SceneMixer
Español
Regístrate gratis

Voz a texto

Respuesta rápida: La conversión de voz a texto, también llamada dictado por voz o reconocimiento de voz, convierte palabras habladas en texto escrito: un modelo escucha el audio, reconoce las palabras y añade puntuación, ya sea en directo mientras hablas o a partir de un archivo grabado. Es precisa con una voz clara y un acento habitual; los nombres, los números, la jerga y las voces que se solapan aún necesitan revisión. En SceneMixer, el reconocimiento de voz ajusta el momento de los subtítulos a cada línea hablada, mientras que las palabras vienen de tu guion.
Imagen de “El último sobre”, un drama corto con IA generado de principio a fin por SceneMixer (6 personajes, 1 episodio)
EjemploEl último sobreHD Digital1 episodioProducido de principio a fin por SceneMixer a partir del guionVer los episodios

Cómo funciona la voz a texto

El audio se corta en fragmentos cortos y se convierte en una imagen de sus frecuencias a lo largo del tiempo. Un modelo entrenado con miles de horas de habla y transcripciones correspondientes lee esa imagen y predice las palabras más probables, usando la frase completa para decidir entre palabras que suenan parecido, como “haya” y “halla”. Los sistemas modernos añaden después puntuación y mayúsculas, y algunos marcan quién habla y cuándo empieza cada palabra.

Voz a texto o audio a texto: dictado en directo y transcripción de archivos

Dictado por voz (en directo)Transcribir audio a texto (archivos)
EntradaTu voz por un micrófonoUna grabación: reunión, entrevista, pódcast, nota de voz
VelocidadLas palabras aparecen mientras hablasMinutos de audio en una fracción del tiempo
HablantesUnoA menudo varios, identificados
SalidaTexto en la aplicación donde estás escribiendoUna transcripción, un documento o un archivo de subtítulos
Uso habitualMensajes, notas, escribir sin usar las manosNotas, citas, subtítulos, búsqueda

Transcribir audio a texto con precisión

  1. Graba cerca del micrófono en una habitación silenciosa; esto importa más que la herramienta.
  2. Indica el idioma y la región en lugar de confiar en la detección automática.
  3. Añade nombres, marcas y jerga al vocabulario personalizado de la herramienta, si tiene uno.
  4. Compara la transcripción con el audio en unos cuantos puntos y revisa después cada número y cada nombre.
  5. Conserva las marcas de tiempo: te permiten saltar de una cita al momento en que se dijo.

Voz a texto gratis: qué suelen limitar las herramientas gratuitas

El dictado integrado de los teléfonos y ordenadores es gratuito para escribir por voz. Los conversores gratuitos de audio a texto suelen limitar los minutos al mes o la duración de cada archivo, restringir los formatos de exportación o no incluir las etiquetas de hablante. Las herramientas que funcionan en tu propio ordenador mantienen privadas las grabaciones; las herramientas en línea suben el audio, así que revisa cuánto tiempo lo conservan y si lo usan para entrenar sus modelos.

Dónde sigue fallando la voz a texto

Voz a texto para subtítulos

Los subtítulos necesitan más que una transcripción: el texto se divide en líneas cortas y cada línea se sincroniza con el momento en que se dice, y luego se guarda como archivo SRT o VTT o se graba en la imagen. Cuando el texto ya está escrito, como en un vídeo con guion, lo mejor es conservar el texto del guion y usar el reconocimiento de voz solo para encontrar los tiempos.

Lista de comprobación de una transcripción

  1. Idioma y región configurados.
  2. Nombres, números y jerga revisados.
  3. Hablantes identificados como necesites.
  4. Marcas de tiempo conservadas.
  5. Permiso para grabar, transcribir y publicar.
Transcribir la vozSubtítulos a partir de un guion
Las palabras vienen deLo que oye el reconocedorEl guion tal como está escrito
Nombres y ortografíaHay que revisarlosExactamente como están escritos
Los tiempos vienen deEl audioLas voces del vídeo
Lo mejor paraGrabaciones sin guionVídeos hechos a partir de un guion

Preguntas frecuentes

¿SceneMixer tiene una herramienta de voz a texto?

No como herramienta independiente para tus grabaciones: SceneMixer acepta texto, imágenes y vídeos, no archivos de audio. Dentro del producto, el reconocimiento de voz se usa para ajustar el tiempo de los subtítulos y para leer las líneas de un clip que rehaces.

¿Los subtítulos de SceneMixer son una transcripción?

No. Las palabras son las líneas de tu guion, así que los nombres salen exactamente como los escribiste; SceneMixer reconoce la voz solo para saber cuándo se dice cada línea.

¿Puedo obtener un archivo SRT de SceneMixer?

Sí, para un episodio completo: marca Añadir subtítulos al exportarlo en SceneMixer y luego usa Descargar SRT.

¿Cómo lee SceneMixer las líneas de un vídeo que subo?

En la pestaña Rehacer, un reconocedor de voz escucha cada plano de tu clip, y SceneMixer copia lo que oyó en el nuevo guion por planos en lugar de adivinarlo a partir del movimiento de los labios.

¿Qué pasa si SceneMixer no entiende una línea?

Se deja fuera en lugar de inventarla. Compara el guion con tu clip y añade la línea que falta a ese plano en el editor de SceneMixer.

¿Los subtítulos cuestan créditos en SceneMixer?

No. Los subtítulos no cuestan créditos en SceneMixer; están disponibles en cuentas que hayan hecho al menos una compra.

Subtítulos que escriben bien los nombres

Escribe el guion, renderiza el episodio y exporta subtítulos sincronizados con las voces.

Empezar un proyecto

Actualizado el 20 de noviembre de 2026