VOICE2TEXT AI

Manual de usuario

Voice2Text

De la voz al texto, en cualquier idioma.

Transcribe archivos de audio y vídeo con inteligencia artificial, corrige el texto y guárdalo donde quieras.

Whisper sin conexión12 formatosNube9 idiomas

Bienvenido a Voice2Text

Voice2Text convierte grabaciones de audio y vídeo en texto escrito. Entrevistas, reuniones, clases, pódcasts, mensajes de voz: arrastra el archivo a la ventana, elige el motor de inteligencia artificial y en pocos minutos tendrás el texto, listo para corregir y guardar.

Qué puedes hacer

Requisitos

macOS 11 o posterior (Mac con Apple o Intel), Windows 10/11 de 64 bits o Linux de 64 bits (Ubuntu, Debian, Fedora y derivadas). Para Whisper sin conexión conviene tener al menos 8 GB de memoria; los servicios en línea solo necesitan conexión.

Instalación

Descarga el archivo para tu sistema e instálalo como cualquier otro programa.

macOS

Abre Voice2Text_1.1.1_universal.dmg y arrastra el icono de Voice2Text a la carpeta Aplicaciones. Al abrirlo por primera vez, macOS puede indicar que el desarrollador no está verificado: abre Ajustes del Sistema → Privacidad y seguridad y elige Abrir igualmente, o haz clic derecho en la app y elige Abrir. Solo hace falta una vez.

Windows

Ejecuta Voice2Text_1.1.1_x64-setup.exe. Si aparece la ventana azul de Windows SmartScreen, haz clic en Más información y después en Ejecutar de todas formas. La instalación no requiere permisos de administrador.

Linux

En Ubuntu y Debian instala el paquete .deb (doble clic o sudo apt install ./Voice2Text_1.1.1_amd64.deb); en Fedora, el paquete .rpm. También puedes hacer ejecutable el .AppImage (chmod +x) e iniciarlo.

Opcional: ffmpeg. Voice2Text lee por sí mismo los formatos más comunes. Para los poco habituales (OPUS, WMA, AMR, AVI…) instala ffmpeg: brew install ffmpeg en Mac, winget install ffmpeg en Windows, sudo apt install ffmpeg en Linux. Se detecta automáticamente.

La ventana principal

Todo el trabajo se hace en una sola ventana: a la izquierda la lista de archivos y en el centro el archivo seleccionado.

Figura 1. La pantalla de inicio: arrastra un archivo al recuadro o usa «Elegir archivos».

Añadir archivos

Arrastra uno o varios archivos de audio o vídeo a la ventana o usa Añadir archivos (⌘O / Ctrl+O). Puedes añadir todos los que quieras: se transcriben uno tras otro. Arrastrando un archivo .v2t vuelves a abrir una transcripción guardada.

Elegir motor e idioma

Antes de transcribir, elige quién hará el trabajo: Whisper en tu ordenador o un servicio en línea.

Figura 2. Elección del motor y del idioma para el archivo seleccionado.
MotorCosteCaracterísticas
Whisper (sin conexión)gratisFunciona sin Internet; el modelo se descarga una vez (de 45 a 600 MB). Más lento que los servicios en línea.
Groq Whispergratis con claveMuy rápido; el audio largo se divide en partes automáticamente.
AssemblyAIcréditos gratisReconoce quién habla. Ideal para entrevistas y reuniones.
Deepgramcréditos gratisReconoce quién habla y es muy rápido.
Whisper servergratisUn servidor Whisper en tu ordenador o en tu red (whisper.cpp, faster-whisper-server, LocalAI).
OpenAIde pagoWhisper de OpenAI.

El idioma del audio

Con Detección automática, Voice2Text reconoce por sí solo el idioma hablado. Si lo conoces, elígelo: el resultado es más preciso, sobre todo en los primeros segundos.

Las claves de los servicios en línea

Groq, AssemblyAI, Deepgram y OpenAI piden una clave personal: en Ajustes → Motores encontrarás un campo para cada uno y el enlace «obtener clave». El registro en Groq es gratuito; AssemblyAI y Deepgram regalan créditos al registrarte.

Figura 3. Ajustes → Motores: modelo Whisper y claves de los servicios.

Pulsa Transcribir para empezar. Con varios archivos en espera aparece también Transcribir todos en la barra lateral.

