Conversor de vídeo a texto: cómo transcribir cualquier vídeo

Por el equipo editorial de whispertranscribe.ai · Última actualización: noviembre de 2026 · 13 min de lectura

Un conversor de vídeo a texto extrae lo que se dice en la pista de audio y lo devuelve como una transcripción que puedes editar, buscar o convertir en subtítulos. Elige el idioma del audio, sube el archivo o pega su enlace, activa la detección de hablantes si participa más de una persona y exporta en DOCX, TXT, PDF, CSV, SRT o VTT.

Aquí veremos cuatro formas de obtener el vídeo, problemas propios del formato, qué exportación conviene para cada tarea y una comparación de precios de las principales herramientas, consultados en noviembre de 2026.

¿Cómo funciona un conversor de vídeo a texto?

El conversor no analiza la imagen. Lee la pista de audio dentro del contenedor (MP4, MOV, MKV), aplica reconocimiento del habla y asigna marcas de tiempo a cada frase. El texto de las diapositivas, el código que aparece en pantalla y los subtítulos incrustados en la imagen no llegan a la transcripción.

Por eso la calidad depende del sonido y tendrás que añadir todo lo que el público solo ve. La guía de transcripciones del W3C llama transcripción descriptiva a la que incorpora esa información visual.

¿Dónde está tu vídeo? Cuatro orígenes y cuatro métodos

Elige el método según dónde esté el vídeo ahora.

Tu vídeo está… Ejemplos habituales Método recomendado Qué comprobar primero
En un archivo de tu dispositivo Vídeos del móvil o cámara, grabaciones de Zoom u OBS, exportaciones de un editor Sube el archivo Menos de 5 GB y 10 horas; comprueba que la pista de voz sea la correcta
En internet, accesible por enlace YouTube, Vimeo, Google Drive, Dropbox Pega el enlace El enlace se abre sin iniciar sesión
Reproduciéndose en tu pantalla Un seminario web, una demostración o una llamada en el navegador Graba la pantalla y luego transcribe Se incluye el audio del sistema o de la pestaña
Ya subtitulado Un vídeo de tu canal de YouTube o un MKV con pista de subtítulos Reutiliza los subtítulos; transcribe solo si son deficientes Si los subtítulos son automáticos o ya se han revisado

1. Un archivo en tu ordenador o móvil

Sube la exportación original de la aplicación con la que grabaste o editaste. Una copia enviada por mensajería suele volver a comprimir el sonido. La página de vídeo a texto de whispertranscribe.ai admite archivos de hasta 5 GB y 10 horas.

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

La herramienta de transcripción por URL admite enlaces de YouTube, Vimeo, Google Drive y Dropbox. El requisito que suele causar problemas: el enlace debe ser público. Si falla, el mensaje de la herramienta pide comprobar que el enlace sea público y que el archivo se pueda descargar sin iniciar sesión.

En Google Drive, abre Compartir y elige Cualquier persona con el enlace en Acceso general. La ayuda de Google sobre compartir archivos indica que ese ajuste permite abrirlos sin iniciar sesión. Algunas cuentas de trabajo o estudios no lo permiten; en ese caso, descarga el archivo y súbelo directamente. Para YouTube, la página de transcripción de vídeos de YouTube usa los mismos pasos para pegar el enlace.

3. Algo que se está reproduciendo en la pantalla

Si el vídeo no está guardado, grábalo primero. El grabador de pantalla del navegador captura la pantalla, la cámara, el micrófono y el sonido del sistema. Después genera una transcripción, un resumen con IA y subtítulos. Incluye el audio del sistema cuando el sonido venga del ordenador, como las voces de otras personas en una llamada. Si no, solo grabarás tu micrófono.

4. Un vídeo que ya tiene subtítulos

Comprueba si ya existe el texto:

  • Un vídeo de YouTube de otra persona. Si tiene subtítulos, puedes pulsar Mostrar transcripción en la descripción y seguir el texto, según la ayuda de YouTube. Los subtítulos automáticos no identifican a los hablantes y suelen fallar en los nombres.
  • Un vídeo de tu canal de YouTube. Puedes descargar la pista de subtítulos desde YouTube Studio. Nuestra guía sobre cómo transcribir un vídeo de YouTube describe ambas opciones.
  • Un archivo con pista de subtítulos interna. MKV y MP4 pueden llevar subtítulos de texto como pista separada. FFmpeg puede enumerar las pistas y extraerlas:
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

Probamos ambos comandos con FFmpeg 7.1.5 en un archivo de prueba que creamos. El primero mostró una pista subrip y el segundo la guardó en SRT. Solo comprobamos la sintaxis. Las pistas de imagen, como los subtítulos de DVD, no se pueden convertir a texto así. Nuestra guía sobre cómo exportar subtítulos SRT explica los editores y códigos de tiempo con más detalle.

