Conversor de MP3 a texto — transcripción con IA

La compresión que oyes no es la compresión que lee

El MP3 descarta las frecuencias que tus oídos no echarán de menos, y el reconocimiento de voz sigue encantado la misma lógica: lo que depende una transcripción — fonemas, fronteras silábicas, la curva de entonación de una frase — sobrevive intacto a la compresión MP3 ordinaria. Un pódcast exportado a un bitrate normal conserva esencialmente todo el contenido lingüístico que el motor necesita, así que transcribir desde MP3 no es ningún compromiso. El habla ocupa una banda de frecuencias mucho más estrecha que la música, y los bitrates ordinarios la preservan con generosidad — los artefactos audibles viven en los platillos y las colas de reverberación, no en si alguien dijo quince o cincuenta.

Mecánicamente, tu archivo primero se decodifica a audio WAV limpio, y sobre ese corre la canalización de transcripción FunASR. Nunca ves el archivo intermedio; existe para que el modelo acústico siempre enfrente una entrada uniforme, sea cual sea el bitrate o la frecuencia de muestreo de tu MP3. Para ti el formato es solo el envoltorio; para el motor, las palabras siempre fueron la carga.

Tres archivos, cuando el audio lo permite

El archivo TXT es el artefacto principal: la transcripción completa como texto plano, lista para citar, editar o archivar. Cada trabajo exitoso lo produce, y no hace falta ningún software especial para abrirlo — es el formato que cualquier app de notas, editor y ventana de chat acepta sin pensarlo.

Los archivos SRT y de diálogo son extras de mejor esfuerzo, no promesas. Se apoyan en lo que el motor puede inferir sobre tiempos y segmentación; el habla dispersa, la gente hablando a la vez y los silencios largos pueden dejarle muy poco con qué trabajar, y uno o ambos pueden estar ausentes. Un trabajo que devuelve solo el TXT ha triunfado — la página no finge que los tres archivos llegan siempre juntos. Cuando aparecen, el SRT mantiene sus marcas de tiempo alineadas con el audio, y el archivo de diálogo agrupa las intervenciones en bloques legibles.

Si los subtítulos importan en tu flujo de trabajo, revisa la página de resultados antes de cerrar la pestaña: allí se lista cada artefacto producido, y un SRT ausente dice algo de tu audio, no del trabajo.

Dónde sobresale y dónde tropieza

El motor es la canalización FunASR construida sobre paraformer-zh, un modelo optimizado para chino. El habla china se transcribe mejor, y el habla mixta chino-inglés — como suenan de verdad las reuniones técnicas y las reseñas de producto — es una fortaleza real: el modelo cambia de idioma a mitad de frase sin perder el hilo. Una grabación que mezcla una exposición en mandarín con nombres de producto, menciones de API y números en inglés es precisamente el caso para el que el modelo fue afinado.

El audio puramente en otros idiomas es el punto débil confeso: las grabaciones solo en inglés y en otros idiomas producen calidad limitada, y las salas ruidosas o los acentos fuertes lo degradan aún más. Decirlo con claridad vence a entregarte una transcripción errónea pero segura de sí misma.

Dos límites más se aplican también. El audio de más de 30 minutos no se acepta, así que divide las grabaciones largas antes de subir. Y la información de hablante en los resultados es lo que el motor produzca — puede estar ausente, y no se hace ninguna promesa firme de separación de hablantes.

Plazos, coste y privacidad

La mayoría de las conversiones terminan en unos pocos minutos; el techo de la tarea es de unos 45 minutos, lo que cubre las grabaciones aceptadas más lentas, y el progreso se muestra mientras el motor trabaja. Decodificar el MP3 casi no añade nada al reloj — la transcripción domina. Una grabación de 30 minutos es el caso aceptado más pesado, y el techo está dimensionado para ella.

La herramienta es gratis, no se requiere cuenta, y tu MP3 subido junto con cada archivo generado se eliminan automáticamente en 24 horas. Las subidas viajan por HTTPS, el procesamiento ocurre en memoria en el clúster de conversión, y ninguna red publicitaria de terceros observa la página. No se pide ninguna dirección de correo electrónico en ningún momento.