Respuesta directa — ¿Cómo conviertes video a texto en Mac sin subirlo? Transcribe la pista de audio del video en el propio Mac. Extrae el audio del MP4 o MOV con ffmpeg como un WAV de 16 kHz y pásalo por whisper.cpp, una versión gratuita de Whisper para línea de comandos, o arrastra el video a Weesper Transcribe, una app de Mac que lee MP4 y MOV directamente y transcribe en el dispositivo. El archivo nunca sale de tu Mac.
Un clip de iPhone de una visita de obra, una grabación de pantalla de una demo de producto, un webinar guardado, un MP4 descargado de una charla: buena parte de la voz que hay en un Mac vive dentro de archivos de video, no de audio.
Esta guía muestra cómo convertir video a texto en Mac sin conexión, de MP4 a texto y de MOV a texto. Explica qué hay dentro de un MP4 o MOV, qué puede y qué no puede hacer macOS por sí solo, la vía gratuita con ffmpeg y whisper.cpp, y la vía de arrastrar y soltar. Si tu archivo es solo audio, nuestra guía para transcribir audio a texto en Mac sin conexión es el mejor punto de partida.
¿Qué hay dentro de un archivo de video que quieres transcribir?
Un archivo de video es un contenedor con flujos separados: normalmente un flujo de video y uno o más flujos de audio. Al transcribir video en un Mac solo importa el audio, así que la primera tarea de cualquier herramienta es encontrar el flujo de audio correcto y decodificarlo.
Por eso la extensión del archivo dice poco. Un .mp4, .mov o .m4v nombra el contenedor, no el audio que lleva dentro, y dos archivos MOV pueden contener flujos muy distintos.
La documentación de ffmpeg muestra cómo direccionar estos flujos directamente: en un especificador de flujo, a significa audio, y a:1 “coincide con el segundo flujo de audio”. Su herramienta complementaria ffprobe “reúne información de flujos multimedia”, y -show_streams lista todos los flujos de un archivo.
Para ver qué contiene realmente tu video, ejecuta:
ffprobe -v error -show_streams -select_streams a input.movCada flujo de audio aparece con su índice, códec y número de canales. Un bloque significa una pista de audio; dos o más significa que tienes que elegir, como se explica más abajo.
Archivos de video habituales en un Mac y a qué prestar atención
| Origen | Contenedor | Qué importa para la transcripción |
|---|---|---|
| Video de iPhone | .mov | HEVC (H.265) describe el flujo de video cuando la cámara usa Alta eficiencia; la transcripción depende solo del audio |
| Grabación de pantalla de macOS | .mov | El micrófono es opcional; con “Ninguno” seleccionado no hay voz que transcribir |
| Grabación de Zoom o Teams | .mp4 | Dónde se guarda el archivo depende de la plataforma; consulta nuestra guía de grabaciones de Zoom y Teams |
| Charla o webinar descargado | .mp4 | Puede llevar más de una pista de audio, por ejemplo en dos idiomas |
| Edición exportada desde un editor de video | .mov o .mp4 | Comprueba que no se mezcló música ni efectos sobre la voz |
La página de Apple sobre HEVC confirma el ajuste de la cámara: en Ajustes > Cámara > Formatos, “Más compatible” hace que los videos nuevos usen H.264 en su lugar. No necesitas cambiarlo para obtener una transcripción, porque el códec de video nunca llega al modelo de voz.
¿Puede un Mac convertir video a texto por sí solo?
No como función documentada. Ninguna de las guías de Apple para las apps integradas describe cómo convertir un archivo de video existente en una transcripción.
- QuickTime Player. La guía de Apple describe ediciones “como recortar, reordenar y girar”, no transcripción. Sí puede ayudar con la extracción: Archivo > Exportar como > Solo audio genera “un archivo de audio MPEG 4 de Apple con una pista de audio AAC”.
- Notas de voz. Con macOS Sequoia en Apple Silicon, puede mostrar una transcripción de las grabaciones hechas en Notas de voz, en los países y regiones donde la función está disponible. La guía de Apple no cubre la importación de un video.
- Notas. En Mac con M1 o posterior, Notas transcribe el audio que grabas dentro de una nota, en los idiomas compatibles. La guía no cubre archivos de audio o video existentes.
