Transcripción libre español
Transcreba o son e vídeo español a texto coa IA. Rápido, preciso e gratuíto.
Como funciona
- Ir ao Transcriptor Free.ai
- Envíe o seu ficheiro de son ou vídeo español
- A nosa IA detecta automaticamente español e transcríbea
- Obteña a súa transcrición como texto ou subtítulos SRT
Características de transcrición español
- ✓Desenvolvido por faster-whisper (con licenza MIT)
- ✓Detección automática da lingua español
- ✓Soporta MP3, WAV, MP4, M4A, FLAC e máis
- ✓Exportación de marcas de tempo e subtítulos (SRT)
- ✓Non hai límites de tamaño de ficheiro nos plans de pago
- ✓Privado e seguro -- os ficheiros bórranse despois do procesamento
Detalles da lingua
| Lingua | español |
| Código ISO | es |
| Modelo de IA | faster-whisper |
| Prezo | Libre |
Máis idiomas
Ver todas as linguasFAQ
Whisper large-v3-turbo sitúase no seu nivel de precisión máis alto en español: menos do 7% de taxa de erros por palabra en probas estándar. Na práctica, isto significa que o audio limpo de estudo sae case perfecto e o audio de conversa é utilizable cun mínimo de retoques.(Nivel A, under 7% word error rate en conxuntos de proba: publicamos niveis de WER honestos en vez de afirmacións de márketing.)
Si, a transcrición de español consome primeiro o teu pool diario gratuíto de tokens. O audio custa uns 50 tokens por minuto, así que o pool diario anónimo cobre unhas horas de audio ao día. As contas con sesión iniciada teñen un pool diario maior de 30,000 tokens. Ata aí; despois, a transcrición é de pago por uso, con recargas de tokens desde $1.
O español cobre as variedades castelá (España), mexicana, arxentina (rioplatense), caribeña e andina. Whisper foi adestrado cunha mestura e xestiona as cinco no mesmo modelo: só tes que pasar language=es e a transcrición reflectirá o dialecto que haxa no audio (incluídos o voseo e o seseo).
Acéptanse directamente MP3, WAV, M4A, FLAC, OGG, OPUS e WEBM. Para vídeo (MP4, MOV, MKV) extraemos a pista de audio no servidor antes de enviala a Whisper, así que non tes que converter nada. O proceso é o mesmo sexa cal sexa o idioma de orixe, incluído español.
As cargas anónimas teñen un límite de aproximadamente 500 MB por ficheiro. As contas con sesión iniciada chegan a 2 GB. A duración non é un límite estrito: os ficheiros longos divídense automaticamente (en ventás de 30 segundos con solapamento) e únense de novo nunha soa transcrición con marcas de tempo continuas. As gravacións de varias horas en español (podcasts, clases completas, reunións) funcionan sen problema.
Si, a diarización de falantes está activada por defecto en todas as transcricións en español. A saída divídese como Falante 1 / Falante 2 / Falante 3 con marcas de tempo, así que as entrevistas, os debates e as reunións con varios participantes devólvense etiquetados. A diarización funciona cun modelo separado e ofrece o mesmo resultado en todos os idiomas que admitimos.
Si, pega o URL en /transcribe/youtube/ para YouTube ou en /transcribe/podcast/ para feeds de podcast (Apple, Spotify, RSS). Descargamos o audio, pasámolo por Whisper con language=es e devolvemos a transcrición con marcas de tempo e etiquetas de falante. Contido típico en español: os podcasts, as clases, as entrevistas e o contido longo de YouTube en español son as cargas de traballo máis habituais que vemos.
Whisper custa arredor de 50 tokens por minuto de audio, así que unha gravación dunha hora son ~3,000 tokens. A maioría das persoas nunca gastan nada: a reserva diaria gratuíta de 30,000 tokens cobre clips curtos, notas de voz e podcasts soltos. Superada esa reserva, a transcrición é de pago por uso, con recargas de tokens desde $1.
Si, están dispoñibles tanto as marcas de tempo por segmento (cada ~10-30 segundos) como por palabra. A marca por palabra é a predeterminada na exportación de subtítulos VTT/SRT para que as lendas se sincronicen liña a liña. Na API, define timestamps="word" no corpo da solicitude. As transcricións en español devólvense en UTF-8 estándar coa ortografía habitual do idioma.
Si. Envía o audio por POST (multipart/form-data, nome do campo “file”) a /v1/transcribe/ con language=es, ou omite o parámetro de idioma para que Whisper o detecte automaticamente. Devolve JSON coa transcrición, os segmentos, as marcas de tempo e as etiquetas dos falantes. Referencia completa e fragmentos de SDK en /api/.
Si, cando remate a transcrición, fai clic en Translate ou pega o texto en /translate/. español combina con todos os demais idiomas que admitimos (200+). Para actas de reunións, pasa a transcrición por /summarize/; para dobraxe, envíaa a /voice/tts/ e xera o audio no idioma de destino.
Whisper está adestrado con 680K horas de audio real con ruído, así que a transcrición de español aguanta ben o ruído de fondo, a música de fondo e as gravacións con calidade de teléfono. A saturación grave ou varios falantes que se solapan seguirán afectando á precisión.Se unha transcrición sae inutilizable, escribe a contact@free.ai co ficheiro: reembolsaremos os tokens e estudaremos se outro motor xestiona mellor o teu audio.