Transcribe audio a texto con marcas de tiempo por palabra e identificación de hablantes. Sin instalación.
Servicio independiente y no oficial. Sin afiliación con los autores de WhisperX ni con OpenAI.
Grabaciones sintéticas breves procesadas con WhisperX real. El texto del ejemplo se conserva en inglés para que puedas compararlo con el audio original. Estos ejemplos muestran el funcionamiento, no son pruebas de precisión en situaciones reales.
Una voz · 15.58 segundos · Inglés
Audio sintético · Salida automática sin editar
0.05–2.31 s
Welcome to this WhisperX example.
2.73–8.26 s
Upload your audio, review the words as you listen, and download a transcript or subtitles.
8.64–12.47 s
You do not need to install software or set up a graphics card.
Salida automática original sin editar. Puede omitir palabras o asignar mal los hablantes. Fuente: AMI Consortium / University of Edinburgh, CC BY 4.0. Este fragmento no es una prueba de precisión ni implica respaldo al servicio.
AMI · EN2009d · 4926.96–5023.53 s
2.00 s · SPEAKER_00Because, you know, if you're told, use the booking system.
4.76 s · SPEAKER_00Well, we think we spoke to all the people who used those facilities the other day, but we could be wrong.
9.89 s · SPEAKER_00Well, that's true.
WhisperX combina reconocimiento de voz, alineación de palabras e identificación opcional de hablantes. Sube tu audio o vídeo, confirma la duración y revisa el resultado en el navegador. Puedes escuchar, corregir el texto, cambiar los nombres de los hablantes y conservar tanto el resultado original como tu versión editada.
La alineación de WhisperX estima dónde aparece cada palabra en el audio. Pulsa una marca de tiempo disponible para escuchar ese fragmento en contexto. Algunas palabras pueden no tener marcas de tiempo fiables. Corregir el texto no vuelve a ejecutar la alineación ni genera nuevas marcas de tiempo; conserva el JSON original si necesitas distinguirlo de tu versión revisada.
La identificación de hablantes agrupa las intervenciones por voz dentro de una grabación. Escucha antes de cambiar una etiqueta por un nombre. Las voces parecidas, las respuestas breves y el habla simultánea pueden provocar errores. Las etiquetas no verifican identidades ni permiten reconocer a la misma persona en archivos distintos.
Descarga TXT para leer, JSON para conservar los datos estructurados o SRT y VTT para subtítulos. TXT y JSON conservan las etiquetas de hablantes; SRT y VTT no añaden sus nombres automáticamente. Revisar y descargar un resultado existente no consume más minutos. Los subtítulos se exportan como archivos separados: no se incrustan en un nuevo vídeo.
La prueba gratuita admite inglés. El acceso de pago permite transcribir en inglés, español, francés, alemán, italiano, portugués, chino y japonés. El texto conserva el idioma hablado: no se traduce. El idioma de la interfaz no amplía los idiomas de transcripción disponibles.
Sube una grabación que tengas permiso para procesar. Elige el idioma hablado y activa las etiquetas de hablantes si las necesitas.
Comprueba la duración y el cargo antes de iniciar el procesamiento. La tarea queda asociada a tu cuenta.
Escucha, corrige y descarga. Conserva la salida original o exporta tu versión revisada.
Admite MP3, WAV, M4A, FLAC, OGG, MP4, MOV y WebM. La prueba única incluye 5 minutos y admite archivos de hasta 100 MB y 5 minutos. Con acceso de pago, el límite por archivo es de 500 MB y 60 minutos. Se necesita una cuenta para procesar archivos propios. No se admiten enlaces externos ni grabación en directo.
Los resultados son privados y están vinculados a tu cuenta. Se conservan 7 días en la prueba y 30 días con acceso de pago; descárgalos antes de la fecha indicada. El audio se procesa en un servicio externo, no en tu navegador. Los minutos se reservan antes del procesamiento y se descuentan del saldo cuando el resultado se entrega correctamente; las tareas fallidas liberan la reserva.
Sube tu audio, transcríbelo con WhisperX y revisa el texto mientras escuchas la grabación.
Convierte el habla de tu vídeo en una transcripción que puedes revisar y exportar.
Genera subtítulos a partir de tu grabación, comprueba las palabras y descarga SRT o VTT.
Sigue cada intervención de una conversación, revisa las etiquetas y asigna nombres que puedas verificar.
Convierte una conversación en texto con etiquetas de hablantes y tiempos por palabra, sin configurar Python ni una GPU.
Guía práctica para subir una grabación, confirmar el cargo, revisar los tiempos y hablantes y exportar el resultado.
Prepara un entorno Python aislado, CPU o GPU compatible y FFmpeg. Consulta los requisitos actuales del proyecto original.
Qué añade WhisperX al reconocimiento de voz: alineación de palabras, grupos de hablantes y límites que conviene revisar.
Entiende los grupos de voz, cuándo indicar el número de hablantes y cómo revisar solapamientos y etiquetas dudosas.
Empieza con una prueba única de 5 minutos tras verificar tu cuenta, sin tarjeta. Después, elige un paquete de minutos o una suscripción mensual o anual. Los minutos de los paquetes tienen una validez de 12 meses; los minutos de suscripción caducan a los 30 días. Las suscripciones se renuevan hasta que las canceles. Comprueba el importe final antes de pagar.
$0USD
Sin tarjeta. Una vez por cuenta verificada.
5 minutos de prueba
Los minutos de prueba caducan a los 30 días
$9USD al mes
Renovación mensual. Puedes cancelar futuras renovaciones en Facturación.
120 minutos cada mes
Los minutos mensuales caducan a los 30 días
$29USD al mes
Renovación mensual. Puedes cancelar futuras renovaciones en Facturación.
600 minutos cada mes
Los minutos mensuales caducan a los 30 días
Compra minutos de procesamiento cuando los necesites. Sin renovación automática. Los paquetes caducan a los 12 meses y se pueden combinar con una suscripción.
$9USD, pago único
Sin suscripción. Los minutos no utilizados caducan a los 12 meses.
120 minutos para usar cuando quieras
$29USD, pago único
Sin suscripción. Los minutos no utilizados caducan a los 12 meses.
600 minutos para usar cuando quieras
No. Es un servicio alojado independiente y no oficial. El proyecto de código abierto se mantiene por separado en GitHub, en m-bain/whisperX.
Sí. Necesitas una cuenta para subir y procesar tu archivo. El modelo se ejecuta en un servicio externo; no necesitas una GPU ni un token de modelo propio.
No. La transcripción conserva el idioma hablado. La prueba admite inglés; el acceso de pago añade español, francés, alemán, italiano, portugués, chino y japonés.
No. Editar y descargar un resultado existente no consume más minutos. Una nueva transcripción es una tarea nueva con su propio cargo confirmado.
No. Puede haber palabras sin tiempo fiable y errores al agrupar hablantes. Revisa el audio. Editar una frase no genera nuevas marcas de tiempo y las etiquetas no verifican identidades.
No. El servicio utiliza archivos que subes con permiso. No descarga vídeos ni audio de enlaces externos.