Cómo convertir un vídeo a texto con whispertranscribe.ai

Estos pasos siguen la página de vídeo a texto de whispertranscribe.ai. whispertranscribe.ai es una herramienta de transcripción con IA basada en Whisper, de OpenAI. Convierte audio y vídeo en texto en más de 130 idiomas, admite archivos de hasta 5 GB y 10 horas, y funciona en el navegador sin instalar una aplicación.

  1. Elige el idioma del audio (Step 1 en la página). La lista abarca más de 130 idiomas y variantes regionales, como inglés de la India. Muchos tienen una opción Noise / Low-Quality Audio/Video, y Multilingual Mix sirve para vídeos que cambian de idioma.
  2. Añade el vídeo (Step 2). Arrastra el archivo al cuadro o búscalo en tu equipo. Si tienes un enlace, usa Transcribir desde URL y pulsa Start URL Transcription.
  3. Activa Enable Speaker Detection para entrevistas, mesas redondas y reuniones. Déjalo desactivado si solo hay una voz.
  4. Inicia la transcripción con el botón de conversión debajo del cuadro de carga.
  5. Revisa y luego exporta. Contrasta con el vídeo nombres, cifras y cambios de hablante. Descarga el formato que necesites (consulta la tabla de exportación).

Con audio claro, la precisión llega hasta el 99 %. La música de fondo, el ruido de la sala, los acentos marcados y las voces superpuestas la reducen, así que reserva tiempo para revisar. Si quieres probarlo, la página de transcripción gratuita funciona sin cuenta. Cuánto puedes transcribir o exportar sin plan depende de las condiciones de la web y puede cambiar. Los planes parten de 9,99 USD al mes con facturación anual (precios).

¿Qué formatos de vídeo puedes subir?

El cuadro de carga enumera estos contenedores junto a los formatos de audio: MP4, MOV, M4V, MKV, AVI, WMV, WEBM, MPG y MPEG. No necesitas convertirlos.

Contenedor Origen habitual Antes de subir
MP4 Móviles, grabaciones de Zoom y la mayoría de las exportaciones Usa la exportación final y evita una copia enviada por chat
MOV Cámara del iPhone, QuickTime y aplicaciones de edición de Apple Las exportaciones de alta calidad pesan mucho; extrae el audio si supera 5 GB
M4V Exportaciones de aplicaciones de Apple y algunos conversores Trátalo como un MP4
MKV Grabaciones de OBS y archivos con varias pistas Comprueba qué pista de audio contiene el diálogo
AVI, WMV Cámaras antiguas y programas de Windows Súbelos tal cual; el sonido de archivos antiguos puede ser débil
WEBM Grabadores en el navegador y herramientas web Súbelo tal cual
MPG, MPEG DVD, videocámaras antiguas y capturas de televisión Súbelos tal cual; el audio puede tener más ruido

¿Hay varias pistas de audio? OBS puede guardar una por micrófono y las películas pueden tener doblajes en varios idiomas. La página no indica qué pista se transcribe. Extrae la que quieras en MP3 (por ejemplo, ffmpeg -i input.mkv -map 0:a:1 -vn speech.mp3 toma la segunda pista de audio) y sube ese archivo.

¿El archivo es demasiado grande? El conversor de vídeo a MP3 indica que extrae el audio en tu navegador, sin subir el vídeo. El MP3 resultante pesa mucho menos que el vídeo original.

Por qué cuesta más transcribir vídeo y qué puedes hacer

Los vídeos plantean problemas que no aparecen en una nota de voz. Las soluciones de abajo son prácticas de edición, no resultados de pruebas de precisión propias.

