Qué necesitas
- VoiceKeyboard en Windows 10 u 11, y conexión a internet mientras se descarga el sonido.
- Un modelo Whisper, que se descarga una sola vez dentro de la aplicación. El tamaño recomendado, El mejor · Large v3 Turbo, ocupa 547 MB.
- Dos programas auxiliares gratuitos: yt-dlp (unos 17 MB) obtiene el sonido del enlace y FFmpeg (unos 73 MB) lo convierte para Whisper. La primera vez, una ventana muestra el tamaño, el origen y la licencia de cada uno, y no descarga nada hasta que pulses «Descargar».
Del enlace al texto en siete pasos
- Abre el vídeo en el navegador y copia la dirección de la página.
- En VoiceKeyboard, pulsa FILES en la barra superior y elige LINK en SOURCE & OUTPUT.
- Pulsa «Pegar» o arrastra el enlace desde el navegador hasta la pantalla FILES.
- En TRANSCRIPT DESTINATION, pulsa «Guardar como…» y elige la carpeta y el nombre del archivo .txt.
- En LOCAL MODEL, pulsa «Elegir modelo…» si aún no hay ninguno y descárgalo.
- Deja LANGUAGE en Auto o elige el idioma del vídeo si lo sabes.
- Pulsa ▶ INICIAR.
La línea de estado muestra primero DOWNLOADING… con el porcentaje, el tamaño y la velocidad. Después pasa a DECODING…, con su propio porcentaje y el nombre de lo que hace el trabajo: CUDA si es una tarjeta gráfica NVIDIA, BLAS o CPU si es el procesador. El texto aparece frase a frase en la zona TRANSCRIPT, así que puedes empezar a leer mucho antes del final. Al terminar el vídeo, el .txt queda guardado.
Qué pasa con el vídeo
VoiceKeyboard pide al sitio solo la pista de sonido, cuando el sitio la ofrece por separado, y no guarda nada del vídeo. FFmpeg pasa el sonido al formato sencillo que lee Whisper, y Whisper escribe el texto en tu procesador o tu tarjeta gráfica. Las copias de trabajo están en la carpeta temporal de Windows y se borran al acabar el trabajo, haya terminado bien, con error o cancelado. Lo único que queda es tu .txt.
El único servidor que interviene es el propio sitio de vídeo, que envía el sonido. El audio no pasa por ningún servicio de transcripción.
Marcas de tiempo, copiar y el archivo de texto
Con Pro, marca «Marcas de tiempo en el texto» y cada frase empezará con su momento en el vídeo, por ejemplo [00:12:05]. Es la forma más rápida de volver al punto donde se dijo una cita.
El resultado es un .txt normal en UTF-8, y «Copiar» lleva todo el texto al portapapeles para Word, Google Docs o un chat con una IA que te haga un resumen. No hay exportación a subtítulos (.srt) ni a Word. Una transcripción nunca sustituye un archivo que ya existe: si el nombre está ocupado, el nuevo lleva (2) en el nombre.
Varios enlaces de una vez
Pro acepta una lista entera. Pega los enlaces uno por línea o separados por espacios o comas; el campo mostrará el primero y «+N más». Se descargan de uno en uno y se procesan uno tras otro, cada uno con su transcripción y su archivo, así que puedes dejar en marcha una serie de clases y volver más tarde. En la versión gratuita solo se conserva el primer enlace de la lista pegada.
Con qué sitios funciona
VoiceKeyboard le pasa el enlace a yt-dlp, un descargador gratuito de código abierto que funciona con YouTube y con muchos otros sitios de vídeo y audio. Si yt-dlp puede obtener el sonido de una página, FILES puede transcribirlo. Aun así, algunos enlaces fallan:
- Los vídeos que exigen iniciar sesión (privados, solo para miembros o con restricción de edad) no se descargan, porque la aplicación no usa la sesión de tu navegador.
- El enlace a un vídeo dentro de una lista de reproducción descarga ese vídeo, no la lista entera.
- Los sitios cambian, y la copia de yt-dlp que usa la aplicación no se actualiza sola. Si un enlace que se ve bien en el navegador termina en ERR: DOWNLOAD_FAILED, lo más probable es que el sitio haya cambiado.
FILES o un motor en línea
VoiceKeyboard tiene dos motores en línea, Google y Soniox, y trabajan en la pantalla LIVE: escriben lo que oye el micrófono mientras se habla. FILES no tiene modo en línea. Cada enlace y cada archivo los reconoce Whisper en tu ordenador.
| FILES con un enlace | LIVE con Google o Soniox | |
|---|---|---|
| Origen | un vídeo que ya existe | lo que dices al micrófono, ahora |
| Quién reconoce | Whisper, en tu PC | los servidores de Google o de Soniox |
| Internet | solo para la descarga | todo el tiempo |
| Velocidad | depende de tu PC; con una tarjeta NVIDIA, varias veces más rápido | el texto aparece mientras hablas |
| Resultado | un archivo .txt, con marcas de tiempo en Pro | texto escrito en la ventana donde trabajas |
Elige LIVE con un motor en línea cuando las palabras se dicen ahora al micrófono y las quieres escritas al momento (Google es gratis, Soniox está en Pro; el teclado por voz en español compara los motores). Elige FILES cuando la charla ya está grabada. En un portátil antiguo sin tarjeta NVIDIA, un vídeo largo tarda bastante; los tamaños pequeños de Whisper van más rápido, pero se equivocan más.
Gratis y Pro para enlaces
El plan gratuito da un enlace al día, de hasta 60 minutos y sin marcas de tiempo, además de un archivo de audio o vídeo de tu disco. La duración solo se conoce después de la descarga, así que un vídeo más largo se detiene con FREE: UP TO 60 MIN. Ese intento no gasta el enlace del día, igual que uno fallido: solo cuenta una transcripción terminada, y el cupo se renueva a medianoche.
Pro quita los límites: cualquier duración, cola de enlaces y marcas de tiempo. Cuesta $14.99 al mes, o $9.99 al mes con facturación anual, y tiene reembolso durante 14 días. La tabla de los dos planes está en la guía para transcribir archivos de audio.
Preguntas sobre los enlaces de vídeo
¿El reconocimiento necesita internet?
No. Internet se usa para descargar el sonido del vídeo y, la primera vez, el modelo Whisper y los dos programas auxiliares. Whisper funciona sin conexión.
¿En qué idioma puede estar el vídeo?
Whisper conoce unos 99 idiomas. En Auto decide el idioma con los primeros 30 segundos, más o menos, y lo mantiene en todo el vídeo, así que los fragmentos en otro idioma pueden salir mal. Si se equivoca, la lista LANGUAGE lo fija en uno de doce: ruso, inglés, ucraniano, alemán, español, francés, italiano, portugués, polaco, turco, japonés o chino. En la lista aparecen en inglés, por ejemplo Spanish (es).
¿Puede traducir el vídeo al español?
No. Whisper escribe lo que se dice, en el idioma en que se dice.
¿Puedo seguir dictando mientras se transcribe un vídeo?
Sí. FILES y el dictado funcionan a la vez, y FILES no gasta las 2.000 palabras gratuitas de dictado del día.
Las grabaciones que ya tienes en el ordenador, como una reunión o una nota de voz, van por la misma pantalla: lo explica la guía para transcribir audio y vídeo a texto sin internet. Todos los botones de FILES están descritos en la página de ayuda Transcribir archivos y enlaces de vídeo.
