Reconocimiento de voz que escribe mientras hablas
Únete a los equipos que dan el salto a Cartesia
Cómo convertir voz a texto
Pulsa el botón del micrófono y permite el acceso cuando el navegador lo pida.
Habla con normalidad. Cada palabra aparece al decirla, y la transcripción marca dónde empiezas y dejas de hablar.
Selecciona la transcripción, cópiala y pégala en tu documento, correo o notas.
Precisión en los números y correos que otros modelos fallan
Esta herramienta usa Ink-2, el modelo de reconocimiento de voz en streaming de Cartesia. Ink-2 ocupa el primer puesto en la clasificación de inglés estadounidense de VoiceArena y en la prueba comparativa de streaming de Artificial Analysis, y escribe correctamente a la primera números de teléfono, correos electrónicos y UUID. Divide la transcripción en turnos por sí solo y mantiene la precisión con ruido de fondo sin un filtro de limpieza independiente.
Ideal para
- Agentes de voz
- Subtítulos en directo
- Dictado
- Notas de reuniones
- Análisis de llamadas
Añade reconocimiento de voz a tu aplicación
Transmite audio en directo por WebSocket al mismo modelo Ink-2 que usa esta herramienta, con la API y los SDK de Cartesia. La indicación de términos clave orienta el reconocimiento hacia los nombres y la jerga que más escucha tu producto. Para grabaciones, la API por lotes recibe un archivo completo y devuelve una transcripción. Los planes Enterprise añaden despliegues locales, VPC y OEM sin conservación de datos.
Explorar más herramientas de voz
Preguntas frecuentes sobre reconocimiento de voz
¿Hay alguna herramienta gratuita de reconocimiento de voz?
Sí. La herramienta de esta página convierte tu voz en texto gratis y sin cuenta, hasta un límite diario. Los créditos mensuales de una cuenta gratuita de Cartesia cubren hasta 111 minutos de transcripción a través de la API, y los planes de pago añaden más.
¿Qué precisión tiene el reconocimiento de voz?
Ink-2, el modelo de esta herramienta, está clasificado en primer lugar en precisión de reconocimiento de voz en streaming. Escribe correctamente números de teléfono, correos electrónicos y UUID, y mantiene la precisión con ruido de fondo.
¿Qué idiomas admite el reconocimiento de voz de Cartesia?
Ink-2 transcribe inglés, español, francés, hindi y japonés. La herramienta de esta página escucha en el idioma de la página si es uno de esos cinco, y en inglés en los demás casos. La API admite los cinco.
¿Puedo convertir un archivo de audio en texto?
La herramienta de esta página transcribe en directo lo que dices al micrófono. Para transcribir una grabación, envía el archivo a la API de reconocimiento de voz por lotes, que devuelve una transcripción de todo el archivo.
¿Qué es el reconocimiento de voz?
El reconocimiento de voz (también llamado STT, ASR o transcripción) convierte audio hablado en palabras escritas. Un modelo en streaming como Ink-2 escribe la transcripción mientras sigues hablando, no después de terminar.
¿Qué es la detección de turnos en el reconocimiento de voz?
La detección de turnos determina cuándo termina una persona de hablar y evita que un agente de voz interrumpa o deje silencios. La mayoría de las soluciones añaden un modelo independiente de actividad de voz para ello. Ink-2 emite directamente eventos como turn.eager_end y turn.end, lo que elimina un modelo de la arquitectura y acelera las respuestas.
¿Puedo ejecutar Ink-2 en mi propia infraestructura?
Sí. Ink-2 puede desplegarse en tus instalaciones, incluidos entornos aislados de la red, en tu propia VPC de AWS, GCP o Azure, o mediante una licencia OEM integrada en tu producto. Estos despliegues están disponibles bajo contratos empresariales.