TurboScribe es un servicio de transcripción con IA que funciona en el navegador y se apoya en Whisper para convertir audio y vídeo en texto en más de 98 idiomas, con reconocimiento de hablantes, exportación de subtítulos y traducción integrada. El plan gratuito cubre tres archivos al día y el plan ilimitado elimina los cupos para investigadores, periodistas y podcasters.
¿Has usado esta herramienta? Valórala
¿Has usado esta herramienta? Valórala
TurboScribe es un servicio de transcripción que funciona en el navegador y convierte archivos de audio y vídeo en texto legible y editable. Subes una grabación, eliges idioma y modo de calidad, y unos segundos o minutos después recibes una transcripción con formato que puedes leer, buscar, corregir, traducir y exportar como documento o como archivo de subtítulos.
Lo que define a este producto no es la precisión por sí sola, sino la eliminación del modelo de cobro por minuto que domina esta categoría. El sitio se presenta como «el único servicio de transcripción ilimitada del mundo», sin topes ni cuotas, y el plan de pago vende transcripción ilimitada en lugar de un paquete de minutos u horas. Para quien haya visto crecer una factura por minuto a lo largo de un proyecto de investigación, esa decisión de estructura de precios suele pesar mucho más que una diferencia de décimas en la tasa de error.
En el plano técnico, TurboScribe no ejecuta un modelo de voz propio. Utiliza Whisper, el modelo de OpenAI, y lo declara abiertamente en su página principal. Esto importa más que una nota técnica al pie: significa que la calidad de transcripción que obtienes es, en esencia, la calidad de Whisper, ampliamente documentada en la investigación pública. La aportación de ingeniería propia de la empresa está en otro lugar: capacidad de cálculo, velocidad, etiquetado de hablantes, traducción, gestión de archivos y diseño económico del plan.
El servicio lo lleva un equipo pequeño. Las preguntas frecuentes del sitio están escritas en primera persona por el fundador, que se presenta como Leif e indica haber pasado casi una década construyendo sistemas de inteligencia artificial en empresas como Meta. Las consultas de soporte llegan a una dirección de correo personal. Conviene saberlo antes de compararlo con proveedores orientados a grandes empresas: compras un producto enfocado y contacto directo con su creador, no una organización con procesos formales de compra y acuerdos de nivel de servicio negociables.
El mercado de voz a texto se divide en cuatro grupos. Están los servicios de transcripción humana, que cobran por minuto y entregan una precisión casi perfecta en horas o días. Están los asistentes de reuniones, que se unen a las llamadas en directo y generan resúmenes. Están las suites creativas, que tratan la transcripción como una línea de tiempo para editar el material. Y están las herramientas puras de archivo entra, texto sale.
TurboScribe pertenece claramente al cuarto grupo y optimiza un solo eje: volumen procesado por euro gastado. No se une a tus reuniones, no edita vídeo y no pretende ser un espacio de trabajo. Recibe archivos y devuelve texto en gran cantidad por una cuota mensual fija. Entender ese alcance es la vía más rápida para decidir si encaja contigo, porque la mayor parte de la decepción con este producto nace de esperar que sea alguno de los otros tres.
El plan ilimitado elimina las cuotas por archivo y por minuto. Las preguntas frecuentes oficiales son inusualmente directas sobre lo que eso significa en la práctica: no hay tope de uso global, los clientes transcriben habitualmente cientos de horas al mes y la única norma es no compartir la cuenta con otras personas.
La empresa publica además un objetivo técnico en lugar de refugiarse en fórmulas vagas: sus sistemas están diseñados para permitir transcribir al menos 720 horas de audio o vídeo al mes, lo que, como señala expresamente, equivale a transcribir veinticuatro horas al día durante treinta días seguidos. Por encima de ese nivel, descrito como el 0,1 % de uso más intenso, se orienta hacia una guía de uso en vez de cortar el servicio. Es una postura bastante más honesta que la norma del sector, que consiste en anunciar ilimitado y enterrar una limitación en las condiciones.
