Formatos de archivo compatibles: qué archivos de audio y vídeo puede transcribir

Una de las preguntas más frecuentes antes de la primera subida: «¿Es compatible mi formato de archivo?» La respuesta breve: con muy alta probabilidad, sí. scryp acepta más de 50 formatos de audio y más de 50 formatos de vídeo – desde estándares habituales como MP3 y MP4 hasta formatos profesionales como FLAC, AC3 o MKV. Este artículo enumera todos los formatos compatibles, explica cómo funciona la conversión automática y a qué debe prestar atención en cuanto a la calidad de la grabación.

¿Por qué tantos formatos? El motor de conversión de scryp

scryp dispone de un motor de conversión propio capaz de procesar prácticamente cualquier formato de audio y vídeo habitual. Antes de la transcripción, cada archivo subido se convierte automáticamente a un formato optimizado – con independencia del formato de origen.

El proceso en detalle: usted sube un archivo en cualquier formato compatible. Nuestro motor extrae automáticamente la pista de audio (en los vídeos se descarta la pista de imagen) y la convierte a un formato WAV estandarizado con frecuencia de muestreo de 16 kHz y canal mono. Este formato es óptimo para el reconocimiento de voz por IA. Así, nunca tiene que preocuparse por códecs, frecuencias de muestreo o número de canales – eso ocurre de forma totalmente automática.

Formatos de audio compatibles (más de 50)

La siguiente lista muestra los formatos de audio más habituales que scryp acepta directamente. Si su formato está aquí, puede subir el archivo sin preparación:

• MP3 (.mp3) – El formato de audio más extendido. Comprimido, buen equilibrio entre tamaño de archivo y calidad. Ideal para grabaciones de smartphones y grabadoras de voz.
• WAV (.wav) – Formato sin comprimir con calidad de audio completa. Estándar en la producción de audio profesional. Archivos más grandes, pero la mejor precisión de transcripción.
• M4A / AAC (.m4a, .aac) – El formato de audio estándar de Apple. Lo usan los iPhone, iPad y macOS. Mejor calidad que MP3 con el mismo tamaño de archivo.
• OGG / Vorbis (.ogg, .oga) – Formato de código abierto con buena compresión. Extendido en sistemas Linux y en aplicaciones web.
• FLAC (.flac) – Formato comprimido sin pérdidas. Calidad de audio completa con aproximadamente el 50–60 % del tamaño de un archivo WAV. Popular entre audiófilos y en la producción musical.
• Opus (.opus) – Códec moderno con una calidad excelente a bajas tasas de bits. Estándar para VoIP y WebRTC – lo usan con frecuencia los navegadores en las grabaciones de audio.
• AIFF (.aiff, .aif) – El formato de audio sin comprimir de Apple. Equivalente a WAV en el mundo macOS. Estándar en la producción musical en dispositivos Apple.
• WMA (.wma) – Windows Media Audio. El formato de audio propietario de Microsoft. Lo usan grabadoras de voz y programas de grabación de Windows más antiguos.
• AMR (.amr) – Adaptive Multi-Rate. Formato de voz compacto que muchos teléfonos móviles utilizan para grabaciones de voz. Baja tasa de bits, pero optimizado para la voz.
• AC3 (.ac3) – Dolby Digital. Formato de sonido envolvente que se usa con frecuencia en DVD, Blu-ray y grabaciones de TV. scryp extrae y mezcla los canales automáticamente a mono.
• DTS (.dts) – Digital Theater Systems. Formato envolvente de alta calidad del ámbito del cine y el cine en casa. Se convierte automáticamente a un formato optimizado para el reconocimiento de voz.
• WebM Audio (.webm) – Formato contenedor para audio web. Estándar en las grabaciones del navegador, por ejemplo a través de la función de grabación integrada de scryp.

Otros 38 formatos de audio compatibles:

Contenedor y web: WebM Audio (.webm), CAF (.caf) – Core Audio Format, MKA (.mka) – Matroska Audio, MP2 (.mp2), SPX (.spx) – Speex, 3GP (.3gp).

Sin pérdidas y audiófilo: APE (.ape) – Monkey's Audio, WavPack (.wv), TTA (.tta) – True Audio, TAK (.tak), Shorten (.shn), DSF (.dsf) – DSD Stream File, Musepack (.mpc).

Envolvente y cine: EAC3 (.eac3) – Dolby Digital Plus, DTS-HD (.dtshd), TrueHD (.thd) – Dolby TrueHD, MLP (.mlp).

