Para transcribir video a texto, sube el archivo tal cual: MP4, MOV, MKV o WEBM. WhipScribe extrae el audio, detecta el idioma y tarda unos 2 minutos por hora de grabación. Lees gratis los primeros minutos; un pack desde US$ 4 por 500 minutos transcribe el resto y te da texto, Word y subtítulos. Pagas una vez 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
De dónde viene tu video
La mayoría de los videos que se pasan a texto no son películas: son reuniones y clases.
Un archivo puede durar hasta 10 horas o pesar 5 GB. En los 30 días hasta el 27/10/2026 procesamos 231 archivos MP4 (todos los idiomas): la mediana duró 80,4 minutos, pesó 268 MB y tardó 132 segundos en procesarse.
Español real
El video no cambia nada para el reconocimiento: lo que cuenta es cómo suena. Una clase con micrófono de solapa sale casi limpia; una reunión con cinco personas hablando a la vez, no tanto.
Haz clic en una línea del texto y escuchas ese segundo exacto, así corriges rápido.
Además del texto
Del mismo archivo sacas los subtítulos en SRT o VTT para YouTube, Premiere Pro o CapCut (más detalle en el generador de subtítulos SRT). También recibes un resumen, capítulos con marcas de tiempo y citas clave; ahí se indica quién habló, aunque el texto descargado no lleva hablante por línea.
Con la transcripción completa puedes traducirla a 99 idiomas manteniendo los tiempos. Es traducción automática, sin costo aparte de los minutos ya usados. ¿El video está en YouTube? Pega el enlace en transcribir video de YouTube.
Precio
WhipScribe no es una suscripción. Compras un pack de minutos una sola vez y lo vas gastando a tu ritmo: US$ 4 por 500 minutos (8 h 20 min de audio), US$ 12 por 2.000 o US$ 24 por 5.000. Por hora de audio sale a US$ 0,48, US$ 0,36 o US$ 0,29 según el pack.
El precio depende de la duración, no del peso del archivo ni de la resolución. Mira las cuentas en precio de transcripción.
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 | 500 min | 8 h 20 min | Grabaciones sueltas; los créditos nunca vencen |
| Pack US$ 12 | 2.000 min | 33 h 20 min | Grabaciones sueltas; los créditos nunca vencen |
| Pack US$ 24 | 5.000 min | 83 h 20 min | Grabaciones sueltas; los créditos nunca vencen |
| Workspace | US$ 19 al mes | Ilimitado, uso razonable hasta 150 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$ 24 o con Workspace. Todos los precios.
Preguntas frecuentes
Ves gratis una vista previa de los primeros minutos de cada video, sin tarjeta. Para el resto y para descargar texto o subtítulos necesitas un pack, desde US$ 4 por 500 minutos. No hay transcripción completa gratis.
No. Sube el MP4, MOV, MKV o WEBM tal cual; el audio se extrae en nuestros servidores. Convertirlo antes a MP3 no mejora el resultado y solo te hace perder tiempo.
Descarga la grabación en MP4 desde Zoom, OneDrive o Google Drive y súbela. Si está en Google Drive puedes pegar el enlace. El resumen y los capítulos indican quién habló.
Hasta 10 horas o 5 GB por archivo. La caja de esta página acepta hasta 500 MB; si el video pesa más, la subida continúa sola en la página de subida.
Sí. Del mismo archivo descargas SRT y VTT, con tiempos que salen de la marca de tiempo de cada palabra. Sirven para YouTube, Premiere Pro, DaVinci Resolve, CapCut o VLC.
Si tienes el archivo y derecho a usarlo, súbelo como cualquier MP4 descargado de tu teléfono o de tu cuenta. Solo transcribe contenido que te pertenezca o que tengas permiso para usar.
Sigue con
Sin convertir nada: texto, Word y subtítulos del mismo archivo.