En lugar de exponer un modelo opaco, el servicio permite elegir el equilibrio entre precisión y velocidad archivo por archivo. Los tres modos corresponden directamente a tamaños concretos de modelos Whisper:
base de 74 millones de parámetros. La documentación oficial habla de unos 20 a 30 segundos por hora de material.small de 244 millones de parámetros, en torno a tres minutos por hora de material.large-v2 de 1.550 millones de parámetros, en menos de diez minutos por hora de material.Whale es el valor predeterminado, y es el acertado. Dado que la diferencia entre modos radica en la capacidad del modelo y no en un pulido posterior, la elección del modo es la palanca de calidad más importante en tus manos. En cuanto el material incluye acentos, vocabulario técnico o audio imperfecto, quedarse en Whale deja de ser opcional.
El reconocimiento de hablantes se activa con una casilla antes de subir el archivo y etiqueta cada sección de la transcripción con quién habla. Puedes declarar el número de participantes —la interfaz ofrece valores de dos a ocho— o dejar que el sistema lo detecte automáticamente. La documentación oficial indica que añade uno o dos minutos de proceso por hora de audio.
El consejo práctico es claro: declara el número de hablantes cuando lo conozcas. La detección automática debe deducir del propio sonido cuántas voces hay, y acotar ese espacio de búsqueda con un valor conocido suele producir límites de segmento más limpios que dejar que el sistema lo adivine.
La traducción funciona como un paso independiente de la transcripción, y esa separación resulta útil. Una vez existe la transcripción, un botón abre una herramienta donde eliges idioma de destino y formato, y obtienes una transcripción o unos subtítulos traducidos. La empresa señala una cobertura de más de 130 idiomas.
Existe además una opción distinta que se aplica al subir el archivo y transcribe directamente al inglés audio en cualquier idioma admitido, sin pasar antes por el idioma original. Ambos caminos producen resultados diferentes y sirven a necesidades distintas: el paso directo al inglés es cómodo en un solo movimiento, mientras que transcribir y luego traducir conserva una versión verificable en el idioma de origen.
Para grabaciones realmente deficientes, una opción de restauración emplea inteligencia artificial para eliminar ruido de fondo y realzar la voz antes de transcribir. Las indicaciones oficiales son notablemente prudentes: la describen como último recurso reservado a archivos de mala calidad y advierten de que añade dos o tres minutos de proceso por hora de material. Tratar la reducción de ruido como respaldo y no como ajuste predeterminado es técnicamente sensato, porque un procesamiento agresivo puede introducir sus propios artefactos en grabaciones que no lo necesitaban.
Las transcripciones se exportan en PDF, DOCX, TXT, CSV y como subtítulos SRT y VTT. La opción CSV pasa desapercibida con facilidad, pero resulta valiosa para el análisis estructurado, ya que permite cargar segmentos con marcas de tiempo directamente en una hoja de cálculo o en un script de análisis.
Las acciones por lotes gestionan la exportación de varios archivos, y la exportación por carpetas abarca hasta 1.000 transcripciones a la vez. El plan ilimitado permite subir cincuenta archivos simultáneamente. En conjunto, estas funciones hacen que los proyectos de archivo a gran escala sean practicables y no solo teóricamente posibles.
El servicio acepta la gran mayoría de contenedores de audio y vídeo habituales, entre ellos MP3, M4A, MP4, MOV, AAC, WAV, OGG, OPUS, MPEG, WMA, WMV, AVI, FLAC, AIFF, ALAC, MKV y WEBM. En la práctica, esto significa que rara vez necesitas convertir nada antes de subirlo, lo que elimina un paso tedioso en trabajos de archivo donde los originales llegan en formatos dispares.
Esta sección merece un examen especial, porque la cifra de cabecera es el dato más citado y menos comprobado sobre este producto.
