per llegir-lo. Per obtenir un fitxer descarregable amb etiquetes de parlants, enganxa l'enllaç a una eina de transcripció d'URL, tria la llengua i exporta TXT, DOCX o SRT. El vídeo ha de ser públic i només has de transcriure vídeos propis o que tinguis permís d'utilitzar, perquè una transcripció copia el contingut parlat.

Un convertidor de vídeo a text captura el text de la pantalla?

No. Transcriu la pista d'àudio, així que els títols de diapositives, el codi i els subtítols incrustats a la imatge no apareixen a la transcripció si ningú no els diu en veu alta. En tutorials i classes, afegeix els detalls visuals importants entre claudàtors durant la revisió. El W3C anomena transcripció descriptiva la que inclou aquesta informació visual, útil per a qui llegeix sense el vídeo.

Quina durada pot tenir un vídeo per transcriure'l?

A whispertranscribe.ai, un fitxer pot durar fins a 10 hores i ocupar fins a 5GB; els més llargs es rebutgen amb un missatge que demana escurçar-los. Per a una emissió més llarga, divideix-la en parts amb un editor de vídeo o FFmpeg, o extreu primer l'àudio com a MP3, que també redueix la mida. Altres eines tenen límits propis: el pla gratuït de TurboScribe arriba a 30 minuts per fitxer.

Puc obtenir subtítols i transcripció del mateix vídeo?

Sí. Una transcripció es pot exportar diverses vegades, de manera que pots baixar DOCX o TXT per llegir i SRT o VTT per a subtítols del mateix vídeo. SRT és l'opció més segura per a YouTube i la majoria d'editors, mentre que VTT convé als reproductors web HTML5. Si els subtítols són l'objectiu principal, utilitza una eina que limiti les paraules per línia perquè siguin fàcils de llegir.

Converteix el teu proper vídeo en text

Comença a whispertranscribe.ai amb el convertidor de vídeo a text: tria la llengua parlada (més de 130 opcions), puja un vídeo de fins a 5GB i 10 hores o enganxa un enllaç públic a Transcriu des d'un URL.

Referències

Vols convertir les teves gravacions en text?

Transcriu àudio i vídeo amb whispertranscribe.ai.

Comença a transcriure ↗