Así que para un MP4 o MOV que ya tienes, necesitas una herramienta de transcripción. La exportación de audio de QuickTime es un primer paso útil si prefieres no instalar ffmpeg, siempre que la herramienta que elijas lea ese archivo de audio.
¿Cómo convertir video a texto con ffmpeg y whisper.cpp?
Extrae el audio como WAV de 16 bits con ffmpeg y luego transcríbelo con whisper.cpp. Ambas herramientas son gratuitas y se ejecutan por completo en tu Mac.
whisper.cpp es una implementación de código abierto en C/C++ de Whisper de OpenAI bajo licencia MIT; su README llama a Apple Silicon un “ciudadano de primera clase”. Necesita Git, CMake y ffmpeg. Nuestra guía de instalación de whisper.cpp cubre la instalación y la elección de modelo, así que los pasos siguientes se centran en lo que cambia para el video.
Paso 1: extrae la pista de audio del video
El README de whisper.cpp indica que whisper-cli “actualmente solo funciona con archivos WAV de 16 bits” y ofrece un comando de conversión con ffmpeg. Para un video, añade -vn para que la salida no incluya ningún flujo de video:
ffmpeg -i input.mov -vn -ar 16000 -ac 1 -c:a pcm_s16le output.wav-ar 16000 fija una frecuencia de muestreo de 16 kHz, -ac 1 mezcla a mono y -c:a pcm_s16le escribe audio de 16 bits sin comprimir. El mismo comando sirve para archivos .mp4 y .m4v.
El resultado es mucho más pequeño que la mayoría de los videos. El audio mono de 16 bits sin comprimir a 16.000 muestras por segundo son 16.000 × 2 bytes = 32.000 bytes por segundo, unos 1,9 MB por minuto o aproximadamente 115 MB por hora.
Paso 2: elige la pista de audio correcta si hay varias
ffmpeg elige un flujo de audio automáticamente: según su documentación, “el flujo con más canales”, y el de índice más bajo en caso de empate. Puede que esa no sea la pista con la voz que quieres.
Si ffprobe mostró dos flujos de audio y necesitas el segundo, mapéalo de forma explícita:
ffmpeg -i input.mp4 -map 0:a:1 -ar 16000 -ac 1 -c:a pcm_s16le output.wav0:a:1 significa “primer archivo de entrada, segundo flujo de audio”. Escucha unos segundos del WAV antes de transcribir un archivo largo, para asegurarte de que elegiste la pista correcta.
Paso 3: transcribe y elige una salida
Ejecuta whisper-cli sobre el WAV con un modelo y una o más salidas: texto sin formato (-otxt), SRT (-osrt), VTT (-ovtt), CSV (-ocsv) o JSON (-oj).
./build/bin/whisper-cli -m models/ggml-base.en.bin -f output.wav -otxtEl idioma hablado es inglés por defecto (-l en). Para un video en otro idioma, usa un modelo multilingüe y pasa -l con el código del idioma, o -l auto para detectarlo.
¿Cómo convertir video a texto con Weesper Transcribe?
Arrastra el MP4 o MOV a Weesper Transcribe, deja que transcriba en tu Mac y exporta. No hay paso de extracción y no se sube nada.
Weesper Transcribe es una app de Mac para transcribir archivos que ya tienes. Su ficha de la App Store describe “arrastrar y soltar audio Y video, en una sola ventana”, y nombra MP3, M4A, WAV, MP4 y MOV entre los formatos compatibles.
Paso 1: suelta el video en la app
Arrastra el archivo a la ventana. La app no necesita permiso de micrófono ni de Accesibilidad, y un modelo incluido permite transcribir sin conexión desde el primer arranque.
Paso 2: deja que transcriba en el dispositivo
La transcripción se ejecuta en local, con aceleración Metal en Apple Silicon. Requiere macOS 13 o posterior y también funciona en Mac con Intel compatibles con AVX2 (Haswell, 2013 o posterior). Gracias a la detección automática del idioma, un webinar en francés o una entrevista en alemán no requieren ningún ajuste previo.
Paso 3: exporta texto o subtítulos
La versión gratuita exporta texto sin formato. Pro añade subtítulos SRT y VTT, Word (DOCX), PDF, Markdown, HTML, CSV y JSON, además de marcas de tiempo en las que se puede hacer clic, edición y búsqueda.