Problema Por qué aparece en vídeo Qué hacer
Música de fondo Las introducciones, los planos de recurso y los vlogs ponen música bajo la voz Transcribe una exportación con solo las voces. Si no puedes, elige Noise / Low-Quality
Varios hablantes Mesas redondas, pódcast grabados en vídeo y reuniones Activa la detección de hablantes y cambia una vez los nombres de «Hablante 1» y «Hablante 2»
Demostraciones con pantalla compartida Hay información importante en la imagen y ruido de teclados y ventiladores Añade el texto en pantalla a mano, silencia notificaciones y usa un micrófono cercano
Los subtítulos no coinciden con los labios Se recortó el vídeo o cambió su velocidad después de transcribir Vuelve a generar la transcripción a partir de la exportación final o desplaza todas las marcas de tiempo en un editor de subtítulos
Grabaciones largas Los seminarios web, las clases y las emisiones duran horas Mantente por debajo de 10 horas y 5 GB. Divide archivos más largos o extrae el audio
Varios idiomas Entrevistas bilingües o presentadores que alternan idiomas Usa Multilingual Mix o divide el vídeo según el idioma

Música de fondo: si hiciste tú el vídeo, exporta una versión con la música silenciada. Las marcas de tiempo siguen coincidiendo porque no cambia la duración. La opción English (Songs & Lyrics) está pensada para voces cantadas, no para diálogo con música de fondo.

Grabaciones de pantalla: «haz clic aquí y escribe esto» no dice mucho en papel. Al revisar, añade el detalle de la pantalla entre corchetes, como «[Ajustes > Facturación]».

Vídeos muy largos

La página rechaza archivos de más de 10 horas con un mensaje que pide acortarlos. FFmpeg puede dividir una grabación larga sin recodificar:

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

El comando solicita tramos de 5 horas. Al comprobar la sintaxis con un vídeo de 12 segundos y un objetivo de 5 segundos, el primer tramo duró unos 6 segundos, porque los cortes sin recodificación coinciden con fotogramas clave. Las duraciones serán aproximadas y las marcas de tiempo volverán a cero en cada tramo.

¿Qué formato de exportación conviene?

Elige el formato según dónde vaya el texto. Una misma transcripción se puede exportar varias veces.

Formato Conserva tiempos para el reproductor Se abre en Úsalo si la transcripción…
DOCX No Word, Documentos de Google Se editará para un artículo, notas del episodio o material del curso
PDF No Cualquier lector de PDF Se enviará a un cliente o se archivará como copia fija
TXT No Editor de texto, gestor de contenidos o asistente de IA Se pegará en otro sitio o se resumirá
CSV La página no lo documenta Excel, Hojas de cálculo de Google Se ordenará, se codificará o se buscará cita por cita
SRT Sí YouTube, Vimeo, Premiere, Resolve, VLC Se usará como subtítulos en una plataforma de vídeo o un editor
VTT Sí Reproductores web HTML5, Vimeo, YouTube Se usará como subtítulos en el reproductor de tu sitio web

Si tu objetivo principal son los subtítulos, el generador de subtítulos y el conversor de MP4 a SRT incluyen el ajuste Maximum Words per Subtitle (8 de forma predeterminada) para mantener cortas las líneas. whispertranscribe.ai crea archivos de subtítulos; no incrusta el texto en la imagen. Las guías sobre qué es un archivo SRT y cómo añadir subtítulos a un vídeo explican cómo subirlos.

Cómo convertir vídeo a texto en cuatro casos habituales

Cada proceso parte de un vídeo terminado y acaba con algo que puedes publicar o enviar.

Cursos en línea y clases grabadas

  1. Exporta cada clase en un archivo distinto para que las transcripciones correspondan con los módulos.
  2. Elige el idioma y la variante de la persona que imparte la clase. Activa la detección de hablantes solo si interviene el alumnado.
  3. Exporta en SRT para el reproductor del curso y en DOCX para el material de clase. Añade encabezados y el contenido de las diapositivas entre corchetes, como las fórmulas.
  4. Pon la transcripción o un enlace justo debajo del vídeo, como recomienda el W3C.

Entrevistas en vídeo

  1. Si puedes, dale un micrófono a cada persona: será más fácil distinguir los turnos.
  2. Sube el vídeo con la detección de hablantes activada y sustituye las etiquetas genéricas por los nombres.
  3. Exporta en CSV para codificar respuestas de investigación, o en DOCX para un artículo de preguntas y respuestas.
  4. Escucha cada frase antes de citarla y explica a las personas entrevistadas cómo usarás la transcripción.

Reuniones y seminarios web grabados

  1. Usa el MP4 de la plataforma o graba la sesión con el grabador de pantalla y el audio del sistema activado.
  2. Activa la detección de hablantes. Exporta en TXT para resumir y en DOCX para el acta.
  3. Pon al principio una lista breve de decisiones y responsables.
  4. Borra los archivos que ya no necesites. Nuestra guía de cómo transcribir una reunión de Zoom incluye más detalles sobre Teams y Zoom.