Telefonía y VoIP: GSM (.gsm), iLBC (.lbc), QCP (.qcp), SBC (.sbc) – Bluetooth Audio, G.722 (.g722), G.723 (.g723), G.726 (.g726), G.729 (.g729).

Grabadoras de voz: DSS (.dss) – Digital Speech Standard (Olympus, Philips), ACT (.act) – ACT Voice.

Archivo y legado: AU (.au) – Sun/Unix Audio, W64 (.w64) – Sony Wave64, VOC (.voc) – Creative Voice, OMA (.oma) – Sony OpenMG, PVF (.pvf) – Portable Voice Format, SOX (.sox) – Sound eXchange, VQF (.vqf) – TwinVQ, MMF (.mmf) – Yamaha SMAF, IRCAM (.sf) – Berkeley/IRCAM, AVR (.avr) – Audio Visual Research, SLN (.sln) – Asterisk PCM.

Formatos de vídeo compatibles (más de 50)

scryp también transcribe archivos de vídeo directamente – la pista de audio se extrae automáticamente. No tiene que separar el audio manualmente de antemano:

• MP4 (.mp4) – El estándar universal de vídeo. Lo generan prácticamente todas las cámaras, smartphones y herramientas de videoconferencia (Zoom, Teams, Google Meet).
• MOV (.mov) – El formato QuickTime de Apple. Estándar en los vídeos de iPhone y en las grabaciones de pantalla de macOS.
• MKV (.mkv) – Contenedor Matroska. Formato flexible de código abierto que admite varias pistas de audio y de subtítulos. Extendido en screencasts y archivos de vídeo.
• AVI (.avi) – Formato de vídeo clásico de Windows. Lo usan cámaras y aplicaciones de Windows más antiguas. Archivos grandes, pero compatibilidad universal.
• WebM (.webm) – El formato de vídeo web abierto de Google. Estándar para grabaciones de vídeo en el navegador y descargas de YouTube.
• MPEG / MPG (.mpeg, .mpg) – Formato de vídeo clásico. Estándar para DVD y archivos de vídeo más antiguos.
• WMV (.wmv) – Windows Media Video. El formato de vídeo de Microsoft, que se encuentra ocasionalmente en vídeos de formación y grabaciones de conferencias antiguas.
• FLV (.flv) – Flash Video. Procede de la era de Flash y todavía aparece en archivos de vídeo antiguos.
• M4V (.m4v) – La variante de vídeo de Apple basada en MP4. La usan iTunes y Apple TV.
• TS / MTS (.ts, .mts) – MPEG Transport Stream. Estándar en videocámaras (AVCHD) y grabaciones de TV.
• 3GP / 3G2 (.3gp, .3g2) – Formatos de vídeo para móviles. Los generan smartphones y tabletas más antiguos en las grabaciones de vídeo.
• VOB (.vob) – DVD Video Object. El formato de archivo de los discos DVD. Relevante para la digitalización de archivos en DVD.

Otros 44 formatos de vídeo compatibles:

Profesional y broadcast: MXF (.mxf) – Material eXchange Format, GXF (.gxf) – General eXchange Format, DV (.dv) – Digital Video, R3D (.r3d) – RED Raw, LXF (.lxf) – VR Native Stream, Y4M (.y4m) – YUV4MPEG, MLV (.mlv) – Magic Lantern Video, MJ2 (.mj2) – Motion JPEG 2000, IVF (.ivf).

Web y streaming: OGV (.ogv) – Ogg Video, ASF (.asf) – Advanced Streaming Format, F4V (.f4v) – Flash MP4, SWF (.swf) – ShockWave Flash, NSV (.nsv) – Nullsoft Streaming Video, ISM/ISMV (.ism, .ismv) – Smooth Streaming.

Grabaciones de TV y videovigilancia: WTV (.wtv) – Windows Television, TY (.ty) – TiVo, DAV (.dav) – CCTV DVR, EVO (.evo) – HD-DVD.

Archivo y legado: RM/RMVB (.rm, .rmvb) – RealMedia, NUT (.nut), NUV (.nuv) – NuppelVideo, DivX (.divx), FLC/FLI (.flc, .fli) – Autodesk Animator, PSP (.psp), CDXL (.cdxl) – Amiga CDXL.

Videojuegos y multimedia: BIK (.bik) – Bink Video, SMK (.smk) – Smacker, ROQ (.roq) – id Software, THP (.thp) – Nintendo, VMD (.vmd) – Sierra, VIV (.viv) – Vividas, XMV (.xmv) – Microsoft XMV, PMP (.pmp) – PSP Media, CPK (.cpk) – Sega FILM, RL2 (.rl2), RPL (.rpl), MTV (.mtv), PDV (.pdv) – PlayDate, IV8 (.iv8) – IndigoVision, BMV (.bmv) – Discworld, TMV (.tmv), YOP (.yop) – Psygnosis, WC3 (.wc3) – Wing Commander.

