Para transcribir audio a texto, sube la grabación o pega un enlace: WhipScribe detecta el idioma solo y tarda unos 2 minutos por hora de audio. Empiezas con una vista previa gratis de los primeros minutos; un pack desde US$ 4 por 300 minutos transcribe el resto y abre todas las descargas. Es un pago único y los créditos nunca vencen.
La caja de subida ya está en español; las páginas de tu cuenta siguen en inglés por ahora.
En español: Audio · Video · MP3 · YouTube · Subtítulos · Precio
Paso a paso
Para qué sirve
Lo que más se transcribe en español son grabaciones del día a día: el audio de WhatsApp de cuatro minutos que no puedes escuchar en la oficina, la entrevista para la tesis, la clase grabada con el teléfono, la reunión con un cliente o el episodio de tu pódcast.
Cada palabra queda marcada en el tiempo. Además recibes un resumen con las ideas principales, capítulos con marcas de tiempo, citas clave y un chat para preguntarle cosas a la transcripción. Si la grabación tiene varias personas, el resumen, las citas y los capítulos dicen quién habló; la transcripción descargada no lleva una etiqueta de hablante por línea.
Español real
El motor entiende las variantes del español sin que elijas ninguna: mexicano, rioplatense con su voseo (“vos tenés”, “vení”), caribeño, andino, chileno y el de España. Con buena grabación, el texto sale con puntuación y listo para leer. Hay cosas que conviene revisar siempre:
Después del texto
Cuando la transcripción está completa, puedes traducirla a cualquiera de 99 idiomas con las mismas marcas de tiempo, así que los subtítulos SRT y VTT siguen alineados. Es traducción automática, no certificada, y no cuesta nada más que los minutos que ya usó la transcripción.
¿Necesitas el texto para video? Mira el generador de subtítulos SRT. ¿Tu grabación es un video de Zoom o del teléfono? Usa transcribir video a texto; no hace falta sacar el audio antes.
Precio
WhipScribe no es una suscripción. Compras un pack de minutos una sola vez y lo vas gastando a tu ritmo: US$ 4 por 300 minutos (5 h de audio), US$ 18 por 3.000 o US$ 32 por 6.000. Por hora de audio sale a US$ 0,80, US$ 0,36 o US$ 0,32 según el pack.
Para un uso diario o un equipo existe Workspace por US$ 19 al mes, con uso razonable hasta 300 horas por periodo. Las cuentas están en precio de transcripción de audio.
Medido, no prometido
Pasamos nuestro motor de producción por el conjunto público FLEURS en español: 5 archivos, 26,4 minutos de audio leído. La tasa de error por palabra (WER) mediana fue de 4,5 %, procesando 28,9 veces más rápido que el tiempo real (25/09/2026). Es habla leída y limpia: una reunión con ruido, voces encimadas, nombres propios o jerga sale peor, así que revisa esos tramos. Método y todos los idiomas.
Lo que cuesta
Cada grabación empieza con una vista previa gratis de sus primeros minutos. Si quieres el resto, compras un pack de minutos: una grabación de una hora usa 60 minutos.
| Opción | Precio | Audio | Ideal para |
|---|---|---|---|
| Pack US$ 4 | 300 min | 5 h | Grabaciones sueltas; los créditos nunca vencen |
| Pack US$ 18 | 3.000 min | 50 h | Grabaciones sueltas; los créditos nunca vencen |
| Pack US$ 32 | 6.000 min | 100 h | Grabaciones sueltas; los créditos nunca vencen |
| Workspace | US$ 19 al mes | Ilimitado, uso razonable hasta 300 h por periodo | Grabaciones a diario o un equipo entero |
Precios en dólares estadounidenses y cobrados en dólares; tu banco puede convertirlos a tu moneda. El checkout muestra el total antes de pagar. Sin cuotas por usuario. El acceso a la API viene con el pack de US$ 32 o con Workspace. Todos los precios.
Preguntas frecuentes
Cada grabación empieza con una vista previa gratis de sus primeros minutos, sin tarjeta. La transcripción completa y las descargas necesitan un pack de minutos, desde US$ 4 por 300 minutos. No hay transcripción completa gratis.
Sí. Exporta la nota de voz desde el chat (Compartir o Exportar) y súbela tal cual: el formato OGG/Opus de WhatsApp se acepta sin convertir. También funciona con notas reenviadas a tu correo o guardadas en Google Drive.
Unos 2 minutos por cada hora de audio. Una nota de voz corta está lista casi al instante; una entrevista de una hora, en pocos minutos. Puedes dejar la pestaña abierta y ver cómo avanza.
Sí, todas las variantes se detectan solas y no hay que elegir ninguna. Donde más conviene revisar es en acentos muy aspirados, en nombres propios y en frases que mezclan español e inglés.
El resumen, las citas clave y los capítulos indican quién dijo qué. La transcripción descargada no separa cada línea por hablante, así que si necesitas un guion con nombres por intervención tendrás que añadirlos al editar.
Sí. Con la transcripción desbloqueada descargas un DOCX que se abre en Word o Google Docs, con el texto puntuado y en párrafos. También tienes TXT, SRT, VTT y JSON con cada palabra marcada en el tiempo.
No. Se transcribe en nuestros propios servidores, no se envía a otro servicio de IA y nunca se usa para entrenar ningún modelo. Puedes borrar la grabación y su transcripción cuando quieras.
Sigue con
Si te sirve, un pack desde US$ 4 transcribe el resto; los créditos nunca vencen.