Cómo transcribir vídeo a texto en Mac sin conexión

Para transcribir vídeo a texto en Mac sin subirlo, usa una herramienta que ejecute un modelo de reconocimiento de voz en el propio equipo: una app de transcripción dedicada como MacWhisper, la transcripción integrada de Final Cut Pro, Premiere Pro o DaVinci Resolve Studio, o un editor como cinemaOS, que transcribe con J.A.R.E.D. y guarda la transcripción dentro del proyecto. Elijas lo que elijas, la precisión que consigas depende tanto de tres cosas que controlas tú como de la app: un audio limpio, el ajuste de idioma correcto y una pasada breve de corrección de nombres y hablantes antes de que el texto vaya a ninguna otra parte.

Esta guía repasa las opciones con justicia y luego recorre un flujo de trabajo local, del archivo de vídeo a una transcripción corregida y unos subtítulos terminados.

Por qué transcribir en local

Los servicios de transcripción en la nube son rápidos y a menudo cómodos, sobre todo cuando varias personas tienen que comentar la misma transcripción. La contrapartida es que tu material, o al menos su audio, sale de tu Mac y queda en los servidores de otro, bajo sus condiciones.

Para mucho trabajo eso está bien. Para parte de él, no:

• Entrevistas a personas que aceptaron que las grabaran, no que un tercero las procesara. Los protagonistas de documentales y las fuentes suelen estar en este caso.
• Material de clientes bajo acuerdo de confidencialidad. Las grabaciones corporativas, jurídicas y médicas a menudo llegan con normas sobre a dónde pueden ir los archivos.
• Trabajo sin estrenar. Las películas y productos bajo embargo son más fáciles de proteger cuando el audio nunca viaja.
• Conexión mala o inexistente. En un rodaje, en un tren o en un set sin wifi, la transcripción local simplemente funciona.

Si la privacidad es el factor decisivo, edición de vídeo con IA en el dispositivo y privacidad explica qué garantiza y qué no el procesamiento local.

Tus opciones en Mac

No hay una única herramienta mejor. Depende de si solo necesitas las palabras, o palabras que alimenten un montaje.

• Una app de transcripción dedicada. MacWhisper ejecuta en local modelos de voz abiertos, entre ellos Whisper de OpenAI, y exporta los formatos habituales de texto y subtítulos. Es la vía más directa si quieres un documento y nada más. Consulta la web del desarrollador para ver precios y funciones actuales.
• Herramientas de código abierto para la línea de comandos. whisper.cpp y proyectos parecidos ejecutan la misma familia de modelos desde Terminal. Gratis, flexibles y más adecuadas para quien se maneja bien con la línea de comandos.
• Final Cut Pro. Las versiones recientes pueden transcribir la voz a subtítulos en Mac con Apple silicon. Útil si ya editas en Final Cut y sobre todo necesitas subtítulos. Consulta la documentación de Apple para ver los requisitos de macOS y de hardware.
• Premiere Pro. Speech to Text y la edición basada en texto usan paquetes de idioma descargables, y la transcripción se ejecuta en el ordenador una vez instalado el paquete. Una elección natural si tu trabajo ya vive en Creative Cloud; consulta la documentación de Adobe para ver los idiomas compatibles ahora.
• DaVinci Resolve Studio. La transcripción y la edición basada en texto forman parte de la versión Studio de pago y no de la gratuita. Buena opción si de todos modos terminas en Resolve; consulta la comparativa de funciones de Blackmagic Design para ver el reparto actual.
• Servicios en la nube. Descript, Otter y servicios similares procesan el audio en sus servidores. Suelen ser muy cómodos, pero lee sus condiciones sobre datos antes de subir material de clientes. Alternativas a Descript para Mac con transcripción local compara los compromisos con más detalle.
• cinemaOS. Un editor más que una app de transcripción. La transcripción se ejecuta en el Mac con modelos incluidos: Parakeet para su lista publicada de 25 idiomas, y una vía Whisper incluida para otros idiomas. La transcripción se queda en el proyecto y sirve para la edición por texto, la búsqueda y los subtítulos. Solo funciona en Mac, con Apple silicon.

Las funciones cambian entre versiones, así que confirma el soporte de idiomas y las opciones de exportación en la web de cada fabricante antes de comprometer un proyecto.