La versión gratuita admite archivos de hasta 15 minutos, de uno en uno, lo que cubre la mayoría de las grabaciones de pantalla y los clips de móvil. Pro es una compra única, sin suscripción, que elimina el límite y añade el procesamiento por lotes; la App Store muestra el precio en tu región antes de comprar.
Su etiqueta de privacidad de la App Store indica que el desarrollador no recopila ningún dato de la app. Para una carpeta entera de videos, consulta cómo transcribir por lotes archivos de audio y video en un Mac.
¿Quieres una transcripción o subtítulos?
Elige una transcripción cuando quieras leer, citar o buscar lo que se dijo; elige subtítulos cuando las palabras deban aparecer en pantalla sincronizadas con la imagen.
- Transcripción (TXT, DOCX, Markdown, PDF). Texto corrido para actas de reuniones, citas de entrevistas, el borrador de un artículo o una investigación. Las entrevistas grabadas suelen acabar aquí.
- Subtítulos (SRT, VTT). Bloques cortos y temporizados asociados al video para publicarlo o por accesibilidad. Nuestra guía para crear subtítulos SRT y VTT sin conexión en un Mac cubre formatos, plataformas y comprobaciones de longitud de línea.
- Datos estructurados (CSV, JSON). Marcas de tiempo y texto para un script, una hoja de cálculo o un índice de búsqueda.
Puedes generar más de uno en la misma pasada: whisper-cli acepta varios indicadores de salida a la vez, y la app exporta la misma transcripción a cada formato.
¿Qué vía de video a texto te conviene?
Elige según cuánto quieras hacer en Terminal. Ambas vías mantienen el video en tu Mac.
| ffmpeg + whisper.cpp | Weesper Transcribe | |
|---|---|---|
| Entrada de video | Extraer antes el audio a WAV de 16 bits | Arrastrar el MP4 o MOV directamente |
| Varias pistas de audio | Elegir con -map 0:a:N | No documentado en la ficha; extrae antes la pista si importa |
| Interfaz | Terminal | App de Mac |
| Idioma | Indicador -l, inglés por defecto | Detección automática |
| Exportaciones | TXT, SRT, VTT, CSV, JSON | TXT gratis; SRT, VTT, DOCX, PDF, Markdown, HTML, CSV, JSON con Pro |
| Requisito de Mac | Compilar desde el código fuente | macOS 13+, Apple Silicon o Intel con AVX2 |
| Coste | Gratis, licencia MIT | Gratis hasta 15 min por archivo; Pro de compra única |
¿Cómo obtener una mejor transcripción de un video?
La mayoría de los problemas al transcribir video vienen de la pista de audio, no del modelo de voz. Revisa la pista antes de culpar a la transcripción.
- Confirma que hay voz. Una grabación de pantalla hecha con el micrófono en Ninguno no tiene voz que transcribir. Reproduce primero el archivo con el sonido activado.
- Comprueba el número de pistas. Ejecuta ffprobe sobre un MP4 descargado o un archivo de un editor; una pista de comentarios o de otro idioma puede esconderse tras la predeterminada.
- Usa el archivo original. Un video reenviado por una app de mensajería puede haberse recodificado con audio de menor calidad. Pide la exportación original.
- Ignora el códec de video. HEVC o H.264 no cambia nada en la transcripción; solo afecta a la imagen.
- Fija el idioma en whisper.cpp. Asume inglés salvo que pases
-l, así que un video en español procesado con un modelo solo en inglés producirá un texto pobre. - Revisa nombres y jerga. Los nombres propios y los términos técnicos son donde cualquier modelo de voz falla más, así que lee esos pasajes frente al video antes de compartir la transcripción.
Para los archivos MP3 y otros audios comprimidos, nuestra guía para convertir MP3 a texto en Mac explica por qué importa la tasa de bits.
Convierte tu primer video en texto
Convertir video a texto en Mac sin conexión consiste en acceder a la pista de audio y transcribirla en local. ffmpeg y whisper.cpp te dan control total sobre qué pista y qué salida; una app dedicada elimina el paso de extracción.
¿Tienes un MP4 o MOV esperando? Descubre cómo Weesper Transcribe convierte archivos de video y audio en texto editable y descárgalo desde la Mac App Store: gratis para archivos de hasta 15 minutos, con una mejora Pro de compra única y sin suscripción. Las dudas de configuración se resuelven en el Centro de ayuda.