Cómo Transcribir un Vídeo a Texto Gratis, Sin Subirlo a Ningún Sitio

Para transcribir un vídeo a texto gratis, ejecuta Whisper, de OpenAI, en tu propio ordenador. Lee el archivo de vídeo directamente, entiende unos 100 idiomas, no tiene tope de minutos y exporta texto plano o archivos de subtítulos. Puedes usarlo desde una línea de comandos, desde una aplicación gratuita como Buzz o Subtitle Edit, o desde una aplicación de escritorio como Sablate.

Las webs en línea de «vídeo a texto gratis» también funcionan, pero lo racionan: tres archivos al día, treinta minutos cada uno, una cuenta y una subida. A continuación están las tres formas locales de hacerlo, lo que te cuesta cada una en configuración y cómo conseguir una transcripción que no necesite una hora de limpieza.

Por qué los transcriptores en línea gratuitos se topan con un límite

Cada minuto de reconocimiento de voz le cuesta a alguien tiempo de GPU. Cuando subes un vídeo a una web de transcripción, ese alguien es la web, así que el plan gratuito es una muestra con contador.

Los contadores se parecen en toda la categoría. TurboScribe, uno de los más generosos, da a los usuarios gratuitos tres transcripciones al día, de hasta 30 minutos por archivo y con una sola subida a la vez; los archivos más largos y el uso ilimitado quedan detrás de su plan Unlimited, unos $10 al mes con facturación anual. Otros servicios limitan el plan gratuito a unos pocos minutos de audio, ponen marca de agua a la exportación o retienen el SRT y el DOCX hasta que pagas. Nada de esto es injusto. Es la aritmética de alquilar GPU.

Ejecuta el mismo modelo en tu propio equipo y la aritmética se invierte. Tu ordenador paga el cálculo, así que nadie necesita ponerle contador. A cambio, pones tú el hardware y la paciencia: un portátil sin GPU dedicada transcribe despacio, y la primera ejecución descarga un modelo de entre unos 78 MB y 3 GB.

El motor suele ser el mismo. TurboScribe dice estar construido sobre Whisper, igual que muchos de sus competidores. Una transcripción local gratuita y una de pago en la nube pueden salir del mismo modelo, y la diferencia real es quién es el dueño de la GPU y adónde va el archivo.

Las tres formas locales de transcribir un vídeo gratis

1. La línea de comandos de Whisper. Gratis, sin límites, con todos los modelos. Necesita Python y FFmpeg, y te da archivos, no un editor.
2. Una aplicación gratuita de Whisper: Buzz o Subtitle Edit. Gratis, sin límites, con una ventana en lugar de un terminal. Con pocas herramientas de edición.
3. Sablate. Una aplicación de escritorio pensada para corregir la transcripción y convertirla en subtítulos en varios idiomas. Gratis con límites, $29 de pago único por la versión completa.

Las tres mantienen el vídeo en tu disco.

Método 1: Whisper desde la línea de comandos

La implementación de referencia es el paquete openai-whisper de OpenAI. Necesita Python 3 y FFmpeg, que Whisper usa para extraer el audio del archivo de vídeo.

Instala primero FFmpeg. En Windows:

winget install Gyan.FFmpeg

En macOS, con Homebrew:

brew install ffmpeg

Después instala Whisper y transcribe:

pip install -U openai-whisper
whisper "interview.mp4" --model turbo --language en --output_format txt

Eso escribe interview.txt junto al lugar desde el que ejecutaste el comando. Cambia txt por srt o vtt para conservar los tiempos, o usa all para obtener todos los formatos a la vez. --model turbo es large-v3-turbo; en un equipo sin GPU, --model small termina en una fracción del tiempo.

Las limitaciones son reales:

• En Windows, pip instala una versión de PyTorch solo para CPU. Usar una GPU NVIDIA implica reinstalar PyTorch desde el índice CUDA de pytorch.org, que es donde se va la primera tarde de casi todo el mundo.
• No hay editor. Obtienes un archivo de texto. Corregirlo significa abrirlo en un editor de texto y escuchar el vídeo en otra ventana.
• El silencio y la música pueden producir texto inventado. A veces Whisper repite una línea o escribe «Thanks for watching» sobre un tramo silencioso. Nuestra guía sobre las alucinaciones de Whisper explica por qué ocurre y qué ajustes lo reducen.

Si te manejas bien en un terminal, es la opción gratuita más flexible que existe, y se extiende a una carpeta entera de archivos con un bucle de una línea.

Método 2: Una aplicación gratuita de Whisper (Buzz o Subtitle Edit)

Si prefieres hacer clic a escribir, dos aplicaciones gratuitas envuelven los mismos modelos en una ventana.

Buzz es una aplicación de transcripción de código abierto (MIT) para Windows, macOS y Linux. Importas un vídeo, eliges un modelo y un idioma, pulsas Run y exportas TXT, SRT o VTT. Puede usar varios motores, entre ellos faster-whisper y whisper.cpp, admite aceleración por GPU y puede etiquetar a los hablantes. El instalador de Windows no está firmado, así que Windows muestra una advertencia de SmartScreen que tienes que saltarte con un clic.

