Transcripción

Desde 0.8 créditos

Convierte cualquier archivo de vídeo o audio en texto, con marcas de tiempo, detección de hablantes y compatibilidad con más de 99 idiomas.

Archivo de vídeo o audio

Haz clic para subir video

o arrastra y suelta

Explorar biblioteca

Idioma

Detección de hablantes

Identifica quién habla. Actívalo para entrevistas y grabaciones con varias personas.

Número de hablantes (0 = auto)

0 – 20

Correcciones de palabras

Sustituciones opcionales de palabras completas que se aplican a los archivos SRT y TXT. Resultan útiles cuando el reconocimiento transcribe siempre de forma incorrecta un nombre, un acrónimo o un término técnico. Cada clave debe contener la palabra tal como aparece en la transcripción y su valor, la grafía correcta. Se distinguen mayúsculas y minúsculas y solo se sustituyen palabras completas. Deja el campo vacío si quieres conservar el texto tal como se reconoció.

Aún falta: Archivo de vídeo o audio

Funciona con

1 modelos

ElevenLabs
- ElevenLabs Scribe v2

API de Transcripción

Llama a este pipeline desde tu propio código. Una petición lanza una ejecución; el modelo es un campo de entrada, no un endpoint aparte.

Obtener un token de API

entradas: 5
obligatorio: 1
Precios: from 0.8 créditos

Idioma

TypeScript Python Go CLI

bun add @pipe2-ai/sdk

Ejecutar un pipeline

import { createClient } from "@pipe2-ai/sdk";

const client = createClient(process.env.PIPE2_TOKEN!);

const { run_pipeline } = await client.RunPipeline({
  pipeline_slug: "transcription",
  input: {
    source_asset_id: "a1b2c3d4-0000-4000-8000-000000000001",
  },
});

pip install pipe2

Ejecutar un pipeline

import asyncio
import os

from pipe2 import Pipe2Client

client = Pipe2Client(token=os.environ["PIPE2_TOKEN"])

run = asyncio.run(client.run_pipeline(
    pipeline_slug="transcription",
    input={
        "source_asset_id": "a1b2c3d4-0000-4000-8000-000000000001",
    },
))

go get github.com/pipe2-ai/sdk-go

Ejecutar un pipeline

client := pipe2.NewClient(os.Getenv("PIPE2_TOKEN"))

input := json.RawMessage(`{
  "source_asset_id": "a1b2c3d4-0000-4000-8000-000000000001"
}`)

run, err := pipe2.RunPipeline(context.Background(), client, "transcription", input)
if err != nil {
    log.Fatal(err)
}

brew install pipe2-ai/tap/pipe2

Ejecutar un pipeline

pipe2 pipelines run \
  --pipeline transcription \
  --input-json '{"source_asset_id": "a1b2c3d4-0000-4000-8000-000000000001"}' \
  --wait

Por página

Entrada	Tipo	por defecto	Descripción
`source_asset_id`obligatorio	string	por defecto—	Audio o vídeo que quieres transcribir. Usa el ID del recurso que devuelve la subida; consulta /docs/api/ para ver el proceso.
`corrections`	object	por defecto{}	Sustituciones opcionales de palabras completas que se aplican a los archivos SRT y TXT. Resultan útiles cuando el reconocimiento transcribe siempre de forma incorrecta un nombre, un acrónimo o un término técnico. Cada clave debe contener la palabra tal como aparece en la transcripción y su valor, la grafía correcta. Se distinguen mayúsculas y minúsculas y solo se sustituyen palabras completas. Deja el campo vacío si quieres conservar el texto tal como se reconoció.
`diarize`	boolean	por defectofalse	Identifica quién habla. Actívalo para entrevistas y grabaciones con varias personas.
`language_code`	enum	por defectoauto	Idioma hablado. Déjalo vacío para detectarlo a partir del audio. auto · en · es +8 `autoenesptfrdehiarjakozh`
`num_speakers`	integer	por defecto0	Número de hablantes esperado. Déjalo vacío para detectarlo automáticamente.

Apunta cualquier cliente MCP a pipe2 y tu agente obtiene estas herramientas. Encuentra este pipeline, lee el mismo esquema de arriba y lo ejecuta.

list_pipelines
get_pipeline_schema
run_pipeline
get_pipeline_run_status
request_upload

https://mcp.pipe2.ai/mcp

{
  "mcpServers": {
    "pipe2ai": {
      "url": "https://mcp.pipe2.ai/mcp",
      "headers": { "Authorization": "Bearer YOUR_TOKEN" }
    }
  }
}

Configuración de MCP

Referencia completa de la API Referencia de la CLI

Recetas que usan este pipeline

Ver todas las recetas

Artículos sobre este pipeline

Ver todos los artículos

Preguntas frecuentes

¿Qué formatos de archivo son compatibles?

Se admite prácticamente cualquier archivo de vídeo o audio, incluidos MP4, MOV, AVI, MP3, WAV, M4A y FLAC. Si subes un vídeo, el sistema extrae automáticamente la pista de audio.

¿Qué precisión tiene la transcripción?

Con audio claro en los principales idiomas, la tasa de error por palabra es inferior al 5 %. La precisión depende de la calidad del sonido, el ruido de fondo y la claridad de las voces.

¿Qué es la detección de hablantes?

Al activarla, cada segmento indica quién lo pronunció mediante etiquetas como [speaker_0] o [speaker_1]. Si sabes cuántas personas intervienen, utiliza Número de hablantes para mejorar la precisión.

¿Qué idiomas son compatibles?

99 idiomas con detección automática. Si conoces el idioma original, selecciónalo para obtener la máxima precisión.

¿Cuánto tarda?

Normalmente, entre el 10 % y el 30 % de la duración del audio. Una grabación de 10 minutos tarda entre 1 y 3 minutos en transcribirse.