Transcripción en vivo

Qué hace esta herramienta

La transcripción en vivo convierte lo que dices en texto mientras hablas. Pulsa Iniciar, habla al micrófono y cada frase aparece en la transcripción un momento después de hacer una pausa. Funciona como un dictado o una escritura por voz, pero el reconocimiento se ejecuta por completo en tu navegador: sin cuenta, sin servidor y sin que el audio salga de tu ordenador.

El modelo de reconocimiento es Moonshine, un modelo abierto de voz a texto de Useful Sensors diseñado para transcribir en directo en el propio dispositivo. Es rápido con frases cortas, lo que encaja muy bien con transcribir una frase cada vez. La herramienta lo ejecuta con Transformers.js y ONNX Runtime Web, en WebGPU si tu navegador lo tiene y en WebAssembly si no.

Esta herramienta es solo para inglés.

Cómo usarla

1. Elige un modelo. Base es más preciso; Tiny es más pequeño y rápido en ordenadores lentos.
2. Pulsa Descargar modelo e iniciar. El modelo se descarga una vez (unos 120 MB el Base, 50 MB el Tiny) y luego el navegador pide acceso al micrófono. Permítelo.
3. Habla con normalidad. El medidor muestra el volumen de entrada y se pone verde mientras detecta voz. Al hacer una pausa, la frase pasa al modelo y el texto aparece como una línea nueva.
4. Pulsa Detener para liberar el micrófono. Vuelve a pulsar Iniciar para seguir; las marcas de tiempo continúan donde lo dejaste.
5. Usa Copiar o Descargar .txt para guardar la transcripción, o Borrar para empezar de cero. Cambia Orden a Más recientes primero para ver siempre la última línea arriba; Copiar y Descargar siguen el mismo orden.

Ejemplo

Con las marcas de tiempo activadas, una nota breve dictada en inglés queda así:

[00:00] Let's start with the quarterly numbers.
[00:04] Revenue is up twelve percent compared to last year.
[00:09] Next, I want to talk about hiring.

Desactívalas para obtener líneas simples, listas para pegar en un correo, un documento o una app de notas.

Ajustar la detección

Un detector de actividad de voz sencillo escucha el volumen del micrófono y decide dónde empiezan y terminan las frases. Lo controlan tres ajustes:

• Umbral de voz fija lo fuerte que debe ser un sonido para contar como voz. Elige un nivel más ruidoso si el ruido de fondo mantiene el medidor en verde, o uno más sensible si se pierde la voz baja.
• Pausa que cierra una línea es cuánto silencio hace falta antes de transcribir la frase. Pausas cortas dan resultados más rápidos; largas mantienen juntas las frases.
• Línea más larga corta los tramos de voz muy largos para que la transcripción avance aunque no hagas pausas.

Estos cambios se aplican la próxima vez que pulses Iniciar. El modelo y las marcas de tiempo se guardan en la dirección de la página, así que puedes guardar o compartir tu configuración. La transcripción nunca va en el enlace.

Modelo, licencia y límites

La herramienta usa onnx-community/moonshine-base-ONNX o onnx-community/moonshine-tiny-ONNX, conversiones ONNX de los modelos Moonshine en inglés, publicados con licencia MIT. Transformers.js tiene licencia Apache-2.0. La precisión es mejor con una sola persona hablando claro cerca del micrófono; nombres, palabras raras y acentos marcados pueden fallar, y la puntuación es una estimación del modelo. Para archivos de audio grabados, usa la herramienta de voz a texto.