TurboScribe anuncia un 99,8 % de precisión de forma destacada en todo su sitio. Esa cifra está declarada por el propio proveedor y no ha sido auditada de forma independiente. No se publican la metodología de prueba, el conjunto de datos, las condiciones acústicas ni el criterio de recuento de errores. Como ocurre con la mayoría de cifras de precisión en esta categoría, debe leerse como un valor óptimo obtenido con grabaciones limpias, nítidas, de un solo hablante y en un idioma bien soportado, no como una garantía aplicable a tu material.
Dado que el modo Whale ejecuta Whisper large-v2, las mediciones públicas de ese modelo concreto resultan directamente pertinentes. La evaluación independiente de Artificial Analysis sitúa a Whisper large-v2 en una tasa de error de palabra del 4,1 % sobre un conjunto de referencia que combina audio conversacional, discursos parlamentarios y grabaciones de presentaciones de resultados. Eso equivale a cerca del 95,9 % de palabras correctas sobre material realista y variado: un resultado excelente para el reconocimiento automático del habla y, a la vez, visiblemente inferior al 99,8 %.
La diferencia no prueba deshonestidad. Refleja un hecho bien conocido: la precisión es función del audio y no una propiedad fija del modelo. Una narración en inglés grabada en estudio sí puede acercarse a la cifra más alta; el material real y heterogéneo, no.
La investigación pública sobre Whisper documenta con claridad los modos de fallo, y se trasladan directamente por tratarse de la misma familia de modelos:
large-v3 mejoró en ese punto respecto a versiones anteriores. Como Whale funciona con large-v2, quienes trabajan con material muy acentuado están en la generación previa a esa mejora.En la dimensión idiomática, la empresa es transparente. Sus propias respuestas indican que la precisión varía según el idioma, publican una lista de los idiomas con mejor rendimiento y recomiendan explícitamente probar primero con el plan gratuito. Ese consejo conviene seguirlo al pie de la letra.
Los comentarios de las comunidades de usuarios convergen en una imagen coherente: excelente con audio limpio de un solo hablante, separación nítida de voces en entrevistas a dos bien grabadas, y deterioro del etiquetado en cuanto tres o más participantes se pisan al hablar. Para cualquier uso en el que un error tenga consecuencias reales —jurídico, médico, cita periodística, cumplimiento normativo— la transcripción debe tratarse como un borrador de alta calidad que hay que verificar contra el audio original, no como un registro definitivo.
Quien realiza estudios basados en entrevistas se enfrenta a un problema estructural de coste: la transcripción se cobra por minuto y el trabajo cualitativo riguroso genera muchas horas de conversación. Una cuota mensual fija cambia el propio diseño de la investigación, porque elimina el incentivo de grabar menos o de transcribir solo una selección. El testimonio de un profesor publicado en el sitio ilustra la magnitud: antes asignaba a sus estudiantes ocho horas de trabajo por cada hora de audio.
El reconocimiento de hablantes y la exportación en CSV son aquí las funciones decisivas, ya que codificar datos cualitativos suele implicar atribuir declaraciones a participantes concretos y trasladar segmentos a un programa de análisis.
Los periodistas necesitan texto consultable con rapidez, y el valor reside a menudo en localizar una cita concreta dentro de una conversación de noventa minutos más que en publicar la transcripción. El modo Whale junto al etiquetado de hablantes convierte una grabación en un documento consultable en cuestión de minutos. La disciplina imprescindible consiste en verificar cada cita contra el audio original antes de publicar: la transcripción automática falla de forma sistemática en los nombres propios, y una cita alucinada o mal atribuida constituye una falta profesional grave.
Los creadores usan las transcripciones para las páginas de cada episodio, la visibilidad en buscadores, los recortes para redes sociales y la accesibilidad. El modelo ilimitado encaja con un programa semanal que arrastra catálogo, porque recuperar transcripciones de episodios antiguos es exactamente el tipo de carga masiva que penaliza el cobro por minuto. Los formatos de entrevista a dos son el terreno ideal para la separación de voces; las mesas redondas con muchas interrupciones exigen limpiar las etiquetas a mano.
