Convierte una transcripción terminada en un archivo SRT con marcas de tiempo reales
Si ya tienes transcrita tu entrevista, pódcast o clase (a mano o con un servicio), lo único que falta es sincronizarla con el tiempo. Sube la grabación junto con la transcripción y recibirás cada línea convertida en un subtítulo temporizado en formato SRT y VTT, respetando tus palabras exactas y las etiquetas de los hablantes. Las grabaciones de hasta 10 minutos son completamente gratis; las más largas cuestan un pago único de $5, para audios de hasta 6 horas.
- Transcripción en formato TXT o DOCX, o pegada directamente; escrita por ti o entregada por un servicio de transcripción
- Ortografía, puntuación y etiquetas de hablante como «Presentador:» conservadas exactamente como se escribieron
- Cada línea sincronizada desde el momento exacto en que se pronuncia en la grabación
- Párrafos largos divididos en subtítulos legibles aprovechando frases y comas
- Archivos SRT y VTT en UTF-8 con marca de orden de bytes (BOM), para los reproductores que la requieran
Las palabras ya las tienes
Vale la pena conservar intacta una transcripción que alguien revisó con esmero. Volver a transcribir el audio desde cero solo para obtener un SRT echa a perder ese trabajo: los nombres propios aparecen mal escritos, tus correcciones se pierden y te toca revisar todo por segunda vez. Esta herramienta conserva tu texto y solo le añade las marcas de tiempo. El reconocimiento de voz detecta cuándo se dice cada palabra y nuestro código sincroniza tu transcripción con el audio.
A un reproductor, una transcripción en texto plano no le sirve de nada. Incluso una con marcas de tiempo cada varios minutos se queda corta, ya que los subtítulos necesitan un punto de inicio y de fin cada pocos segundos de voz.
Cómo preparar la transcripción
- Mantén un párrafo o turno de palabra por línea; tus saltos de línea marcarán el inicio y fin de cada subtítulo
- Las etiquetas de hablante se conservan tal cual en el texto del subtítulo (por ejemplo, «Dra. Pérez:» aparecerá en pantalla); bórralas antes de subir el archivo si solo quieres que se muestren las palabras habladas
- Las marcas de tiempo antiguas escritas en el texto, como [00:14:02], se interpretan como palabras, así que elimínalas o aparecerán en los subtítulos
- Las acotaciones como [inaudible] o [superposición de voces] se quedarán en el subtítulo donde las pusiste
- Los fragmentos transcritos que se hayan cortado de la grabación deben eliminarse, ya que no habrá voz con la cual sincronizarlos
Cuando el audio y el texto no coinciden exactamente
Las transcripciones editadas suelen omitir titubeos como «eh», falsos comienzos o repeticiones. Eso no supone ningún problema: las palabras que se escuchan pero no están en tu texto simplemente se omiten, y tu frase limpia conserva su lugar. Si el reconocedor oye «veinticinco» y tú escribiste «25», o si no capta una palabra murmurada, el tiempo se calcula a partir de las palabras adyacentes.
Si dos personas hablan a la vez o alguien habla lejos del micrófono, el subtítulo puede empezar un poco antes o después. En amárico, tigriña, somalí, darí, kurdo, birmano y pastún, la sincronización se realiza mediante un modelo de IA general y es menos precisa.
Para qué sirve una transcripción sincronizada
- Subtítulos para la versión en video de un episodio de pódcast
- Subtítulos para una clase grabada o un seminario web en una plataforma de cursos
- Metraje de entrevistas en tu editor de video, con cada respuesta ubicada en la línea de tiempo
- Subtítulos accesibles para una charla que transcribiste hace meses
Cómo funciona la herramienta, cuánto cuesta y cómo se tratan tus archivos está en la página de Sincronizar transcripción con audio; los precios de todas las herramientas están en la página de precios.
Última actualización:
Preguntas y respuestas
¿Puede ChatGPT añadir marcas de tiempo a mi transcripción?
Puede organizar una transcripción en formato SRT e inventarse marcas de tiempo si se lo pides. Pero como no escucha la grabación, reparte los tiempos de forma uniforme o aleatoria, por lo que en una entrevista de una hora el desfase aumenta con cada minuto. Además, con textos largos suele recortar o fusionar líneas. En NoCutoff, los tiempos se extraen directamente del audio y el texto se mantiene intacto.
¿Aparecerán los nombres de los hablantes en los subtítulos?
Sí, si ya aparecen en tu texto, porque las etiquetas se conservan tal como están escritas. Elimínalas antes de subir el archivo si solo quieres ver en pantalla las palabras habladas.
Mi transcripción omite titubeos y comienzos en falso. ¿Habrá algún problema?
No. Los sonidos adicionales de la grabación que no aparezcan en tu texto simplemente se pasan por alto, y tus líneas limpias se sincronizan tomando como referencia las palabras que las rodean.
¿En qué formatos puedo subir la transcripción?
Puedes pegarla o subir un archivo TXT o DOCX. Si ya tienes un archivo de subtítulos, también se admiten los formatos SRT, VTT, ASS, SBV y LRC, y se conserva su estructura de subtítulos.
¿Cuánto cuesta sincronizar una transcripción?
Hasta 10 minutos de grabación son completamente gratis. A partir de ahí, cuesta un pago único de $5 para audios de hasta 6 horas. Ilimitado por $19 a la semana cubre hasta 12 horas por trabajo.
¿Quién puede ver mi transcripción?
Solo tú. Tus archivos se envían al proveedor del modelo de IA únicamente para procesarlos y no se utilizan para entrenar modelos. Los trabajos iniciados sin registro se eliminan después de 7 días, y tú mismo puedes eliminar cualquier trabajo cuando quieras.