UtteraTranscribir audio
Subes una grabación y sale el texto. Puede separar quién habla, poner marcas de tiempo y, si lo pides, añadir en la misma pasada el resumen y el análisis.
El mismo motor, dos puertas. Una página web donde se trabaja sin programar nada, que ya está esperándote cuando te registras. Y una API para que lo haga tu software solo, sin que nadie abra un navegador. Abajo está cada cosa que sabe hacer, en un párrafo, con el enlace a su manual.
Una página con cuatro pestañas. Se arrastra un archivo o se pega un texto, se pulsa, y sale el resultado para descargar. Es lo que verás al entrar.
Subes una grabación y sale el texto. Puede separar quién habla, poner marcas de tiempo y, si lo pides, añadir en la misma pasada el resumen y el análisis.
Pegas un texto y lo oyes. Nueve idiomas en la voz estándar y alrededor de treinta en la de alta calidad, con la velocidad y el formato que elijas.
Subes una muestra corta de una voz y el texto se lee con esa voz. Pensado para doblarte a ti mismo, no para imitar a otro: eso está prohibido y escrito.
Entra una grabación en un idioma y sale en otro. Si marcas que conserve la voz original, sale hablada por la misma voz en vez de por una de catálogo.
El Estudio enseña el coste estimado antes de lanzar la operación y el real después, en créditos. No hay sorpresas al final del mes porque no hay final de mes: se ve en la misma pantalla.
Hay límites reales —una frase de tres palabras se traduce peor que una de quince, y el silencio puede hacer que el motor invente— y están escritos en su sitio en vez de descubrirse por sorpresa.
La segunda aplicación, y deliberadamente estrecha: tres pasos, sin opciones que estorben. Está en el mismo menú, con la misma cuenta.
Escribes la frase que necesitas decir mañana en el idioma que ya hablas, y sale traducida al que estás aprendiendo, con su transcripción fonética debajo.
Se genera el audio cuando lo pides, no antes, a la velocidad que te haga falta. Y se vuelve a oír las veces que quieras sin volver a pagarlo.
Grabas tu intento y se compara sonido a sonido con el que tocaba: qué hiciste, qué debías hacer y en qué palabra. Si quieres además la explicación redactada, hay un botón que la pide — y avisa de que cuesta más antes de lanzarla.
Seis servicios sobre un archivo de audio o un texto. Hablamos el mismo dialecto que la API de OpenAI, así que en muchos casos cambiar la URL base basta.
Audio dentro, texto fuera. Con separación de interlocutores, marcas de tiempo y la posibilidad de pedir el resumen y el análisis en la misma petición, sin volver a subir el archivo.
Tres tipos de voz, no dos: estándar, alta calidad y clonada a partir de una muestra tuya. Y se puede ir oyendo mientras se genera en vez de esperar al archivo entero.
De texto a texto, o una grabación entera de un idioma a otro. Y con transposición: la traducción hablada por la voz de la grabación original.
Cuánto habló cada uno, en qué tono, con qué ritmo.
Con un límite que ponemos nosotros: son estimaciones acústicas, se equivocan, y no deben usarse para decidir sobre una persona. Sirven para mejorar un proceso, no para juzgar a nadie.
De una hora de audio sale lo que se acordó y lo que queda por hacer, estructurado para poder mapearlo a campos.
Y de paso, pagas menos a tu LLM: 15.410 tokens de transcripción frente a menos de 700 de resumen, medido sobre una grabación real.
La frase que se quería decir más el audio de cómo se dijo, y devuelve qué sonido se hizo, cuál tocaba y en qué palabra. Es lo que mueve la aplicación de arriba, y está abierto para que lo use tu propia plataforma de idiomas.
Te registras, creas una clave y la mandas en la cabecera. Se le puede restringir a unas IPs concretas, así que una clave filtrada no sirve desde cualquier sitio.
Hay código publicado y probado para centralitas Asterisk, para n8n y para agentes de IA. No son ejemplos de juguete: están en producción.
Una cuenta gratuita con créditos para probar, sin tarjeta. Se cobra por lo que se consume —por segundo de audio, por carácter de texto—, no por petición, y cada respuesta trae en una cabecera exactamente lo que se ha facturado.
Crear una cuenta gratis Ver la documentación
Procesado íntegramente en España · No guardamos tus audios · No entrenamos con tus datos · Código abierto