La exportación en SRT y VTT junto con la traducción a más de 130 idiomas cubre un flujo completo de subtitulado sin herramientas adicionales. Se transcribe el vídeo, se revisa el texto para corregir errores y después se generan los archivos de subtítulos traducidos para varios mercados. Revisar antes de traducir es determinante, ya que la traducción propaga los errores de transcripción a todos los idiomas posteriores.
Las reuniones y clases grabadas se transcriben bien porque suelen estar estructuradas, contar con alguien que modera y registrarse en condiciones razonables. Conviene recordar que el servicio no se une a llamadas en directo, sino que procesa archivos a posteriori, de modo que solo resulta útil si ya grabas. Para un equipo, eso significa que el paso de grabar debe existir en el proceso antes de que la herramienta aporte valor.
La empresa se dirige explícitamente a estos ámbitos: su página sobre seguridad comienza recordando que muchos clientes trabajan en campos como el derecho o la medicina, donde la seguridad de los datos, la privacidad y la confidencialidad resultan críticas. La arquitectura de privacidad respalda bien ese posicionamiento. La advertencia sobre la precisión, en cambio, se aplica aquí con la máxima fuerza: la terminología especializada y los detalles de consecuencia exigen verificación humana, y el trabajo regulado obliga a comprobar si el alojamiento en Estados Unidos y la ausencia de un contrato formal firmado satisfacen tus obligaciones.
La página principal indica que no hace falta cuenta para una primera transcripción, lo que permite arrastrar un archivo y evaluar la calidad antes de comprometerte. Usa una muestra realmente representativa —tu peor audio habitual, no el mejor—, porque es esa grabación la que determinará si la herramienta te sirve.
Selecciona el idioma de origen en lugar de confiar en los valores predeterminados. El servicio agrupa los idiomas en «populares», «de alta precisión» y «otros», y esa clasificación es en sí misma una señal útil. Si tu idioma está en el tercer grupo, ajusta las expectativas a la baja y prueba con cuidado.
Empieza por Whale, el predeterminado y más preciso. Baja a Dolphin o Cheetah solo cuando la velocidad importe de verdad más que la calidad, por ejemplo para localizar un momento dentro de una grabación larga en lugar de producir un documento aprovechable. El tiempo ahorrado se mide en minutos; el coste en calidad puede medirse en horas de corrección.
Actívalo para cualquier grabación con varias personas y especifica el número cuando lo conozcas. Este ajuste se aplica al subir el archivo, así que equivocarse implica volver a procesarlo.
Reserva esta opción para grabaciones realmente degradadas. Consume tiempo adicional de proceso y es, como recomienda el propio proveedor, un último recurso y no una mejora predeterminada.
Lee la transcripción siguiendo el audio y corrige nombres propios, términos técnicos y cualquier pasaje que se lea con una fluidez extraña: una soltura inusual en una sección difícil puede indicar una alucinación. Exporta después en el formato que necesites. Corrige antes de traducir y antes de generar subtítulos, para que los errores no se multipliquen aguas abajo.
Arregla la grabación, no la transcripción. Cada mejora del audio de origen se devuelve multiplicada en esfuerzo de corrección ahorrado. Micrófonos separados, una sala silenciosa y participantes que eviten pisarse harán más por el resultado que cualquier ajuste de la interfaz.
Agrupa el trabajo de archivo. Puesto que el plan ilimitado admite cincuenta subidas simultáneas y exportaciones por carpeta de hasta mil transcripciones, conviene abordar los proyectos acumulados en lotes planificados y no archivo a archivo.