Antes de pulsar transcribir: arregla el audio

Cualquier modelo de voz se equivoca más con audio malo. Unos minutos aquí ahorran mucho más tiempo en la corrección.

• Usa la mejor pista de micrófono. Si grabaste con un micrófono de corbata y el micrófono de la cámara, transcribe el de corbata. El audio de cámara recoge la sala.
• Silencia la música y los efectos. La música de fondo bajo los diálogos es una causa habitual de palabras perdidas o inventadas. Transcribe los diálogos antes de la mezcla, no después.
• Divide las grabaciones largas con criterio. Un rodaje de tres horas se revisa mejor por partes, y un trabajo que falla cuesta menos.
• Conoce el idioma. La detección automática suele funcionar con grabaciones en un solo idioma. Si los hablantes cambian de idioma, elígelo tú y cuenta con corregir a mano los pasajes cambiados.

Cómo transcribir vídeo a texto con una app local

Si solo necesitas las palabras, los pasos son bastante parecidos en la mayoría de apps de transcripción locales:

1. Abre el archivo de vídeo. Muchas apps aceptan vídeo directamente y leen su pista de audio. Las herramientas de línea de comandos suelen esperar un archivo de audio, así que quizá tengas que extraer el audio primero, por ejemplo con ffmpeg.
2. Elige el idioma. Escógelo tú cuando lo sepas. La detección automática funciona con material en un solo idioma, pero puede equivocarse con clips cortos o mezclados.
3. Elige el tamaño del modelo. En las herramientas basadas en Whisper, los modelos más grandes suelen ser más precisos y más lentos. Prueba un clip corto con dos tamaños antes de lanzarte con una grabación larga.
4. Lanza el trabajo y corrige el texto. Usa la lista de comprobación de más abajo para nombres, cifras y pasajes en voz baja.
5. Exporta lo que necesites. Texto plano para leer y citar, SRT o WebVTT si quieres códigos de tiempo o subtítulos. Las opciones de exportación varían según la app, así que revisa la tuya.

Si la transcripción va a alimentar un montaje o unos subtítulos, trabajar dentro de un editor te ahorra el ir y venir de exportar y volver a importar, que es lo que muestra la siguiente sección.

Cómo transcribir vídeo a texto en cinemaOS

cinemaOS es un editor nativo de Mac para Apple silicon. Su transcripción forma parte del flujo de edición en lugar de ser una app aparte, y eso importa si la transcripción va a convertirse en un montaje o en un juego de subtítulos. El tutorial de transcribir y editar por texto muestra los pasos de transcripción y edición en más o menos un minuto.

Paso 1: Transcribir con J.A.R.E.D.

Importa el vídeo a un proyecto y selecciona los clips o la escena. Pulsa ⇧⌘T, Transcribe with J.A.R.E.D. El trabajo se ejecuta en local, sin créditos generativos y sin subir nada. También puedes empezar desde el Finisher en Localize ▸ Captions, eligiendo Auto Detect para el idioma hablado.

En un Mac de 8 GB, los trabajos de IA pesados se ejecutan de uno en uno, así que lanza una transcripción larga antes de un descanso y no a la vez que otro trabajo de modelos.

Paso 2: Corregir nombres y hablantes

cinemaOS asigna hasta cuatro hablantes por transcripción. Lo bien que los separa depende de la grabación: voces distintas en micrófonos separados suelen separarse bien, mientras que las voces que se solapan y las interjecciones cortas son donde más fallan las asignaciones.

Trabaja en este orden:

1. Pon nombre a los hablantes. Sustituye las etiquetas genéricas por nombres reales. Buscar y leer se vuelven más rápidos.
2. Corrige los nombres propios. Nombres, marcas, lugares y términos técnicos son los fallos habituales. Corrige cada uno una vez y busca en la transcripción otras apariciones del mismo error.
3. Revisa los cambios de hablante que importan. Arregla los turnos que afectan al sentido o a los subtítulos. Un "vale" mal atribuido en mitad de una respuesta normalmente puede esperar.
4. Deja el resto para después. Si la transcripción alimenta un montaje, revisa solo las líneas que sobreviven al corte.

Con más de cuatro hablantes, como en una mesa redonda, pon nombre a las cuatro voces principales y corrige las demás a mano.