Convertir tus vídeos de YouTube en artículos

  1. Pega el enlace de tu vídeo en la herramienta por URL y exporta en TXT.
  2. Quita muletillas, arranques en falso y frases como «como puedes ver aquí».
  3. Convierte cada capítulo en un H2, añade capturas donde señalaste algo e inserta el vídeo al principio.
  4. Para llegar a otro público, traduce el audio a inglés o añade otra pista de subtítulos.

Reutiliza solo vídeos que sean tuyos o que tengas permiso para usar. Consulta la sección de derechos de autor de abajo.

Comparativa de conversores de vídeo a texto (noviembre de 2026)

whispertranscribe.ai publica esta guía, por eso aparece primero e incluye sus propias limitaciones. Los datos proceden de las páginas de cada proveedor, consultadas en noviembre de 2026. «Sin verificar» indica que no pudimos comprobar el dato allí.

Herramienta Precio de partida Opción gratuita Enlaces de vídeo Idiomas Formatos indicados Inconveniente
whispertranscribe.ai Desde 9,99 USD al mes con facturación anual Inicio gratis y sin cuenta; límites en la web YouTube, Vimeo, Google Drive, Dropbox 130 o más DOCX, PDF, TXT, CSV, SRT, VTT Sin vocabulario personalizado, subtítulos incrustados, transcripción humana ni aplicación móvil. Los enlaces deben ser públicos
TurboScribe 10 USD al mes con facturación anual (20 USD con facturación mensual) 3 archivos diarios, de hasta 30 minutos cada uno YouTube (incluido en los formatos de carga) 98 o más DOCX, PDF, TXT, CSV, SRT, VTT Una persona por cuenta. Los archivos gratuitos tienen menor prioridad
HappyScribe 8,50 USD al mes con facturación anual (17 USD con facturación mensual); 120 minutos de IA al mes Prueba de IA de 10 minutos YouTube, Vimeo, Drive, Box, Dropbox 150 o más Basic: TXT, SRT, PDF, DOCX; VTT desde Pro Los vídeos largos agotan rápido los minutos de Basic
Descript 16 USD por persona al mes con facturación anual (24 USD con facturación mensual); 10 horas de contenido 60 minutos de contenido al mes Sin comprobar 25 Sin comprobar Las horas cuentan para todos los archivos subidos, se transcriban o no. Está pensado para editar, no para transcribir en volumen
VEED Sin verificar Pruébalo sin cuenta; se requiere registro para descargar. Vídeos gratuitos con marca de agua Sin comprobar 125 o más TXT, SRT, VTT en planes de pago Hace falta un plan superior para descargar subtítulos o transcripciones
Notta 8,17 USD al mes con facturación anual (97,99 USD al año) 120 minutos al mes, hasta 3 minutos por conversación Sin comprobar 58 Se requiere Pro El plan gratuito no exporta transcripciones
«Mostrar transcripción» de YouTube Gratis Gratis Solo vídeos que tienen subtítulos Depende de los subtítulos Ninguno (leer y copiar) Sin etiquetas de hablante ni archivo; no funciona sin subtítulos
  • TurboScribe también usa Whisper y admite archivos de hasta 10 horas y 5 GB. Las diferencias están en los planes, los idiomas y las fuentes de enlaces.
  • HappyScribe ofrece corrección humana desde 2,00 USD por minuto. Nosotros no ofrecemos transcripción humana; si una persona debe comprobar cada palabra, puede encajar mejor.
  • Descript y VEED son ante todo editores de vídeo. Úsalos para cortar vídeo editando texto o incrustar subtítulos con estilo.
  • Notta incluye vocabulario personalizado en los planes de pago. Nosotros no lo ofrecemos.

Para una comparación más amplia, consulta nuestra selección de programas de transcripción con IA. Si solo tienes audio, consulta la guía de conversores de audio a texto.

Derechos de autor y privacidad antes de subir un vídeo

Esta sección ofrece información general y no constituye asesoramiento jurídico.

Transcribe solo vídeos que tengas derecho a usar: grabaciones propias, material con licencia o contenido que te han autorizado a procesar. Una transcripción copia lo que se dijo, así que publicar íntegramente la de otra persona plantea cuestiones similares a volver a publicar el vídeo. En EE. UU., el uso legítimo se evalúa caso por caso según cuatro factores. La Oficina de Derechos de Autor de EE. UU. aclara que no hay una cantidad de contenido que siempre se pueda usar sin problema. Las políticas de whispertranscribe.ai prohíben transcribir audio o vídeo protegido de terceros sin consentimiento del titular. En caso de duda, pregunta al titular o a un abogado.

