¿Qué es voz a texto? Es un software que convierte el lenguaje hablado de un audio en texto escrito. El programa corta el sonido en tramos cortos, los asocia con sonidos del habla y arma las palabras más probables. La misma idea también se llama reconocimiento de voz o ASR.
Transcribe una grabación
Envía tu mensaje de voz, audio o vídeo a @potok_now_bot en Telegram y el texto te llega en el chat.
Abrir @potok_now_bot en Telegram
Archivos de hasta 2 GB · exportación a TXT, MD, DOCX, PDF, SRT y VTT · etiquetas de hablantes y marcas de tiempo · unos 30 idiomas
Datos clave
- Los sistemas modernos usan redes neuronales entrenadas con grandes colecciones de grabaciones emparejadas con el texto correcto, no reglas escritas a mano.
- La medida de calidad habitual es la tasa de error de palabras, la proporción de palabras sustituidas, omitidas o añadidas respecto a una transcripción correcta.
- Los acentos, la jerga, las voces superpuestas y el ruido aumentan la tasa de error, igual que un idioma que el sistema vio poco en el entrenamiento.
- La salida en bruto no sabe quién habló ni dónde terminan las frases, así que pasos extra añaden etiquetas de hablante, puntuación y marcas de tiempo.
- Voz a texto convierte el sonido en palabras del mismo idioma; no pasa un idioma a otro.
Cómo se ve
// input
talk.m4a (spoken: "send the invoice on friday")
// pipeline
audio -> frames -> speech sounds -> likely words -> text
// output
send the invoice on friday
Más
Consulta la lista completa de idiomas, las herramientas y el glosario.
Preguntas frecuentes
¿Voz a texto es lo mismo que el dictado?
El dictado es un uso de esta tecnología: hablas y el texto aparece en un documento. Transcribir una grabación es otro uso de la misma tecnología.
¿Es lo mismo que el reconocimiento de voz?
Sí, los términos se usan de forma intercambiable. ASR, siglas de reconocimiento automático del habla en inglés, es el nombre técnico.
¿Qué tan preciso es?
Depende del audio, de la voz y del idioma. Las cifras publicadas de tasa de error de palabras muestran qué esperar, y una grabación clara es lo que más ayuda.
¿Cómo convierto una grabación en texto con Potok?
Abre el bot, envía el mensaje de voz, el audio o el video, o pega un enlace de YouTube, y el texto vuelve en el chat o como archivo.
¿Puedo exportar el resultado?
Sí. Las exportaciones incluyen TXT, MD, DOCX, PDF, SRT y VTT. Los resultados cortos llegan como texto en el chat y los largos como archivo.
Fuentes
Cada fuente se abrió a mano en la fecha indicada. Las páginas cambian, así que abre la fuente si un detalle te importa.
- Speech recognition (Wikipedia), Wikipedia · comprobado
- Word error rate (Wikipedia), Wikipedia · comprobado
Pruébalo con tu propia grabación
Envía tu mensaje de voz, audio o vídeo a @potok_now_bot en Telegram y el texto te llega en el chat.
Abrir @potok_now_bot en Telegram