Haz una prueba piloto por idioma. Antes de comprometer un proyecto multilingüe, transcribe una muestra breve en cada idioma con el plan gratuito. Las listas publicadas por el proveedor son solo un punto de partida: lo que determina el resultado son tus hablantes, sus acentos y tu vocabulario sectorial.
Trata la alucinación como un riesgo real y no teórico. En idiomas con pocos recursos y en pasajes casi silenciosos, Whisper puede generar texto que nunca se pronunció. Los fragmentos cuya fluidez desentona con el resto merecen una comprobación directa contra la grabación.
No compartas tu cuenta. Es la única norma explícita ligada al plan ilimitado. Los equipos necesitan cuentas separadas, y la empresa publica indicaciones específicas para organizaciones.
Encaja sobre todo con usuarios individuales de alto volumen: investigadores, periodistas, creadores de pódcast, estudiantes, docentes y profesionales independientes que procesan muchas horas de grabación y desean costes previsibles. La ecuación económica juega a tu favor precisamente cuando el volumen es alto, ya que una cuota fija frente a uso ilimitado premia el uso intensivo.
Encaja igualmente con creadores de contenido multilingüe, con más de 98 idiomas de transcripción y más de 130 de traducción reunidos en un solo producto.
Encaja sorprendentemente bien con profesionales celosos de la privacidad para una herramienta de este precio, por el procesamiento interno y los compromisos sobre entrenamiento que se detallan más abajo.
Encaja mal con equipos que quieren capturar y resumir reuniones en directo, con montadores que esperan una línea de tiempo asociada a la transcripción y con organizaciones que exigen acuerdos de tratamiento de datos firmados, garantías de disponibilidad o alojamiento fuera de Estados Unidos. Tampoco es la herramienta adecuada si necesitas exactitud literal certificada sin revisión humana: ningún servicio automático, este incluido, la ofrece.
TurboScribe funciona en el navegador web. No requiere instalación y los archivos se envían a través de la interfaz del navegador, de modo que el servicio opera en los distintos sistemas de escritorio sin versiones específicas por plataforma.
Los límites de subida del plan de pago son generosos: cada archivo puede durar hasta diez horas y pesar hasta cinco gigabytes, con un máximo de cincuenta archivos a la vez. El plan gratuito limita cada archivo a treinta minutos y a uno cada vez.
Merece mención una integración: la empresa publicó una extensión que permite resumir las transcripciones y preguntar sobre ellas desde ChatGPT. Se trata de un puente hacia un asistente externo y no de una función de resumen integrada, distinción relevante si esperabas resúmenes nativos junto a la transcripción. Los detalles de facturación para equipos deben consultarse en la documentación oficial para organizaciones. (Información por verificar: los detalles de puestos y facturación para equipos se rigen por la fuente oficial.)
La empresa publica dos niveles abiertamente, sin exigir inicio de sesión para consultar los importes.
TurboScribe Free no cuesta nada e incluye tres transcripciones diarias, con un máximo de treinta minutos por archivo y un archivo cada vez. Los archivos gratuitos se procesan con prioridad más baja, lo que alarga la espera en horas de mucha demanda. Es notable que el plan gratuito no esté recortado en calidad: la empresa anunció que el modo Whale, el más preciso, quedaba abierto también a los usuarios gratuitos. Eso convierte el nivel gratuito en una vía real de evaluación y no en una demostración degradada.
TurboScribe Unlimited cuesta 10 dólares al mes con pago anual de 120 dólares o 20 dólares al mes con pago mensual. Incluye transcripción ilimitada para una persona, subidas de diez horas y cinco gigabytes, cincuenta archivos simultáneos, todos los modos, traducción a más de 134 idiomas, exportaciones por lotes, almacenamiento ilimitado y máxima prioridad. La suscripción se cancela en cualquier momento desde la configuración de la cuenta y el acceso se mantiene hasta el final del periodo en curso.