Pide permiso a quienes aparecen en el vídeo. Indica a los participantes que se transcribirá la grabación. Las reglas de consentimiento dependen del lugar. Para EE. UU., consulta la guía de leyes de grabación de llamadas por estado.

Averigua dónde va el archivo. Esto es lo que indica la política de privacidad de whispertranscribe.ai:

  • Los archivos originales de audio y vídeo subidos se borran automáticamente después del procesamiento.
  • Los MP3 extraídos se conservan 30 días de forma predeterminada. Puedes borrarlos antes.
  • Las transcripciones se quedan en tu cuenta hasta que las elimines. El borrado es definitivo y, según la política, no se guardan copias de seguridad.
  • El contenido no se usa para entrenar modelos de IA y ninguna persona lo revisa.
  • Seguridad indicada: TLS 1.3 para datos en tránsito y AES-256 para datos almacenados. OpenAI figura como proveedor de servicios de IA.

La política también señala que la transcripción de archivos está destinada a un uso personal y no comercial. Lee la política y las condiciones completas antes de usarla para clientes o empresas.

Preguntas frecuentes

¿Cuál es el mejor conversor de vídeo a texto?

El mejor es el que funciona con tus vídeos reales. Prueba el mismo fragmento de un minuto en varias herramientas. Para archivos largos y muchos idiomas, whispertranscribe.ai y TurboScribe admiten hasta 10 horas. HappyScribe añade corrección humana de pago. Descript y VEED sirven bien si también editas el vídeo. Compara los nombres, las etiquetas de hablante y los formatos que puedes exportar, además de la cifra de precisión anunciada.

¿Puedo convertir un vídeo a texto gratis?

Sí, con límites. YouTube muestra una transcripción gratuita si el vídeo ya tiene subtítulos. FFmpeg puede extraer gratis una pista de subtítulos de texto de un MKV o MP4. La mayoría de los conversores ofrecen una forma de empezar gratis: whispertranscribe.ai tiene una página sin registro y TurboScribe admite tres archivos al día. Los planes gratuitos suelen limitar la duración, el volumen o la exportación. Consulta el límite de cada sitio.

¿Cómo convierto un vídeo de YouTube a texto?

Si el vídeo tiene subtítulos, haz clic en Mostrar transcripción en la descripción para leerla. Para descargar un archivo con etiquetas de hablante, pega el enlace de YouTube en una herramienta de transcripción por URL, selecciona el idioma del audio y exporta en TXT, DOCX o SRT. El vídeo debe ser público. Transcribe solo vídeos propios o que tengas permiso para usar, porque el resultado reproduce el contenido hablado.

¿Un conversor de vídeo a texto captura el texto en pantalla?

No. Transcribe la pista de audio. Los títulos de diapositivas, el código en pantalla y los subtítulos incrustados no aparecen en el texto salvo que alguien los lea en voz alta. En tutoriales y clases, añade entre corchetes los detalles visuales importantes durante la revisión. El W3C llama transcripción descriptiva a la que incluye información visual. Ayuda a quienes leen sin ver el vídeo.

¿Cuánto puede durar un vídeo para transcribirlo?

En whispertranscribe.ai, un archivo puede durar hasta 10 horas y pesar hasta 5 GB. Los archivos más largos se rechazan con un aviso que pide acortarlos. Para una emisión más larga, divide el vídeo con un editor o FFmpeg, o extrae primero el audio en MP3 para reducir el tamaño. Cada herramienta fija sus límites: el plan gratuito de TurboScribe admite 30 minutos por archivo.

¿Puedo obtener subtítulos y una transcripción del mismo vídeo?

Sí. Puedes exportar una misma transcripción más de una vez. Descarga DOCX o TXT para leer, y SRT o VTT para subtitular, a partir del mismo vídeo. SRT suele funcionar mejor en YouTube y la mayoría de los editores; VTT es adecuado para reproductores HTML5. Si lo principal son los subtítulos, usa una herramienta que permita limitar las palabras por línea para que se lean bien.

Convierte tu próximo vídeo en texto

Empieza en el conversor de vídeo a texto de whispertranscribe.ai. Selecciona el idioma del audio (más de 130 disponibles) y arrastra un vídeo de hasta 5 GB y 10 horas, o pega un enlace público en Transcribir desde URL.

Referencias

¿Quieres convertir tus grabaciones en texto?

Transcribe audio y vídeo con whispertranscribe.ai.

Empezar a transcribir ↗