Servicios en línea: tu audio sale del ordenador

Cuando usas un servicio de inteligencia artificial en línea, el archivo de audio se sube a Internet. Voice2Text te lo dice con claridad y pide tu confirmación.

Figura 4. El aviso obligatorio antes del primer envío a un servicio en línea.

La primera vez que usas Groq, AssemblyAI, Deepgram u OpenAI aparece este aviso. Para continuar debes marcar la casilla «He leído y entendido»; también puedes pasar directamente a Whisper sin conexión.

El archivo de audio se sube a los servidores del servicio externo, que lo trata según sus propios términos y su política de privacidad: puede conservarlo durante un tiempo y procesarlo en otros países.

No subas grabaciones con información confidencial, reservada o secreta, ni datos personales, de salud o de terceros sin tener derecho a ello y el consentimiento de las personas grabadas.

Voice2Text y sus autores no asumen ninguna responsabilidad por el contenido de los archivos subidos, su confidencialidad ni el uso que hagan de ellos los servicios externos. La responsabilidad es exclusivamente de quien sube el archivo.

La aceptación vale para cada servicio por separado y se registra con la fecha. Mientras haya un servicio en línea seleccionado, un recuadro naranja te lo recuerda. En Ajustes → Acerca de puedes volver a leer el aviso y hacer que aparezca de nuevo.

¿Audio confidencial? Usa Whisper (sin conexión): la transcripción se hace por completo en tu ordenador.

Durante la transcripción

Voice2Text muestra en todo momento cómo va el trabajo.

Figura 5. Una transcripción en curso con Groq: avance y parte en proceso.

Puedes cancelar en cualquier momento con Cancelar, seguir trabajando con otros archivos y dejar la transcripción en marcha: cuando el texto esté listo recibirás una notificación.

Corregir la transcripción

El texto está dividido en frases, cada una con su tiempo y, si se reconoce, la persona que habla.

Figura 6. El editor: reproductor de audio arriba y frases editables; la frase que se está escuchando aparece resaltada.

Escuchar

El reproductor de arriba reproduce el audio original: Espacio reproduce y pausa (cuando no estás escribiendo), los botones saltan 5 segundos y puedes elegir la velocidad de 0,75× a 2×. Haz clic en el tiempo de una frase para escucharla; con Seguir el audio la frase en reproducción siempre queda a la vista.

Editar

Figura 7. Buscar y reemplazar, y los nombres de los hablantes.

Buscar y reemplazar

Buscar (⌘F / Ctrl+F) resalta las frases que contienen la palabra; Reemplazar todo corrige de una vez un nombre mal escrito en toda la transcripción.

Hablantes

Con AssemblyAI y Deepgram cada frase tiene una etiqueta (Hablante A, Hablante B…). En el panel Hablantes escribe el nombre real: aparece en todas partes, también en los archivos exportados. Puedes cambiar el hablante de una frase desde el menú junto al tiempo, añadir más o asignarlos a mano aunque el motor no los reconozca.

Guardar y exportar

Guarda el proyecto para seguir corrigiendo más tarde y exporta el texto en el formato que necesites.

El proyecto .v2t

Guardar (⌘S / Ctrl+S) crea un archivo .v2t con la transcripción, las correcciones y los nombres de los hablantes. Vuelve a abrirlo con Abrir transcripción (⇧⌘O / Ctrl+Mayús+O) o arrastrándolo a la ventana. ⇧⌘S guarda con otro nombre.

Exportar

Figura 8. La ventana Exportar: formato, opciones y destino.

Pulsa Exportar (⌘E / Ctrl+E), escribe el título del documento y elige el formato:

FormatoIdeal para
.docx Word · .odt LibreOffice · .rtfdocumentos para editar, maquetados con título y datos de la grabación
.pdfdocumentos para imprimir o enviar; se crea con el cuadro de impresión del sistema («Guardar como PDF»)
.txt · .md · .htmltexto sin formato, Markdown, página web
.srt · .vttsubtítulos para vídeo (YouTube, Premiere, DaVinci, VLC…)
.csv · .jsonhojas de cálculo (Excel, Numbers) y datos para otros programas
.v2tel proyecto que se puede reabrir, también para guardarlo en la nube

Las opciones permiten incluir las marcas de tiempo, los nombres de los hablantes y agrupar las frases en párrafos. El árabe y los demás idiomas de derecha a izquierda se maquetan correctamente.