Es una pregunta que merece hacerse a cualquier producto que use ese término, y aquí las pruebas son mejores que la media. La revisión de las condiciones de servicio publicadas no encontró ninguna cláusula de uso razonable independiente que limite el volumen de transcripción. Las restricciones que sí existen son el derecho habitual a suspender o cerrar cuentas, la prohibición de revender o explotar el servicio y la norma explícita que impide compartir credenciales.
Lo más parecido a un umbral de volumen es la mención de que los sistemas están diseñados para al menos 720 horas mensuales, y que a quienes superan ese nivel —descritos como el 0,1 % más intenso— se les orienta hacia una guía. Eso se lee como una indicación de capacidad y no como un tope encubierto. Una salvedad procede de las plataformas de reseñas: algunos usuarios de Trustpilot informan de límites inesperados y errores de procesamiento con archivos grandes en momentos de alta demanda, de modo que la experiencia en volúmenes extremos puede resultar menos absoluta que el discurso comercial.
La facturación concentra las quejas más frecuentes. Las reseñas mencionan de forma recurrente cargos inesperados, renovaciones automáticas y dificultades para cancelar. Programa un recordatorio antes de la fecha de renovación anual y elige con criterio la periodicidad de pago.
En una herramienta de transcripción, esta sección no es un trámite. Las grabaciones de reuniones, las entrevistas con clientes y las conversaciones médicas o jurídicas figuran entre el material más sensible que maneja una organización, y el destino de ese audio determina si la herramienta puede usarse en el trabajo. Los compromisos publicados son notablemente más sólidos que la media de la categoría.
Sin procesamiento por terceros. La empresa lo afirma sin rodeos: no utiliza interfaces ni servicios de transcripción de terceros y ejecuta todo el procesamiento de audio y vídeo internamente, en máquinas que posee o controla. Tu audio no se reenvía a un servicio de voz externo. Para quien realiza una evaluación de riesgos de proveedores, esto simplifica notablemente el mapa de flujos de datos.
Sin entrenamiento de modelos con tus datos. La página de seguridad responde con una negativa directa: no se entrenan modelos de inteligencia artificial ni de aprendizaje automático con los archivos ni las transcripciones de los usuarios. Como el servicio funciona sobre un modelo abierto ya entrenado y no necesita datos de clientes para mejorar su propio sistema, este compromiso resulta creíble también en términos estructurales y no solo declarativos.
Cifrado en reposo y en tránsito. Las transcripciones y los archivos multimedia se cifran en reposo con AES-256, se imponen conexiones cifradas y la empresa declara rechazar cualquier conexión sin cifrar a sus servidores a través de la red pública.
Control de acceso. Salvo que compartas deliberadamente, solo el titular de la cuenta puede consultar o editar sus archivos y transcripciones. No hay indicios de una revisión humana rutinaria del contenido.
La conservación la controlas tú. Este es el matiz que conviene entender: la empresa no publica un plazo fijo de eliminación. Su política de privacidad establece que el contenido subido se almacena en sus servidores y que, salvo que lo elimines, puede conservarse mientras la cuenta permanezca activa. La eliminación es inmediata e irreversible: un archivo borrado no se recupera, y eliminar la cuenta suprime de forma inmediata y permanente todos los archivos. Dicho de otro modo, la conservación es indefinida por defecto y solo se acorta si la gestionas activamente. Los equipos que manejan audio sensible deberían incorporar un paso de eliminación a su proceso en lugar de dar por hecho una caducidad automática.
Alojamiento en Estados Unidos. La infraestructura principal se encuentra en Estados Unidos, y la política de privacidad advierte expresamente de que la información facilitada por usuarios de la Unión Europea, el Reino Unido o cualquier otro lugar fuera de Estados Unidos se transferirá y almacenará allí. Si tus obligaciones exigen alojamiento europeo o nacional, se trata de un impedimento insalvable por sólidos que sean los demás compromisos.
Pagos. Los pagos se procesan mediante Stripe, y la empresa declara no conservar números de tarjeta en sus servidores.
