Transcribir audio sin subir archivos

Dónde se hace la transcripción

El motor de transcripción, la parte que convierte la voz en texto, funciona dentro de la pestaña de tu navegador. Es un programa WebAssembly con un modelo de reconocimiento de voz de código abierto, y ambos se descargan de este sitio la primera vez que añades un archivo. Dentro de la pestaña, la página lee el sonido de tu archivo y se lo pasa al motor por fragmentos; la transcripción se escribe en la página. Ni tu archivo ni la transcripción creada a partir de él vuelven al sitio. Cómo funciona la transcripción en tu navegador explica cada paso.

Qué descarga tu navegador, y nada más

Abrir la herramienta de transcripción descarga la propia página, sus estilos, sus scripts y algunas imágenes, todo desde este sitio. Cuando añades tu primer archivo, la página descarga además, desde este sitio, una versión del motor, el lector multimedia (unos 0,3 MB), el modelo que elegiste (unos 60 MB el pequeño o unos 265 MB el grande, en partes) y un detector de voz de menos de 1 MB que localiza los tramos con habla. La versión del motor es una para CPU (unos 1,5 MB), o la versión WebGPU (unos 3,4 MB) en su lugar cuando tu navegador ofrece un adaptador WebGPU utilizable y esa versión arranca con un dispositivo GPU; si la versión WebGPU no registra ningún dispositivo GPU, no arranca o falla durante una transcripción, se descarga también una versión para CPU. Si el archivo se puede leer por partes, el lector multimedia lo lee fragmento a fragmento: descodifica el sonido comprimido con el descodificador del propio navegador, y el sonido sin comprimir, como el de un WAV, por sí mismo; si no, la página descodifica el archivo entero con tu navegador, sin el lector. No hay fuentes ni scripts de otros sitios, ni analítica, ni anuncios.

Qué queda en tu navegador después

El modelo y el detector de voz. Cuando el navegador tiene espacio para ellos, la página guarda sus partes verificadas en el almacenamiento de caché (Cache Storage) de tu navegador para este sitio, con una pequeña nota para cada uno que indica que todas sus partes están guardadas, para que los siguientes archivos y visitas se salten la descarga. El navegador puede borrarlos para liberar espacio, y entonces tu siguiente archivo los vuelve a descargar. Contienen solo el modelo y el detector de voz, nunca tus grabaciones ni tus transcripciones. Para eliminarlas, borra los datos de este sitio en tu navegador; el siguiente archivo volverá a descargar el modelo. Como los demás archivos de la página, el motor también puede quedar en la caché normal de tu navegador. La transcripción solo existe en la pestaña abierta, y el navegador la descarta cuando cierras la pestaña. Aparte de esas partes, los scripts de la página no guardan nada: ni cookies, ni localStorage o sessionStorage, ni IndexedDB.

La página solo puede leer el archivo que le das

Le das un archivo a la página eligiéndolo o soltándolo en la zona de arrastre. Una página web no puede explorar tus carpetas: el navegador le entrega el único archivo que elegiste y nada más. La página comprueba que el archivo sea de audio o de vídeo y rechaza cualquier otro con un mensaje.

Lo que impone el navegador

El sitio envía cabeceras de seguridad con cada página, y tu navegador las aplica hagan lo que hagan los scripts de la página. En lenguaje claro:

Detrás de las cabeceras, el sitio es un conjunto de archivos estáticos en una red de distribución de contenidos. Detrás no se ejecuta ningún programa de servidor nuestro, así que no existe ningún punto que pueda aceptar un archivo aunque la página intentara enviarlo.

Compruébalo tú mismo

Las herramientas para desarrolladores de tu navegador muestran cada solicitud que hace una página, así que puedes comprobarlo en tu propio ordenador (la guía del panel Red de Chrome explica el panel):

1. Abre la herramienta de transcripción en un ordenador y pulsa F12 (o Cmd+Opción+I en un Mac) para abrir las herramientas para desarrolladores, y elige la pestaña Red. En Safari, activa primero las funciones para desarrolladores en Ajustes, Avanzado.
2. Recarga la página. Deberías ver la página, sus estilos, scripts e imágenes, todo desde transcribe-audio.online.
3. Añade un archivo de audio o vídeo. La primera vez aparecen filas nuevas para el motor, el lector multimedia, las partes del modelo y el detector de voz, todas desde transcribe-audio.online. En una visita posterior, si tu navegador tuvo espacio para guardarlas, las partes del modelo salen de su almacenamiento, así que solo se vuelven a pedir unos pocos archivos pequeños que las enumeran.
4. Mira la columna Método (si está oculta, haz clic derecho en el encabezado de una columna para mostrarla). Todas las filas deberían decir GET o HEAD, y todas las direcciones deberían ser transcribe-audio.online. Las filas que empiezan por blob: o data: son enlaces dentro de tu pestaña, no transferencias por la red.

Una subida se ve distinta: una solicitud con el método POST o PUT cuyo tamaño es más o menos el de tu archivo, a menudo hacia otro dominio. Si alguna vez ves una al añadir un archivo aquí, algo va mal, y queremos saberlo en support@transcribe-audio.online.

Qué comprueba nuestra prueba automática

Una prueba automática de navegador carga una copia compilada del sitio en Chromium, el motor de Chrome y Edge, y añade un archivo. Se ejecuta con cada cambio del sitio. Entre sus comprobaciones:

• Cada solicitud de la sesión va a este sitio como GET o HEAD sin cuerpo, y ninguna dirección de solicitud contiene el nombre de un archivo que recibió la página. Una solicitud a otro servidor, con otro método o con cuerpo hace fallar la prueba.
• Abrir la página no descarga ni el motor, ni el modelo, ni ningún worker: solo llegan desde este sitio cuando añades un archivo.
• Se transcriben grabaciones de muestra dentro de la pestaña: un WAV, un vídeo MP4 (H.264 y AAC) y un WebM con sonido Opus, cada uno leído por partes, y cada transcripción difiere como mucho en dos palabras de la frase esperada.
• El texto copiado y el TXT descargado contienen exactamente los párrafos que muestra la página, con y sin marcas de tiempo.
• Cancelar detiene una transcripción, y el siguiente archivo usa el modelo que ya guarda el navegador, sin volver a descargar ninguna parte.
• El sitio se sirve con sus cabeceras de producción y el navegador no informa de ninguna infracción de la Content-Security-Policy.