Tienes un MP4 o un MOV en el móvil o en el ordenador (una reunión grabada, una clase, un vídeo de TikTok que descargaste) y necesitas su contenido por escrito. Quieres convertir vídeo a texto sin volver a escucharlo entero, sin teclear y, a ser posible, con un resultado que puedas abrir en Word.
La mayoría de guías se quedan en cuatro pasos genéricos. Aquí vamos a lo que de verdad da problemas: vídeos del móvil que pesan varios gigas, qué te llevas además de la transcripción, cómo pasarlo a Word y qué límites tiene el proceso. Partimos de un supuesto claro: ya tienes el archivo en la mano.
Qué casos funcionan: tienes el archivo, no un enlace
Para pasar vídeo a texto con VOCAP subes un archivo. No se pega un enlace, así que el punto de partida es siempre tener el vídeo guardado en tu dispositivo. Estos son los casos más habituales:
- Grabación del móvil: una entrevista, una conferencia o una clase grabada en vídeo. Sirven tanto los MOV del iPhone como los MP4 de Android.
- Reunión exportada de Zoom, Teams o Meet: descargas la grabación desde la plataforma y subes el MP4 resultante.
- Clase o webinar grabado: ideal para obtener apuntes y un resumen sin rebobinar una hora de vídeo.
- Vídeo de TikTok o Instagram: primero hay que descargarlo en tu dispositivo (siempre que tengas derecho a hacerlo) y después subes el archivo.
Los formatos de vídeo aceptados son MP4, MOV, M4V, WEBM y 3GP, hasta 500 MB. No tienes que convertir nada antes: VOCAP extrae el audio por su cuenta y trocea los vídeos largos para procesarlos. Funciona con más de 50 idiomas.
Si lo que quieres es transcribir un vídeo de YouTube, el flujo es distinto y tiene su propia explicación en nuestra guía sobre vídeos de YouTube.
Cómo convertir vídeo a texto online, paso a paso
El proceso es corto. Lo único que conviene saber de antemano es que para probarlo gratis hay que crear una cuenta: no es una herramienta «sin registro». A cambio, la cuenta incluye 15 minutos gratis y no pide tarjeta.
- Crea tu cuenta en VOCAP (15 minutos gratis, sin tarjeta).
- Sube el archivo de vídeo (MP4, MOV, M4V, WEBM o 3GP, hasta 500 MB).
- Elige el idioma si la interfaz te lo pide.
- Espera unos minutos mientras se extrae el audio y se transcribe.
- Revisa el texto completo y el análisis, y cópialos o descárgalos.
Si quieres comprobar la calidad con tu propio vídeo, VOCAP incluye minutos gratis al registrarte y después funciona con packs de horas de pago único, sin suscripción. Para una primera prueba, elige un fragmento con buen audio: te dará una idea realista del resultado.
Si el vídeo pesa más de 500 MB: saca solo el audio
Un vídeo en 4K grabado con el móvil puede pesar entre 1 y 3 GB aunque dure poco. Pero para transcribir no necesitas la imagen, solo la voz, y el audio ocupa una fracción del vídeo. Por eso la solución es subir solo el audio.
Desde el móvil
Muchos editores de vídeo del móvil permiten exportar únicamente el audio. Si el tuyo lo ofrece, es el camino más rápido: guardas el audio, lo subes y listo. De cara a próximas grabaciones, grabar a una resolución menor también reduce mucho el tamaño.
Con ffmpeg en el ordenador
Si te manejas con la terminal, ffmpeg lo resuelve con una línea:
ffmpeg -i video.mp4 -vn -c:a aac audio.m4a
La opción -vn descarta el vídeo y -c:a aac guarda el sonido en AAC dentro de un archivo M4A, un formato que VOCAP acepta. Cambia video.mp4 por el nombre de tu archivo (también vale un MOV). Con ese audio, una reunión de varias horas suele quedar muy por debajo del límite de 500 MB.
Qué te llevas además del texto y cómo pasarlo a Word
Una transcripción larga es útil, pero leerla entera sigue costando tiempo. Por eso, además del texto completo, VOCAP genera un análisis con IA que puede incluir:
- Un resumen del contenido.
- Los puntos clave.
- Las decisiones tomadas.
- Las tareas, con responsable y plazo cuando se mencionan en el vídeo.
- Fechas, preguntas abiertas y citas destacadas.
Esto resulta especialmente práctico con reuniones exportadas: en lugar de buscar quién se comprometió a qué, tienes las tareas ya separadas. Con una clase o un webinar, el resumen y los puntos clave sirven de base para tus apuntes.
Vídeo a texto en Word
Cuando termina el proceso puedes copiar el resultado o descargarlo como archivo Word (.doc) o como TXT. Para tener tu vídeo a texto en Word basta con descargar el .doc y abrirlo con tu procesador de textos para editar, dar formato o compartirlo. No hay sincronización automática con otras aplicaciones: si quieres llevar el contenido a otra herramienta, lo copias o lo descargas.
Límites que conviene conocer antes de empezar
Transcribir vídeo a texto con IA es muy útil, pero no hace magia. Estos son los límites reales:
- Solo transcribe lo que se dice. El texto que aparece en pantalla (diapositivas, rótulos, subtítulos incrustados) no se lee ni se incluye.
- Sin marcas de tiempo. El texto no indica en qué minuto se dijo cada cosa.
- Sin separación de hablantes. En una reunión con varias personas, el texto no etiqueta quién habla en cada momento.
- No funciona en directo. Se procesa un archivo ya grabado, no una llamada en curso.
- La calidad depende del audio. Ruido, ecos, voces solapadas o micrófonos lejanos empeoran el resultado. Revisa siempre nombres propios, cifras y términos técnicos antes de usar el texto en algo importante.
Sobre privacidad: el vídeo se borra de los servidores de VOCAP al terminar el procesamiento. El contenido se procesa con OpenAI y Anthropic, algo que debes valorar si tu vídeo contiene información sensible.
FAQ
¿Puedo convertir vídeo a texto sin registrarme?
No con VOCAP. Para probarlo gratis hay que crear una cuenta, que incluye 15 minutos gratis y no pide tarjeta.
¿Qué formatos de vídeo acepta y cuánto puede pesar?
Acepta MP4, MOV, M4V, WEBM y 3GP, hasta 500 MB. Si tu vídeo pesa más, puedes extraer solo el audio desde el móvil o con ffmpeg y subir ese archivo.
¿Se puede pegar el enlace de un vídeo de TikTok o Instagram?
No, VOCAP trabaja con archivos. Tienes que descargar antes el vídeo en tu dispositivo, siempre que tengas derecho a hacerlo, y después subirlo.
¿Incluye el texto que sale en pantalla o separa a los hablantes?
No. Transcribe únicamente lo que se dice en el audio, sin leer el texto de la pantalla, sin marcas de tiempo y sin identificar quién habla.
¿Cuánto cuesta y qué pasa con mi vídeo después?
Puedes probar con 15 minutos gratis. Después hay packs de horas de pago único desde 2,99 €, sin suscripción. El vídeo se borra de los servidores de VOCAP cuando termina el procesamiento.