Guardar en la nube

Voice2Text guarda los archivos directamente en tu nube usando las carpetas que las apps de los servicios crean en el ordenador. No hace falta conectar cuentas ni escribir contraseñas.

Cómo funciona

Al instalar la app de Google Drive, OneDrive, Dropbox, Box, Proton Drive, iCloud Drive, pCloud, MEGA, Nextcloud o Sync.com, aparece una carpeta sincronizada en el ordenador. Voice2Text la encuentra por sí solo: en la ventana Exportar, en Dónde guardar, elige la nube y pulsa el botón. El archivo se escribe en la subcarpeta Voice2Text y la app del servicio lo sube enseguida.

Figura 9. Ajustes → Nube: las carpetas encontradas en el ordenador y la conexión WebDAV.

Ajustes → Nube

Proton Drive no permite que otras apps accedan directamente a la cuenta: por eso Voice2Text usa su carpeta sincronizada, que mantiene el mismo cifrado de extremo a extremo.

Ajustes e idiomas

El engranaje de arriba a la derecha (⌘, / Ctrl+,) abre los ajustes.

Figura 10. Ajustes → General.

Los idiomas son archivos XML

Figura 11. Ajustes → Idiomas: idiomas disponibles, grado de traducción y herramientas para los archivos XML.

Cada idioma de la interfaz es un archivo XML. Para corregir una traducción o añadir una nueva:

  1. Exporta el archivo del idioma (flecha en su fila) o descarga la Plantilla para un idioma nuevo.
  2. Ábrelo con un editor de texto y traduce solo el texto entre las etiquetas, sin cambiar los atributos key ni los marcadores entre llaves como {n}.
  3. Pulsa Cargar archivo XML…: el idioma aparece enseguida en la lista y en el menú de idiomas.
<language code="pt" name="Português" english="Portuguese" dir="ltr" version="1.0">
  <string key="app.addFiles">Adicionar ficheiros</string>
  <string key="progress.piece">parte {i} de {n}</string>
</language>

Un archivo con el mismo código que un idioma incluido lo sustituye (para las correcciones); siempre puedes volver al original. Las frases que falten aparecen en inglés; la columna Completa muestra cuántas están traducidas. Para los idiomas de derecha a izquierda usa dir="rtl".

Atajos de teclado

En Windows y Linux usa Ctrl en lugar de ⌘.

TeclasAcción
⌘OAñadir archivos de audio o vídeo
⇧⌘OAbrir una transcripción guardada (.v2t)
⌘S · ⇧⌘SGuardar · Guardar como
⌘EExportar
⌘FBuscar y reemplazar
⌘,Ajustes
EspacioReproducir / pausa (fuera del texto)
Intro · Mayús+IntroDividir la frase · Salto de línea en la frase
Retroceso al inicio de la fraseUnir con la frase anterior
EscSalir del texto · cerrar la ventana abierta

Preguntas frecuentes

Respuestas a las dudas más comunes.

El formato de mi archivo no se lee.

Instala ffmpeg (capítulo Instalación) o usa AssemblyAI o Deepgram, que aceptan cualquier formato porque reciben el archivo original.

Whisper sin conexión es lento.

Elige el modelo Base o Mínimo en Ajustes → Motores. «Grande turbo» es el más preciso, pero sin tarjeta gráfica tarda. Para archivos largos, Groq es mucho más rápido.

El texto está en otro idioma o traducido.

Indica el idioma del audio en lugar de la detección automática y usa Volver a transcribir.

«Clave del servicio no válida».

Revisa la clave en Ajustes → Motores: cópiala de nuevo desde la web del servicio, sin espacios.

Mi nube no aparece.

Comprueba que la app del servicio esté instalada y sincronizada y pulsa Buscar de nuevo en Ajustes → Nube. Si no, añade la carpeta a mano.

El reproductor dice «audio no disponible».

El archivo de audio original se movió o se cambió de nombre después de guardar el proyecto. El texto sigue disponible; para volver a escucharlo, devuelve el archivo a su sitio.

¿Dónde están mis claves y mis ajustes?

Solo en tu ordenador, en el archivo de ajustes de la app, legible únicamente por tu usuario. Nunca se envían a Voice2Text.

VOICE2TEXT

De la voz al texto, en cualquier idioma.