Subtitle Edit es el veterano editor de subtítulos gratuito para Windows, con una versión para macOS en beta. Su menú Video tiene una opción Audio to text (Whisper) que descarga el motor y el modelo por ti, transcribe y abre el resultado en un editor de tiempos completo. Lee y escribe más formatos de subtítulos que cualquier otra herramienta, y puedes guardar el resultado como texto plano cuando solo quieres las palabras.

Las dos son excelentes y las dos son gratis y sin límites. El coste está sobre todo en la segunda mitad del trabajo: Buzz te da un visor de transcripción con reproducción y búsqueda, pero poco para ajustar los tiempos de los subtítulos, y Subtitle Edit te da un editor potente que da por hecho que ya sabes qué es un subtítulo, una velocidad de fotogramas y un formato de subtítulos.

Método 3: Una aplicación de escritorio como Sablate

Sablate ejecuta faster-whisper en local en Windows y Mac y está pensado para lo que viene después de la transcripción: corregirla y convertirla en subtítulos.

1. Suelta el archivo de vídeo en la aplicación y elige el idioma hablado y un nivel de modelo: Fast, Balanced, Accurate (large-v3-turbo) o Best (large-v3).
2. La transcripción se abre en un editor donde cada línea está unida a su momento del vídeo. Haz clic en una línea para escucharla y corrígela en el sitio.
3. Añade nombres y términos de producto al glosario antes de transcribir, y usa buscar y reemplazar (Ctrl+H) para corregir una palabra mal entendida en todas partes a la vez.
4. Exporta .txt o copia el texto, o exporta .srt y .vtt. Si el vídeo necesita subtítulos en otros idiomas, añade capas de traducción a la misma transcripción en lugar de transcribir de nuevo.

El plan gratuito es permanente y no necesita cuenta, pero es el más limitado de las opciones locales que aparecen aquí: vídeos de hasta 10 minutos, tres trabajos al mes y los modelos Fast y Balanced. Tu primer vídeo más largo que eso se procesa con su duración completa una vez. Si solo necesitas una transcripción larga, Buzz o la línea de comandos te la hacen sin pagar nada, y esa es la recomendación honesta.

Donde Sablate se gana sus $29 de pago único del precio de Pro es en el volumen y en el editor: duración ilimitada, todos los modelos de Whisper, transcripción por lotes y exportación con un clic de todos los idiomas que tiene un vídeo.

Herramientas gratuitas de transcripción de vídeo, comparadas

Precios y límites tal como estaban publicados en octubre de 2026. El patrón se mantiene en toda la categoría: las herramientas locales gratuitas no tienen contador, las herramientas en línea no necesitan instalación, y esa comodidad es lo que pagas con minutos.

¿Whisper gratis es tan preciso como una transcripción de pago?

Con voz clara, la precisión de una transcripción local gratuita es la del modelo que elijas, no la del precio que pagaste. Un servicio de pago que ejecuta large-v3 y tu portátil ejecutando large-v3 producen un texto casi idéntico a partir del mismo audio.

La elección del modelo importa mucho más que la herramienta. large-v3-turbo es large-v3 con el decodificador recortado de 32 capas a 4: unas ocho veces más rápido, con una diferencia en la transcripción final que es pequeña en grabaciones corrientes. tiny y small son rápidos, pero se dejan palabras con acentos, voces cruzadas y habla rápida. Nuestra comparativa de modelos de Whisper recoge los tamaños, las velocidades y un caso documentado en el que el modelo mayor se saltó habla que uno menor sí captó.

Hay tres cosas que ningún motor te arregla, gratuito o de pago:

1. Nombres propios y jerga. Whisper escribe un apellido desconocido de forma fonética, y distinta cada vez. Un glosario ayuda más al principio de un archivo, donde el modelo lo lee como contexto; una pasada de buscar y reemplazar se encarga del resto.
2. Silencio y música. Los tramos largos sin voz son donde aparecen las líneas alucinadas. Recorta el aire muerto o revisa primero esos puntos.
3. Hablantes que se solapan. Whisper escribe un único flujo de texto y no indica quién dijo qué. Buzz añade un paso de identificación de hablantes y los servicios de pago ofrecen etiquetas de hablante; Sablate y la línea de comandos de Whisper no.

Los servicios de pago siguen ganando en dos cosas: funcionan desde el móvil, y algunos añaden etiquetas de hablante y resúmenes. Si no necesitas ninguna de las dos, pagar es opcional.

¿Qué método deberías usar?

«Necesito una transcripción, una sola vez, y me manejo bien en un terminal.» Usa la línea de comandos de Whisper con --model turbo si tienes GPU, y con --model small si no la tienes.

«Quiero una aplicación gratuita y no pienso tocar un terminal.» Instala Buzz. Es gratis, sin límites, y exporta los formatos que necesitas.