Así funciona la conversión automática

Todo el proceso de conversión se ejecuta de forma totalmente automática en el servidor. Con independencia del formato de origen, cada archivo se procesa en tres pasos: extracción de la pista de audio, conversión a WAV mono de 16 kHz para el reconocimiento por IA y, a continuación, transcripción con nuestro modelo de lenguaje SX-3.

El desarrollo técnico:

• 1. Subida: su archivo se cifra en el navegador y se sube en su formato original.
• 2. Extracción: nuestro motor de conversión extrae la pista de audio. En los archivos de solo audio se omite este paso. En los vídeos solo se usa el sonido – el material de imagen no se guarda.
• 3. Normalización: el audio se convierte a un formato WAV estandarizado: frecuencia de muestreo de 16 kHz, PCM de 16 bits, mono. Estos parámetros son óptimos para nuestro modelo de reconocimiento de voz SX-3.
• 4. Transcripción: el audio normalizado lo procesa SX-3. En paralelo se realiza el diarización de hablantes, que distingue las distintas voces.
• 5. Versión de reproducción: además se crea una versión MP3 comprimida para la reproducción en el navegador, de modo que pueda escuchar el audio directamente durante la corrección.

Consejos para una calidad de transcripción óptima

scryp acepta casi cualquier formato – pero la calidad del resultado depende en gran medida de la calidad de la grabación. Algunas recomendaciones:

• Prefiera formatos sin comprimir: WAV y FLAC ofrecen los mejores resultados, porque ningún artefacto de compresión perturba el reconocimiento de voz. Si el espacio de almacenamiento no es un problema, grabe en WAV.
• Tasa de bits alta en formatos comprimidos: en MP3 la tasa de bits debería ser de al menos 128 kbps, mejor 192 o 256 kbps. Los archivos MP3 con 64 kbps o menos pueden empeorar notablemente la precisión del reconocimiento.
• Suba los vídeos directamente: no tiene que extraer la pista de audio manualmente. Suba el archivo de vídeo directamente – scryp se encarga de la extracción de forma automática. Eso ahorra un paso de trabajo y evita pérdidas de calidad por una doble conversión.
• Los formatos envolventes funcionan: los formatos multicanal como AC3 (Dolby Digital) y DTS se mezclan automáticamente a mono. No tiene que convertir el sonido manualmente.
• Tenga en cuenta el entorno de grabación: con independencia del formato: una sala tranquila y un buen micrófono influyen más en la precisión de la transcripción que la elección entre MP3 y WAV.

Preguntas frecuentes

¿Tengo que convertir mis archivos de antemano? No. Suba el archivo en su formato original. La conversión ocurre automáticamente en el servidor.

¿Qué pasa si mi formato no está en la lista? Pruébelo sin más. scryp acepta cualquier archivo con un tipo MIME de audio o vídeo. Los formatos enumerados aquí son los más habituales – en la práctica, nuestro motor procesa bastantes más.

¿Funcionan también los archivos de vídeo muy grandes? Sí. Según el plan de suscripción se pueden subir archivos de hasta 1 GB (Nano), 5 GB (Pro) o 10 GB (Ultra). En los archivos grandes se utiliza una subida por partes (multipart), que funciona de forma fiable incluso con una conexión inestable.

¿Qué ocurre con las pistas de audio en idiomas extranjeros? El formato de archivo es independiente del idioma. scryp reconoce automáticamente más de 90 idiomas. Si quiere acelerar el reconocimiento, puede indicar una sugerencia de idioma al subir el archivo.

¿Se eliminan mis archivos después de la transcripción? Sí. Los archivos originales cifrados se eliminan automáticamente tras el procesamiento. En el servidor solo permanece una versión de reproducción cifrada (MP3) y la transcripción cifrada.

Conclusión

scryp es compatible con más de 100 formatos de audio y vídeo – desde estándares cotidianos como MP3 y MP4, pasando por formatos envolventes profesionales como AC3 y DTS, hasta formatos de archivo especializados como VOB, MXF o MTS. Nuestro motor de conversión se ocupa de los códecs y la compatibilidad de formatos. Simplemente suba su archivo en el formato original y el resto ocurre automáticamente. Para la mejor calidad de transcripción posible se recomienda un formato sin comprimir o de alta tasa de bits y – más importante aún – un buen entorno de grabación.