Transcribe grabaciones de clases del móvil, Zoom o YouTube a texto con resumen, párrafos con marcas de tiempo y respuestas a tus preguntas.
Para transcribir grabaciones de clases en apuntes, sube el archivo de audio o vídeo o pega un enlace. La transcripción llega con un breve resumen arriba, párrafos con marcas de tiempo y hablantes etiquetados. Luego puedes buscar en ella, hacerle preguntas, corregir algún término y exportarla a PDF, Markdown o texto para estudiar.
Esta guía es para estudiantes con una montaña de grabaciones: una nota de voz desde la primera fila, una grabación de Zoom o Teams, una clase en YouTube o en una plataforma de vídeo universitaria. Trata de clases grabadas. Para subtítulos mientras la clase está ocurriendo, consulta Transcripción en directo para iglesias, aulas magnas y salas de plenos.
La versión corta, en el Dashboard de VocalStack:
Cuando termina, tienes la transcripción, un título y un resumen, y el audio para reproducirlo desde cualquier línea.
La mayoría de las grabaciones de clases ya son archivos. La subida admite audio y vídeo: MP3, M4A, WAV, FLAC, OGG, MP4, MOV y WebM entran directamente, y también la mayoría de los demás formatos de vídeo. Una nota de voz de un iPhone es un M4A; una grabadora de Android suele guardar MP3 o M4A. Ambos sirven tal cual, sin convertir.
En el caso del vídeo, VocalStack transcribe el sonido y conserva la imagen junto a la grabación, así que puedes ver la diapositiva que estaba en pantalla cuando se dijo una línea. Cuánto tiempo se conserva el vídeo depende del plan (más en la sección de costes).
Dos límites importan en las clases largas. En Pay as you go, un archivo puede pesar hasta 2 GB y una transcripción durar hasta dos horas de audio. En Premium los límites son 5 GB y ocho horas. Un seminario de tres horas en Pay as you go puede recortarse en dos partes, cada una su propia transcripción.
Si la clase está en línea, pega el enlace en lugar de descargarla. VocalStack comprueba primero el enlace, te muestra su título y duración, y luego descarga el audio por su cuenta.
Lo que funciona desde un enlace:
Desde un sitio de vídeo solo se descarga el audio. La imagen que ves junto a la transcripción es el propio reproductor del sitio.
Lo que no funciona desde un enlace: cualquier cosa tras el inicio de sesión de tu universidad. Eso incluye Panopto, Echo360, Moodle, Canvas, Blackboard, un Kaltura MediaSpace en la dirección propia de tu universidad y las grabaciones de Teams guardadas en un SharePoint de trabajo o de centro educativo. VocalStack no puede iniciar sesión como tú. Si la plataforma ofrece un botón de descarga, descarga el archivo y súbelo. Los profesores pueden desactivar las descargas; si lo han hecho, pídeles el archivo.
Como último recurso, la extensión del navegador graba el audio de una pestaña mientras se reproduce la clase, y la aplicación de escritorio hace lo mismo con cualquier aplicación en un Mac. Ambas generan una transcripción en directo, que se ejecuta en tiempo real y se factura a la tarifa en directo, así que úsalas solo cuando no haya un archivo que conseguir.
Las grabaciones de clases fallan de maneras predecibles, y la mayoría de las soluciones se aplican antes de pulsar grabar.
Distancia y eco. Un móvil sobre la mesa de la fila doce oye al profesor una vez directamente y varias más rebotando en las paredes. Ese emborronamiento es la mayor causa individual de palabras equivocadas. Siéntate cerca del frente, pon el móvil sobre la mesa orientado hacia el profesor en lugar de en un bolsillo o una bolsa y, si la clase usa micrófono, siéntate cerca de un altavoz. Una grabación tomada del propio sistema del aula (la versión que publica la universidad) es casi siempre más limpia que una hecha en la sala.
