Transcripción de audio con modelo IA
Transcribe clips breves mediante Whisper Tiny ejecutado en el navegador.
Herramienta interactiva
El modelo Whisper Tiny puede descargar decenas de megabytes. Evita archivos privados y comprueba las licencias del modelo.
Selecciona una grabación con voz.
Selecciona tus archivos explícitamente. El código de la herramienta no los sube a servidores de AppInitDev. Excepción de privacidad: el reconocimiento de voz del navegador podría usar servicios externos; los modelos OCR/ML descargan componentes por Internet.
Qué hace y cómo interpretar los resultados
El reconocimiento de voz a partir de un archivo puede funcionar con modelos como Whisper. El resultado es una hipótesis de transcripción, no una transcripción certificada ni una traducción.
Este módulo carga un modelo de decenas de megabytes y requiere suficiente memoria, un archivo compatible y conexión inicial. Solo procesa clips breves y puede tardar o fallar en teléfonos modestos.
Actividad de aprendizaje
Práctica: utiliza el tono WAV de prueba para verificar que no aparecen palabras inventadas. Para evaluar la calidad real, usa una grabación de voz propia con consentimiento y compárala con una transcripción manual.
La herramienta presenta errores y límites cuando una operación no está disponible. Si trabajas con material importante, conserva el original y coteja cada resultado.
Documentación técnica y referencias
- Transformers.js — documentación oficial — Modelos ejecutados en navegador con ONNX Runtime; descarga inicial de pesos.
- Hugging Face — Task taxonomy — Clasificación de tareas en texto, visión, audio, video y multimodalidad.
- OWASP — File Upload Cheat Sheet — Límites y validación de archivos de usuarios.
- W3C — WCAG 2.2 — Requisitos de accesibilidad web.
Guía práctica ampliada
Por qué hay límites de duración
La transcripción con Transformers.js y Whisper Tiny requiere cargar modelos que consumen memoria. En teléfonos, el procesamiento de varios minutos puede bloquearse o agotar recursos. Por eso la versión incorpora un límite de 45 segundos. Antes de transcribir decodifica el audio y lo convierte a un único canal de 16 kHz, formato adecuado para modelos de reconocimiento de voz. El reconocimiento final sigue siendo probabilístico.
Cómo comprobar una transcripción
Graba una lectura breve en un ambiente silencioso. Conserva el guion, ejecuta la herramienta y compara palabra por palabra. Después prueba ruido ambiental moderado para observar cómo aumenta la incertidumbre. Los nombres de productos, cifras y cambios entre idiomas son especialmente importantes para revisar. El modelo puede producir palabras aunque la señal sea pobre; nunca conviertas esa salida directamente en un registro médico, financiero o legal sin validación.
Distinción con dictado
El dictado utiliza servicios del navegador y captura audio desde el micrófono con permiso. Este transcriptor procesa un archivo que tú eliges y utiliza una librería y un modelo externo descargado al navegador. El archivo no se envía deliberadamente a un servidor de AppInitDev; no obstante, el entorno descarga bibliotecas y modelos de terceros. Los resultados pueden guardarse como texto editable y consultarse sin revelar credenciales.
Continuar aprendiendo
Elige otra herramienta, explora sus límites y consulta los recursos técnicos antes de compartir datos o utilizar resultados.