ScribeToAny
Convierte cualquier audio o vídeo en texto preciso
ScribeToAny convierte archivos de audio y vídeo en texto y subtítulos. Transcribe unos 98 idiomas con marcas de tiempo e identificación de hablantes, te permite editar cada línea en el navegador, exporta TXT, SRT, VTT, TSV, CSV, JSON, PDF y DOCX, y traduce el resultado a 134+ idiomas conservando la sincronización de los subtítulos. Puedes empezar gratis con 100 minutos cada mes, sin tarjeta.
Las respuestas suelen llegar en un plazo de 1–2 días laborables.
Quién lo crea
Soy Ray Mac, exingeniero de ByteDance. Desarrollo y gestiono ScribeToAny por mi cuenta; la primera versión se lanzó en julio de 2026. Las guías probadas del blog también son mías: ejecuto lo que describen en grabaciones y archivos reales antes de publicarlas.
El inglés no es mi lengua materna, y gran parte de lo que veo y con lo que trabajo tampoco está en inglés. Tras dejar ByteDance, no dejaba de encontrarme con el mismo problema: las herramientas para convertir grabaciones en texto y subtítulos priorizaban el inglés, estaban pensadas para reuniones y enseguida te topabas con límites. Así que creé la herramienta que quería: unos 98 idiomas de entrada, 134+ de salida, subtítulos revisados según la velocidad de lectura y una cuota gratuita que se renueva cada mes en lugar de una prueba de un solo uso.
ScribeToAny está gestionado por Scribe Saas, LLC, una empresa registrada en Estados Unidos.
Cómo funciona
Las subidas van directamente desde tu navegador a un almacenamiento cifrado. La transcripción ejecuta modelos de voz de clase Whisper (faster-whisper) en GPU dedicadas, detecta el idioma hablado automáticamente e identifica a los hablantes. Se comprueba la velocidad de lectura de los subtítulos: las líneas que pasan demasiado rápido se marcan, nunca se reescriben en silencio.
Notas de ingeniería: ejecución de Whisper en GPU desde Cloudflare WorkersCómo se prueba
Publico lo que mido, incluidos los aspectos en los que se queda corto:
- Precisión: en una grabación de prueba con guion, 4 de 189 palabras diferían del guion (una tasa de error de palabras del 2,1 %) y las 14 intervenciones de los hablantes se etiquetaron correctamente. Leer los detalles
- Archivos de subtítulos: al pasar 16 archivos SRT dañados por ffmpeg y nuestro propio analizador, aparecieron tres errores en el analizador, que ya están corregidos. Leer los detalles
- Idiomas: cuando en grabaciones en tailandés, laosiano y birmano faltaban partes de voz, rastreé el origen hasta dos ajustes de decodificación y los cambié para esos sistemas de escritura.
- Precios: la comparativa con Otter, Rev, Sonix y HappyScribe también indica en qué superan a ScribeToAny. Leer los detalles
Tus archivos
- El audio o vídeo original se elimina automáticamente tras la transcripción. Si una tarea falla, el archivo se conserva hasta 7 días para que puedas reintentarlo.
- Las transcripciones permanecen en tu cuenta hasta que las elimines.
- Nunca utilizamos nada de lo que subas para entrenar modelos de AI.