Inky ClipsTranscribir video a texto sin salir del navegador
Inky Clips escucha tu video con un modelo de reconocimiento de voz que funciona en tu navegador y te deja descargar las palabras como transcripción de texto, SRT o VTT. Gratis, en 99 idiomas y sin subir el video.
Por ahora, la interfaz del editor está en inglés. Los subtítulos y los títulos funcionan en español, con todos sus acentos.
Subtítulos a partir de la voz: Sans Bold
Inky Clips escucha y escribe cada palabra en el momento en que se dice. Elige una pluma para cambiar el estilo.
Tinta: White
Cómo funciona
Abre tu video
Inicia sesión con Google y elige un video de tu equipo. Se abre en el editor sin subirse a ningún servidor.
Pulsa Auto captions
Es el bocadillo bajo la vista previa. La primera vez, el navegador descarga el modelo de voz (entre 1,1 y 1,6 GB) y lo conserva.
Elige el idioma hablado
Indicar el idioma da mejores resultados que dejar que el modelo lo adivine. Para español, elige Spanish.
Revisa el texto
Reproduce el video y haz clic en cualquier subtítulo de la línea de tiempo para corregir una palabra. Lo habitual es retocar nombres y términos técnicos.
Descarga el archivo
En Export subtitles, elige Text transcript, SRT o VTT. El archivo se crea en tu navegador y se guarda directamente en tu equipo.
Tres archivos a partir de una sola transcripción
Para pasar un video a texto, Inky Clips usa los mismos subtítulos del editor, así que el texto que descargas es el que ya revisaste. Si corriges una palabra en la línea de tiempo, la corrección llega a los tres formatos.
- Transcripción de texto: las palabras habladas, sin tiempos. Para notas de un pódcast, artículos, citas o para pegarlas en un documento.
- SRT: líneas numeradas con tiempo de inicio y de fin. Súbelo a YouTube o impórtalo en Premiere Pro, DaVinci Resolve o CapCut.
- VTT: las mismas líneas en el formato WebVTT que leen los reproductores web.
Qué tan precisa es
El modelo es Whisper large-v3-turbo, uno de los modelos de voz abiertos más precisos. Con voz clara en español, inglés, francés o alemán, los errores son pocos. Los nombres, las marcas y la jerga lo confunden en cualquier idioma.
Funciona mejor cuando habla una persona a la vez y hay poca música de fondo. Cada palabra tiene su propia marca de tiempo, así que las líneas del SRT empiezan y terminan muy cerca de la voz.
Lo que no hace
No identifica a quién habla: la transcripción es el texto en orden, sin nombres. No traduce: el texto queda en el idioma del video. No abre enlaces de YouTube ni archivos solo de audio: trabaja con archivos de video que tengas en tu equipo.
Los videos largos llevan su tiempo. No hay límite de duración, pero todo el trabajo se hace en tu equipo, así que una hora de audio tarda un rato y la pestaña debe quedarse abierta. Un equipo reciente con WebGPU es bastante más rápido.
Una transcripción que nadie más escucha
Los servicios de transcripción en línea suben tu archivo y lo procesan en sus servidores. Aquí es al revés: el modelo de voz viene a tu navegador. Entrevistas, reuniones y grabaciones privadas se quedan en tu equipo de principio a fin.
Y si además quieres los subtítulos dibujados sobre el video, trazo a trazo, puedes exportar un MP4 desde el mismo editor.
Transcribir un videoPor ahora, la interfaz del editor está en inglés. Los subtítulos y los títulos funcionan en español, con todos sus acentos.
Preguntas frecuentes
¿Es gratis transcribir un video?
Sí. No hay precio por minuto ni límite de videos. Solo necesitas una cuenta de Google para iniciar sesión.
¿Se sube mi video?
No. El video, su audio y la transcripción se quedan en tu equipo. El modelo de voz se descarga a tu navegador y funciona ahí.
¿Cuánto puede durar el video?
No hay un límite fijo. El audio se procesa en fragmentos de 30 segundos, así que un video largo simplemente tarda más, y la pestaña debe seguir abierta hasta que termine.
¿Puedo transcribir un video de YouTube con el enlace?
No. Inky Clips solo abre archivos de video de tu equipo, no enlaces.
¿Puedo transcribir un audio o un pódcast?
El editor abre archivos de video. Para transcribir una grabación de solo audio, conviértela antes en video, por ejemplo sobre una imagen fija en cualquier editor.
¿Indica quién está hablando?
No. La transcripción recoge las palabras en el orden en que se dijeron, sin nombres de los hablantes.
¿Puede traducir la transcripción?
No. La transcripción queda en el idioma que se habla en el video.