«Lo que necesito de verdad son subtítulos, y los tiempos tienen que quedar bien.» Usa Subtitle Edit si ya sabes editar subtítulos, o Sablate si quieres la transcripción, las correcciones y los subtítulos en un solo sitio. Nuestra guía para crear un archivo SRT explica las reglas del formato en cualquiera de los dos casos.

«Estoy en el móvil, o el vídeo es corto y no es delicado.» El plan gratuito de una herramienta en línea es el camino más rápido. Tres archivos al día son de sobra para un uso ocasional.

«El vídeo ya está en YouTube y solo necesito leerlo.» El panel «Mostrar transcripción» de YouTube es gratuito e instantáneo en los vídeos que tienen subtítulos. No hace falta ninguna herramienta.

«Transcribo cada semana, o después el vídeo necesita subtítulos en otros idiomas.» Ese es el caso para el que está pensado Sablate: duración ilimitada en Pro, un editor de verdad y capas de traducción sobre la misma transcripción.

Cómo conseguir una transcripción más limpia a la primera

La mayor parte de la limpieza viene de cuatro errores evitables.

Indica el idioma de forma explícita. La detección automática escucha los primeros 30 segundos. Un vídeo que empieza con música o con un saludo en otro idioma se transcribe en el idioma equivocado, o sale en parte traducido al inglés, una rareza conocida de Whisper.

Usa el modelo más grande que tu equipo ejecute con holgura. Pasar de small a large-v3-turbo elimina más errores que cualquier cantidad de posedición, y con una GPU cuesta poco tiempo.

Corrige los nombres antes que nada. Corrige la transcripción antes de exportar subtítulos o traducirla. Un nombre corregido una vez en el origen queda corregido en todos los archivos que generes a partir de él.

No mezcles TXT y SRT en tu cabeza. TXT es para leer; SRT es para los tiempos. Si puede que necesites subtítulos más adelante, exporta también el SRT ahora, porque reconstruir los tiempos a partir de un archivo de texto plano es la tarea más lenta de todo este flujo de trabajo.

Empieza con un vídeo y la herramienta que mejor encaje con tu situación de las anteriores. Si quieres la transcripción, las correcciones y los subtítulos en una sola ventana, descarga Sablate para Windows o Mac; el plan gratuito no necesita cuenta.

Preguntas frecuentes

¿Puedo transcribir un vídeo a texto totalmente gratis?

Sí. Whisper, de OpenAI, es gratuito, de código abierto y funciona en un ordenador Windows o Mac normal, así que no hay cobro por minuto ni tope diario. Los servicios en línea gratuitos suelen racionarlo: el plan gratuito de TurboScribe, por ejemplo, permite tres archivos al día de hasta 30 minutos cada uno. En local, el único límite es cuánto estés dispuesto a esperar.

¿Whisper gratis es lo bastante preciso para sustituir a una transcripción de pago?

Con voz clara, normalmente sí. Varios servicios de transcripción de pago ejecutan Whisper por dentro, así que el precio rara vez cambia el motor. Lo que cambia la precisión es el tamaño del modelo: large-v3-turbo y large-v3 superan con creces a tiny o small con acentos, ruido y habla rápida. Los nombres propios y la jerga hay que corregirlos con cualquier motor, gratuito o de pago.

¿Necesito una GPU para transcribir vídeo con Whisper?

No. Whisper funciona con la CPU, solo que más despacio. Una GPU NVIDIA suele ser de cinco a diez veces más rápida que el mismo equipo usando solo la CPU, y eso es lo que hace viables los modelos grandes con grabaciones largas. Sin GPU, el modelo small es la opción realista para el día a día, y turbo es algo que dejas trabajando mientras haces otra cosa.

¿Puedo transcribir un vídeo sin subirlo a ningún sitio?

Sí. Una herramienta local de Whisper lee el archivo de vídeo desde tu propio disco, extrae el audio y lo transcribe en tu equipo, de modo que el archivo nunca sale de él. El modelo se descarga una sola vez y después no hace falta conexión a internet. Los servicios de transcripción en línea, por su propio diseño, necesitan que subas antes el archivo a sus servidores.

¿Exporto la transcripción en TXT o en SRT?

Exporta TXT si quieres leer, citar o editar las palabras, y SRT o VTT si necesitas los tiempos, ya sea para subtítulos o para encontrar un momento del vídeo. Ambos salen de la misma transcripción, así que no tienes que decidirlo de antemano. La mayoría de las herramientas de Whisper exportan los dos formatos en una sola ejecución.

¿Sablate es gratis para transcribir?

Sí, de forma permanente y sin cuenta, aunque con límites. El plan gratuito cubre vídeos de hasta diez minutos, tres trabajos al mes, los modelos de Whisper Fast y Balanced, y exportación en TXT, SRT y VTT. Tu primer vídeo más largo se procesa con su duración completa. Pro cuesta $29, pago único, quita los límites de duración y de trabajos, y añade los modelos Accurate y Best.