Transcribe audio and video files to text locally. Export SRT subtitles or plain text. 100% browser-based AI — no upload.
Audio transcription uses OpenAI Whisper models (tiny ~144MB or small ~278MB, fp32) from Xenova, running locally via Transformers.js / ONNX Runtime Web in your browser. Multi-CDN fallback ensures reliable downloads worldwide. Optional GTCRN speech enhancement (WASM SIMD) pre-processes audio to reduce background noise. All models download on first use and are cached afterward. All processing is 100% local — your audio never leaves your device.
This tool runs OpenAI's Whisper model in your browser to turn speech into text. If you enable noise reduction, the audio is first passed through the GTCRN speech-enhancement network (WASM SIMD) to suppress background noise. The cleaned audio is then decoded into mel spectrogram frames and processed by Whisper in ~30-second chunks with a 5-second stride, so each chunk overlaps the last and no words are dropped at boundaries. Whisper's encoder turns each chunk into a representation of the spoken audio, and its decoder emits the text tokens plus start and end timestamps. The output chunks are normalized into readable sentences and can be exported as plain text, CSV, or SRT subtitles. Your recording, the denoiser, and the model all stay on your device.
Audio is optionally denoised with GTCRN, split into overlapping 30-second windows, transcribed by the local Whisper encoder–decoder, and exported as text or SRT.
Priya records a 12-minute interview with a guest in a noisy café. She uploads the M4A, leaves noise reduction on, picks the Small model for accuracy, and starts transcription.
Transcribe audio and video files to text locally using Whisper AI. Everything runs locally; nothing is uploaded.
FreeToolHub Whisper Audio Transcription is a free browser-based tool — transcribe audio and video files to text locally using Whisper AI. No signup, no upload; everything runs locally in your browser.
Transcribe archivos de audio y vídeo a texto localmente con la IA Whisper. Exporta subtítulos SRT o texto plano. Sin subidas, sin clave de API. 100% en el navegador, totalmente privado.
La herramienta de transcripción de audio Whisper es una herramienta de IA gratuita que funciona en el navegador y convierte archivos de audio y vídeo en texto. Usa el modelo Whisper de OpenAI ejecutándose localmente mediante Transformers.js con aceleración WebGPU. Sube entrevistas, pódcasts, grabaciones de reuniones o notas de voz: la herramienta las transcribe enteramente en tu navegador. Exporta como subtítulos SRT para vídeo, o como texto plano para notas. Sin subida a la nube, sin clave de API, sin suscripción. Tus grabaciones nunca salen de tu dispositivo.
Periodistas que transcriben entrevistas sin subir a servicios en la nube. Podcasters que generan notas de programa y subtítulos. Estudiantes que graban clases para tener texto buscable. Investigadores que transcriben grupos focales e historias orales. Profesionales de negocios que necesitan transcripciones de reuniones pero no pueden usar transcripción en la nube por confidencialidad. Y cualquiera que quiera transcripción de audio gratuita, privada y local.
Sube un archivo de audio o vídeo (MP3, WAV, M4A, FLAC, OGG, WebM, MP4, hasta 500 MB). Elige un modelo: Tiny (unos 40 MB, más rápido) o Small (unos 240 MB, más preciso). Pulsa Transcribe Audio. El modelo se descarga en el primer uso y se ejecuta localmente. La transcripción aparece con marcas de tiempo para cada segmento. Exporta como subtítulos SRT, como texto plano, o copia al portapapeles. Todo el procesamiento ocurre en tu navegador.
La herramienta admite archivos de hasta 500 MB. Para grabaciones largas (más de 30 minutos), la transcripción puede tardar varios minutos dependiendo de tu hardware. La herramienta procesa el audio en trozos de 30 segundos con 5 segundos de solapamiento por precisión.
Empieza con Tiny (unos 40 MB) para borradores rápidos y pruebas. Cambia a Small (unos 240 MB) para audio importante donde importa la precisión. El modelo Small maneja acentos, jerga técnica y voz superpuesta significativamente mejor que Tiny.
En audio claro —pódcasts, entrevistas, memos de voz grabados cerca del micrófono— Whisper es muy preciso, incluidos la puntuación y las mayúsculas. La precisión baja con ruido de fondo abundante, hablantes superpuestos, acentos fuertes y jerga especializada. La transcripción conserva vacilaciones y palabras de relleno en algunos niveles; para un texto listo para publicar todavía se espera una ligera revisión manual.
Los niveles cambian velocidad por precisión: tiny es el más rápido y basta para voz clara y borradores rápidos; base y small añaden robustez ante ruido y acentos; medium maneja el audio más difícil pero tarda bastante más en descargarse y ejecutarse. Si transcribes con regularidad, guarda tu preferencia de nivel: el modelo se cachea localmente tras la primera descarga, así que las ejecuciones siguientes arrancan al instante en el tamaño que elegiste.
Esta herramienta también se conoce por estas tareas — cada enlace abre la misma herramienta con una guía enfocada:
What do you call a really smart cookie?
No signups, no data sold. Every tool is free to use — the free tier allows 5 downloads or saves per day, and the optional Pro plan ($7/mo, $59/yr) adds unlimited downloads, batch processing, white-label exports and an ad-free experience.
☕Support me on Ko-fi— support the free tier100% of proceeds go towards hosting & building more free tools.