Otter.ai persigue otro objetivo: se une a las reuniones en directo, produce notas y resúmenes en tiempo real y se integra con calendarios y herramientas de videollamada. Elige Otter para la captura colaborativa en directo y TurboScribe para la transcripción masiva de archivos.
Rev ofrece transcripción automática y humana, alcanzando esta última una precisión que ningún sistema automático iguala, con precio por minuto. Rev tiene sentido cuando un archivo concreto debe ser casi perfecto y la exactitud pesa más que el coste; TurboScribe lo tiene cuando el volumen pesa más que la perfección individual.
Descript trata la transcripción como una interfaz de edición: editas el material editando las palabras. Para productores de audio y vídeo que quieran unificar montaje y transcripción, Descript cubre un terreno que TurboScribe ni siquiera aborda.
Whisper autoalojado es la comparación más directa, pues se trata literalmente del mismo modelo. Ejecutarlo por tu cuenta no cuesta nada por hora y mantiene el audio íntegramente en tu propio equipo, la postura de privacidad más firme posible. Las contrapartidas son reales: necesitas hardware capaz, los modelos large son exigentes y tendrás que construir tú mismo el etiquetado de hablantes, la traducción, la exportación de subtítulos, el almacenamiento y la gestión de archivos. La propuesta de valor honesta de TurboScribe consiste en vender la capacidad de cálculo y el producto construidos alrededor de un modelo que, en principio, podrías ejecutar por tu cuenta.
La cifra de precisión no está verificada. El 99,8 % procede del proveedor, sin metodología publicada ni auditoría independiente, mientras que las mediciones independientes del modelo large-v2 subyacente arrojan alrededor de un 4,1 % de error sobre material realista. Planifica con la medición, no con el eslogan.
La calidad es condicional, no fija. Acentos, solapamientos, ruido de fondo e idiomas con pocos recursos degradan los resultados de forma medible, y el propio proveedor reconoce que la precisión varía según el idioma.
Riesgo de alucinación en condiciones adversas. Whisper puede generar texto fluido que nunca se pronunció, especialmente en idiomas con pocos recursos. La fluidez no prueba la exactitud.
Whale funciona con large-v2, no con large-v3. La investigación publicada indica que large-v3 mejoró precisamente en habla acentuada y no nativa. Quienes trabajan con ese material están en la generación anterior.
No es una herramienta para reuniones en directo. Procesa archivos subidos; no se une a llamadas ni genera notas en tiempo real.
El resumen es externo. El resumen de transcripciones se realiza mediante la extensión publicada aparte en ChatGPT y no como función nativa.
La conservación es indefinida por defecto. Los archivos permanecen mientras la cuenta esté activa, salvo que los elimines. Los flujos sensibles requieren una rutina explícita de borrado.
Alojamiento exclusivamente estadounidense. Restricción insalvable para organizaciones con exigencias europeas o nacionales.
La fricción de facturación es la queja más constante. Las reseñas citan de forma reiterada cargos inesperados, renovación automática y dificultades de cancelación. Gestiona activamente las fechas de renovación.
Proveedor pequeño. El soporte directo del fundador es una ventaja real en capacidad de respuesta, pero no equivale a procesos de compra corporativos, compromisos contractuales de servicio ni acuerdos de datos negociados.
El ilimitado es por persona. El plan cubre a un individuo y compartir la cuenta está expresamente prohibido.
Sí, existe un plan gratuito realmente utilizable: tres transcripciones al día, hasta treinta minutos por archivo, uno cada vez y con prioridad más baja. Lo importante es que los usuarios gratuitos acceden al modo Whale, el más preciso, de modo que el plan gratuito pone a prueba la calidad real y no una versión recortada. Es la forma correcta de evaluar la herramienta con tus propias grabaciones antes de pagar.