Preguntas desde el fondo. Un estudiante que pregunta a veinte metros suele sonar demasiado bajo para transcribirse. Los profesores pueden ayudar a todos repitiendo cada pregunta al micrófono antes de responderla.
Términos técnicos. El vocabulario académico estándar, desde nombres de fármacos hasta anatomía en latín, se reconoce tal cual. Lo que ninguna herramienta puede saber de antemano es la jerga propia de tu profesor, un término recién acuñado o un apellido poco común. En una transcripción grabada los corriges en unos clics (ver abajo). En una clase en directo, un Reference Script con las diapositivas o la bibliografía los arregla a medida que se pronuncian; eso se explica en el artículo sobre transcripción en directo.
El idioma equivocado. La detección automática parte del primer tramo de habla. Una clase que abre con un minuto de charla, o un profesor con un acento marcado, puede detectarse en el idioma equivocado. Si conoces el idioma, indícalo antes de empezar. Eso también ayuda con grabaciones ruidosas.
Errores de transcripción de audio: 7 causas y cómo arreglar cada una repasa cada tipo de error con más detalle.
La transcripción de una clase de 90 minutos supera con creces las diez mil palabras. Nadie estudia con eso. Estas partes de la transcripción la convierten en algo más cercano a unos apuntes.
El resumen de arriba. Cuando la transcripción es definitiva, VocalStack escribe un título y un breve resumen de uno o dos párrafos, conservando los nombres y las cifras que salieron. Se lee como el resumen de la clase: suficiente para recordar qué semana trató de qué. Está escrito en prosa, y tus propios apuntes siguen importando.
Párrafos con marcas de tiempo. La transcripción se divide en párrafos por tema, cada uno con su hora de inicio. Úsalos como encabezados cuando repases. Cada línea conserva su momento en la grabación, así que puedes reproducir desde ese punto y volver a oír la parte que no seguiste.
Etiquetas de hablante para el turno de preguntas. Las etiquetas de hablante están en When Needed de forma predeterminada: una clase con una sola voz se lee como prosa llana y, cuando se oye una segunda voz, cada línea indica quién habló. Puedes poner nombre a los hablantes, de modo que las líneas del profesor aparezcan marcadas por su nombre y las preguntas queden aparte.
Pregunta sobre la clase. Ask es un asistente dentro del Dashboard que responde preguntas a partir de tus transcripciones. Abre una clase y pregunta «¿cuáles eran las tres condiciones del teorema?» o «¿dónde explicó la diferencia entre mitosis y meiosis?». La respuesta enlaza con los momentos de los que sale. Pregúntale por todas tus transcripciones a la vez para averiguar qué clase trató un tema.
Busca en todas las clases. La búsqueda encuentra palabras exactas en todas tus transcripciones, y también pasajes que significan lo mismo con otras palabras. Funciona entre idiomas, así que una búsqueda en inglés encuentra una clase dada en español.
Correcciones. Corrige un término mal oído directamente en la transcripción. La corrección se guarda en la transcripción y pasa a todas las exportaciones.
Exportaciones. Descarga la transcripción como PDF, Markdown, texto plano, Excel, JSON o subtítulos SRT o WebVTT. Las exportaciones de texto, Markdown y PDF empiezan con el título y el resumen, y las marcas de tiempo pueden ponerse por párrafo, por línea o suprimirse. Markdown se integra directamente en una aplicación de notas como Obsidian o Notion.
Etiquetas para cada asignatura. Etiqueta cada transcripción con su asignatura, y la lista de transcripciones se filtra por un módulo cada vez.
VocalStack transcribe 100 idiomas y detecta cuál se habla. Cada transcripción se puede traducir a hasta 10 idiomas, y la transcripción, su resumen y sus exportaciones cambian al que elijas. Una clase dada en alemán puede leerse y buscarse en inglés, con el alemán todavía ahí para contrastar un término.
La traducción no cuesta nada además de la transcripción.