Paso 3: Usar la transcripción en el montaje

Abre la pestaña Text Editing en el bin del Sequencer. Seleccionar palabras selecciona el material correspondiente, y eliminar un pasaje corta la imagen y el sonido vinculados. Las ediciones disponibles dependen del material de origen y de su transcripción, así que revisa el timeline después de cada una. Usa Search Project… para encontrar palabras exactas en todos los clips transcritos, la forma más rápida de localizar una frase que recuerdas haber oído.

Trata la transcripción como un mapa. Reproduce cada unión y escucha si hay palabras cortadas antes de seguir. Transcribir una entrevista y editar por texto trata a fondo el lado editorial.

Paso 4: Exportar texto o subtítulos

La transcripción corregida se convierte en la fuente de tus subtítulos. En Localize ▸ Captions, revisa los tiempos y la longitud de las líneas y exporta el formato que espera tu destino: SRT, WebVTT, ASS, SCC, EBU-STL, Apple iTT o subtítulos FCPXML. También puedes incrustar los subtítulos en la imagen para las versiones de redes sociales, o traducirlos en el Mac, como muestra el tutorial de subtítulos sin conexión.

Si necesitas un documento sencillo en lugar de subtítulos, exporta SRT o WebVTT. Los dos son archivos de texto plano que se abren en TextEdit o en cualquier procesador de textos, con códigos de tiempo que puedes conservar como referencia o quitar. Si un documento con formato es lo único que vas a necesitar, una app de transcripción dedicada es la vía más directa.

Una lista de corrección que funciona con cualquier herramienta

Sea cual sea la herramienta que produjo la transcripción, la misma pasada detecta la mayoría de los problemas:

• Busca cada nombre de tu orden de rodaje o lista de participantes y comprueba cada grafía.
• Lee las cifras en voz alta. Fechas, precios y cantidades se transcriben a menudo de forma incoherente.
• Revisa la primera y la última línea de cada clip. Los modelos a veces se saltan palabras que empiezan o terminan de golpe.
• Escucha los pasajes en voz baja. Ahí es donde desaparecen palabras, y algunos modelos rellenan el silencio con texto que nadie dijo.
• Desconfía de los disparates dichos con seguridad. Una frase que se lee con fluidez pero no encaja con lo que recuerdas haber oído merece una escucha.
• Mantén un único máster corregido. Corrige la transcripción antes de que se convierta en subtítulos o en una traducción, para que el mismo error no se extienda a todas las versiones.

Lo que cinemaOS no hace

Tener claros los límites te ahorra una tarde perdida:

• Solo funciona en Mac, con Apple silicon. Windows está previsto para noviembre de 2027.
• La separación de hablantes se limita a cuatro voces por transcripción, y la calidad depende de la grabación.
• No exporta un documento de transcripción con formato como un archivo de Word. Sus exportaciones de transcripción son formatos de texto temporizado y de subtítulos.
• No es una herramienta de transcripción colaborativa en la nube. No hay un documento compartido en línea que un equipo pueda editar a la vez.
• No hace sincronización labial. Si luego doblas la película, los movimientos de la boca no se modifican para ajustarse al nuevo idioma.

FAQ

¿Puedo transcribir vídeo a texto gratis en Mac?

Sí. Herramientas de código abierto como whisper.cpp se ejecutan en local sin coste, y algunas apps de transcripción tienen un plan gratuito. cinemaOS incluye la transcripción en su plan, que cuesta 9,99 USD al mes sin IVA tras una prueba gratuita de 60 días, sin tarjeta y sin cargo automático.

¿Qué precisión tiene la transcripción sin conexión?

Los modelos locales actuales manejan bien un audio limpio con un solo hablante. Con cualquier herramienta, la precisión baja con música bajo los diálogos, acentos marcados, voces que se pisan y vocabulario especializado, así que prevé una pasada de corrección para nombres y términos.

¿cinemaOS sube mi vídeo para transcribirlo?

No. La transcripción con J.A.R.E.D. se ejecuta en el Mac con modelos incluidos. El vídeo, el audio y la transcripción se quedan en tu proyecto local.

Empieza con un clip

Elige una entrevista corta con algunos nombres propios, transcríbela en local con una o dos de las herramientas de arriba y cronometra cuánto tarda la pasada de corrección. Eso te dirá más que cualquier lista de funciones. Si quieres la transcripción, el montaje y los subtítulos en un solo proyecto en un Mac con Apple silicon, cinemaOS es gratis durante 60 días, sin tarjeta y sin cargo automático.