El plan Unlimited cuesta 10 dólares al mes con pago anual de 120 dólares, o 20 dólares al mes con pago mensual: el compromiso anual reduce a la mitad la tarifa efectiva. Incluye transcripción ilimitada para una persona, subidas de diez horas, todos los modos, traducción, exportaciones por lotes y máxima prioridad. Puedes cancelar cuando quieras y conservas el acceso hasta el final del periodo abonado.
Es una cifra declarada por el proveedor, sin auditoría independiente ni metodología publicada. Las mediciones independientes de Whisper large-v2, el modelo del modo más preciso, arrojan alrededor de un 4,1 % de error de palabra sobre material realista variado, es decir, cerca del 95,9 % de precisión. Considera el 99,8 % un valor óptimo para inglés claro con un solo hablante y comprueba siempre con tus propias grabaciones.
Las condiciones publicadas no contienen ninguna cláusula independiente que limite el volumen. La empresa afirma que no hay tope de uso global, que sus clientes transcriben habitualmente cientos de horas al mes y que sus sistemas están diseñados para al menos 720 horas mensuales, con orientación en lugar de corte por encima de esa cifra. La única norma explícita prohíbe compartir credenciales. Aun así, algunos usuarios informan de límites inesperados en momentos de mucha carga.
Archivos y transcripciones se cifran en reposo con AES-256 y se transmiten mediante conexiones cifradas obligatorias. El procesamiento se realiza en máquinas que la empresa posee o controla, sin interfaces de transcripción de terceros, y solo tú accedes salvo que compartas. La conservación no tiene límite temporal por defecto: el contenido permanece mientras la cuenta esté activa y no lo elimines, y el borrado es inmediato y permanente.
No. La empresa declara expresamente que no entrena modelos de inteligencia artificial ni de aprendizaje automático con los archivos ni las transcripciones de los usuarios. Como ejecuta un modelo abierto ya entrenado y no depende de datos de clientes para mejorar, este compromiso concuerda con la forma en que el producto está realmente construido.
La transcripción cubre más de 98 idiomas hablados, y la traducción de transcripciones y subtítulos supera los 130 idiomas. La calidad explícitamente no es uniforme: la empresa señala que la precisión varía según el idioma y publica una lista de los más eficaces, que incluye inglés, español, francés, alemán, italiano, portugués, chino, japonés, ruso, árabe, hindi y coreano. Fuera de esa lista, en especial con idiomas de pocos recursos, aumentan los riesgos de error y alucinación.
Sí. El reconocimiento se activa antes de subir el archivo y divide la transcripción por hablante, admitiendo de dos a ocho participantes o detección automática, con uno o dos minutos adicionales de proceso por hora. Funciona con limpieza en entrevistas a dos bien grabadas; a partir de tres participantes con solapamientos marcados, las etiquetas pueden confundirse y requerir corrección manual.
Las subidas abarcan prácticamente todos los formatos habituales de audio y vídeo, incluidos MP3, M4A, MP4, MOV, AAC, WAV, OGG, OPUS, MPEG, WMA, WMV, AVI, FLAC, AIFF, ALAC, MKV y WEBM. Las exportaciones comprenden PDF, DOCX, TXT, CSV y subtítulos SRT/VTT, con posibilidad de exportar muchos archivos a la vez.
La arquitectura de privacidad se adapta bien al material confidencial: procesamiento interno, ausencia de interfaces de terceros, sin entrenamiento de modelos, cifrado AES-256 y borrado controlado por el usuario. Se imponen, no obstante, dos salvedades. La primera es la precisión: la terminología especializada y los detalles determinantes exigen verificación humana contra la fuente, y ninguna transcripción automática debería valer como registro de hechos jurídicos o clínicos sin revisión. La segunda es el cumplimiento: los datos residen en Estados Unidos y se trata de un producto de equipo reducido, sin los acuerdos firmados ni las certificaciones auditadas que exigen muchas organizaciones reguladas. Contrasta ambos puntos con tus obligaciones antes de adoptarlo.