Para un estudiante que no puede oír la grabación, la transcripción es la grabación. Las etiquetas de hablante, los párrafos y el resumen hacen que sirva para estudiar además de como registro. Las universidades suelen tener normas de accesibilidad para la enseñanza grabada, y las transcripciones automáticas pueden cumplirlas o no; a veces se exigen subtítulos revisados por personas. Corregir la transcripción donde importa (nombres, términos, cifras) cierra la mayor parte de la brecha. Los profesores pueden compartir una transcripción terminada mediante un enlace público, de modo que los estudiantes la lean en su propio idioma sin crear una cuenta.
Muchas universidades tienen una política sobre grabar clases, y muchos profesores tienen la suya. Algunas lo permiten para el estudio personal, otras exigen permiso y otras lo permiten solo como adaptación de accesibilidad. El material de la clase también puede ser propiedad intelectual de la universidad o del profesor. Consulta la política de tu asignatura, pregunta al profesor en caso de duda y guarda las grabaciones y transcripciones para tu propio estudio salvo que tengas permiso para compartirlas. Esto es una orientación general, no asesoramiento jurídico.
Con los precios actuales, un archivo grabado cuesta $0.20 por hora de audio, facturada por segundo. En Pay as you go cada transcripción se factura por un mínimo de 5 minutos; en Premium no hay mínimo. La traducción, los resúmenes, Ask y la búsqueda están incluidos. Las tarifas actuales están en la página de precios.
Con esos precios:
En parte. Una cuenta nueva recibe $5 de crédito de bienvenida único y no pide tarjeta. Con la tarifa de archivos son unas 25 horas de clases grabadas, aproximadamente medio cuatrimestre de una asignatura. Después recargas crédito según lo necesites, desde $10.
Pay as you go tiene algunos límites que conviene conocer para las clases de todo un cuatrimestre. El audio original se conserva 30 días y el vídeo subido 3 días; la transcripción en sí se conserva hasta que la borras. Pasados 30 días puedes seguir leyendo, buscando y exportando la transcripción, pero no reproducir el audio. Pay as you go también incluye 30 preguntas a Ask al día y 60 búsquedas por significado a la hora; la búsqueda de palabras exactas no tiene límite. Premium es una suscripción que incluye crédito cada mes, conserva el audio y el vídeo mientras estés suscrito y elimina esos límites. La página de precios tiene las cifras actuales de cada plan.
Sí. Pega el enlace de YouTube en una nueva transcripción. VocalStack descarga el audio y lo transcribe como un archivo, a la tarifa de archivos. El vídeo se reproduce en el propio reproductor de YouTube junto a la transcripción.
No desde el enlace, porque esas plataformas exigen el inicio de sesión de tu universidad. Descarga la grabación de la plataforma si tu profesor ha permitido las descargas y luego sube el archivo.
Depende sobre todo de la grabación. Un profesor con micrófono, grabado desde el sistema del aula, da pocos errores, y la mayoría son nombres poco frecuentes y términos de la asignatura. Un móvil al fondo de un aula con eco da muchos más errores, y las preguntas en voz baja del público pueden perderse. Indica el idioma cuando lo sepas, graba lo más cerca posible del orador y corrige los términos que importan.
Te da la materia prima: un resumen, párrafos con marcas de tiempo, etiquetas de hablante y un asistente que responde preguntas sobre la clase con enlaces al momento. Exporta a Markdown o PDF y edita desde ahí. No escribe tarjetas de estudio ni apuntes de repaso en viñetas por ti.
Sí. El idioma hablado se detecta entre 100, y la transcripción y el resumen pueden traducirse a hasta 10 idiomas sin coste extra.
Sí, como transcripción en directo, que cuesta más por hora que un archivo. Consulta transcripción en directo para aulas magnas.
Para empezar, sube tu primera grabación en {{app}}/transcriptions/new/file. El crédito de bienvenida cubre unas 25 horas de clases.