La transcripción de YouTube y cuándo basta
Bajo muchos vídeos, YouTube tiene en la descripción un botón para mostrar la transcripción (Show transcript en su ayuda). Abre los subtítulos como una lista de líneas con su hora, se desplaza junto con el vídeo y un clic en una línea salta a ese momento. Es gratis y no hay que instalar nada. Si solo buscas un momento de un vídeo, úsala.
Tiene límites, y son los que llevan a la gente a buscar otra cosa:
- Solo existe en vídeos que tienen subtítulos. La ayuda de YouTube lo dice sin rodeos: la transcripción completa está ahí para "any video that has captions". Un vídeo sin subtítulos no tiene transcripción.
- Los subtítulos automáticos salen solo en el idioma original del vídeo, así que una charla que cambia de idioma a la mitad lleva subtítulos en uno de los dos.
- Vive en la página de YouTube. Para conservarla tienes que seleccionar y copiar a mano, y las líneas salen cortadas como están cortados los subtítulos.
Un archivo de texto con la hora de cada frase
VoiceKeyboard no lee los subtítulos de YouTube. Descarga el sonido del vídeo y Whisper, un modelo de reconocimiento de voz, lo escucha en tu ordenador y escribe lo que se dijo. Por eso da igual que el vídeo tenga subtítulos o qué idioma puso el autor.
Con Pro, marca «Marcas de tiempo en el texto» en la pantalla FILES. Cada frase empezará con el momento del vídeo en que comienza:
![La pantalla FILES de VoiceKeyboard con la interfaz en inglés y la casilla Timestamps in the text marcada. La zona TRANSCRIPT muestra líneas de una clase, cada una con su hora delante: [00:20:50], [00:20:56], [00:21:01], [00:21:06].](/assets/img/shots/files-batch-en-1920.webp?v=7ed8c10de7)
El resultado es un .txt normal en UTF-8. Ese formato sirve para cosas que una página web no permite:
- Citar. Busca la frase con Ctrl+F y la hora está justo delante. Añádela al enlace de YouTube (por ejemplo
&t=12m05s) y quien lea la cita llegará al punto exacto. - Apuntes y resúmenes. Dale el archivo a ChatGPT, Claude o Gemini y pide un resumen con horas; el modelo solo puede señalar momentos que estén en el texto.
- Archivo. Una carpeta de transcripciones se puede buscar con el buscador de Windows años después, aunque el vídeo ya no esté.
Sin Pro obtienes el mismo texto sin las horas. No hay exportación a subtítulos (.srt) ni a Word: la aplicación escribe solo .txt.
Cómo obtener el archivo
Copia la dirección del vídeo, abre FILES en VoiceKeyboard, cambia a LINK, pega y pulsa ▶ INICIAR. La primera vez, la aplicación pide permiso para descargar dos programas auxiliares gratuitos (yt-dlp para la descarga y FFmpeg para la conversión) y un modelo Whisper; no se descarga nada hasta que aceptes. El recorrido completo, con lo que ves en la línea de estado, está en cómo pasar un vídeo de YouTube a texto.
El reconocimiento corre en tu procesador, o en una tarjeta gráfica NVIDIA si la tienes, que es varias veces más rápido. Puedes leer el texto en la zona TRANSCRIPT mientras el vídeo aún se procesa.
Cuando un enlace no funciona
Las redes sociales y los sitios de vídeo como YouTube, Instagram o Facebook luchan constantemente contra la descarga de su contenido, así que no se garantiza que esta función funcione: un enlace que hoy funciona puede dejar de hacerlo tras un cambio en su lado.
Los vídeos que exigen iniciar sesión (privados, solo para miembros o con restricción de edad) no se descargan, porque VoiceKeyboard no usa la cuenta de tu navegador. Si YouTube rechaza un vídeo público, la aplicación busca una versión más nueva de yt-dlp, que sigue los cambios de YouTube, y prueba el enlace otra vez. Si sigue fallando, el mensaje lo dice, y lo habitual es volver a intentarlo más tarde.
Idiomas
Whisper conoce unos 99 idiomas. En Auto, elige el idioma con los primeros 30 segundos, más o menos, y lo mantiene en todo el vídeo. Si se equivoca, elige tú el idioma en la lista LANGUAGE (hay doce, entre ellos inglés, español, ruso y japonés). Whisper escribe lo que se dice en ese idioma; no traduce.
Gratis y Pro
| Free | Pro | |
|---|---|---|
| Enlaces de vídeo | 1 al día, hasta 60 minutos | sin límite, cualquier duración, cola de enlaces |
| Marcas de tiempo [00:12:05] | no | sí |
| Reconocimiento | Whisper en tu PC | Whisper en tu PC |
| Resultado | .txt | .txt |
Pro cuesta $14.99 al mes, o $9.99 al mes con facturación anual, y tiene reembolso durante 14 días. Un intento fallido o demasiado largo no gasta el enlace gratuito del día; solo cuenta una transcripción terminada.
Preguntas
¿Puedo tener la marca de tiempo de cada palabra?
No. La hora se da por frase, que suele ser una oración o parte de ella.
¿Funciona con una lista de reproducción entera?
El enlace a un vídeo dentro de una lista descarga ese único vídeo. Con Pro, pega como lista los enlaces de los vídeos que necesitas; se transcriben uno tras otro, cada uno en su propio archivo.
¿El vídeo se envía a algún servicio de transcripción?
No. El sonido llega de YouTube a tu PC y se reconoce allí. La copia descargada se borra al terminar el trabajo; solo queda el .txt.
Las clases y los cursos son el caso más común: cómo estudiar con transcripciones de clases y notas de voz propone una forma de trabajar con ellas. Para vídeos cortos de Instagram, mira cómo sacar el texto de un Reel de Instagram.
