AssemblyAI — Transcripción de audio a texto

AssemblyAI

AssemblyAI es una API para desarrolladores: envías audio con una clave de API y recibes una transcripción, con etiquetas de hablante si lo activas. Requiere código y no es una aplicación para subir y editar; pruébala con un archivo corto antes de construir nada sobre ella.

Por qué encaja

Transcripción de audio a texto

Sitio web

Ir a assemblyai.com
Ten en cuenta (1)

Consulta cuotas y condiciones actuales en la web oficial.

Ten en cuenta
Ten en cuentaSitio web
Resultado gratis—
Sin registroNo
Sin marca de agua—
Sin conexiónNo
Procesamiento por lotes—
Idioma del contenido—

— Condiciones sin verificar. Documentación oficial revisada. No se ha probado la app directamente. Solo incluye compatibilidad documentada con el idioma del contenido, no de la interfaz.

Fuentes y fecha de revisión (1)
  • www.assemblyai.com/docs/pre-recorded-audio/label-speakers
Comentarios y correcciones del creador

Comentarios y correcciones del creador

Si representas el producto, envía una corrección o actualización con fuente. La publicación requiere revisión editorial.

Guía editorial

Última revisión:

¿Para quién es?

  • Desarrolladores que quieren añadir a su propia aplicación o flujo de datos voz a texto con marcas de tiempo y etiquetas de hablante.
  • Equipos que procesan lotes de llamadas o entrevistas grabadas y necesitan los resultados como datos estructurados, no un editor de documentos.

Cómo empezar

  • Crea una cuenta, obtén una clave de API en el panel y guárdala en el servidor o en una variable de entorno, nunca en código de cliente público.
  • Instala el SDK de Python o JavaScript (el inicio rápido menciona Python 3.8+ o Node.js 18+) y transcribe primero una URL pública corta o un archivo local.
  • Activa speaker_labels y define el idioma o language_detection; si no conoces el número de hablantes, indica un mínimo y un máximo en lugar de una cifra exacta.
  • Consulta el estado hasta que sea completed o error, lee después la matriz utterances y revisa hablantes y marcas de tiempo en una muestra antes de lanzar un lote.

Puntos de decisión

  • Comprueba primero tu idioma: la documentación enumera 18 idiomas para Universal-3.5 Pro y 99 para Universal-2, y no todas las funciones están disponibles en todos; prueba tu idioma con audio de muestra real.
  • El precio depende del uso: hay créditos gratuitos al registrarse y complementos como la diarización de hablantes se facturan aparte; estima el coste con la página de precios actual según tus horas y funciones.
  • Para notas de reuniones puntuales sin código, una aplicación ya hecha como Otter, Notta o Fireflies puede encajar mejor; AssemblyAI sirve para integrar la transcripción en tu propio producto.

Límites

  • Es una API de integración: las peticiones requieren clave de API y código, las fuentes revisadas no describen una interfaz para subir y editar, y el catálogo no indica uso sin conexión. Es una revisión de documentación oficial; no se probaron la precisión, las cuotas ni el coste.
  • Las etiquetas de hablante funcionan mejor cuando cada persona habla de forma continua al menos unos 30 segundos; el solapamiento de voces y el ruido de fondo reducen la fiabilidad, y la documentación desaconseja fijar un máximo de hablantes demasiado alto.
  • Las cuentas gratuitas figuran con 5 trabajos en paralelo y hay límites por archivo (hasta 10 horas; 5 GB por solicitud y 2,2 GB en cargas locales); las cifras y los planes cambian.

Preguntas frecuentes

¿Puedo transcribir sin escribir código?

Las fuentes revisadas describen el uso con una clave de API, un SDK o solicitudes HTTP, y no una interfaz para subir y editar. Si quieres soltar un archivo y editar el texto, encaja mejor una aplicación de transcripción.

¿Cómo funciona el etiquetado de hablantes?

Con speaker_labels activado, la respuesta incluye una matriz utterances cuyas entradas llevan etiqueta de hablante, texto, tiempos y confianza. Asociar cada etiqueta a un nombre real es algo que haces después.

¿Hay una forma gratuita de probarlo?

En el momento de la revisión, la página de precios mostraba 50 dólares en créditos gratuitos sin tarjeta de crédito; después se factura por uso. Los importes y las tarifas cambian, así que lee la página actual antes de planificar la prueba.

Fuentes oficiales (4)
www.assemblyai.com/docs/pre-recorded-audio/label-speakerswww.assemblyai.com/docs/getting-started/transcribe-an-audio-filewww.assemblyai.com/docs/pre-recorded-audio/supported-languageswww.assemblyai.com/pricing