Añade un vídeo. Elige a quien habla. Lee.
LipScribe encuentra las caras de tu vídeo, sigue la boca de quien habla y le lee los labios con un modelo de IA que funciona íntegramente en tu navegador. Obtienes una transcripción con tiempos en la que cada palabra indica su probabilidad de ser correcta.
Tu vídeo, tal cual
MP4, MOV o WebM desde el móvil o el ordenador: uno o varios clips. Se abre en la pestaña del navegador; no se envía nada a ningún sitio.
Elige a quién leer los labios
Las caras se detectan y se siguen a lo largo del clip automáticamente. Si hay varias personas, toca la que quieras; la app muestra exactamente qué boca está leyendo.
Una transcripción que puedes revisar
Frases con tiempos y cada palabra coloreada según su probabilidad de acierto. Toca una palabra para ver qué otra podría ser. Exporta subtítulos TXT, SRT o VTT, o un JSON con todas las alternativas.
Solo los labios, o labios y sonido a la vez
Por defecto, LipScribe solo lee los labios. Es lo que necesitas con un clip silenciado o cuando el sonido es demasiado malo para aprovecharlo.
Con vídeos que tienen sonido, marca Escuchar también el sonido. Entonces un modelo más grande lee a la vez los labios y la voz: acierta casi 9 de cada 10 palabras, frente a unas 2 de cada 3 solo con los labios. En inglés, como mira la boca, se queda con la persona que aparece en pantalla aunque otra hable por encima. El modelo en español aguanta el ruido de gente o de la calle, pero no otra voz tan fuerte como la de quien habla: entonces puede escribir en su lugar lo que dice esa otra voz. Cuando la voz se oye bien y no habla nadie más, un programa normal de voz a texto lo hace igual de bien.
Cuéntale lo que tú sabes
Nombres y palabras del tema. Antes de leer, escribe los nombres y las palabras poco comunes que esperas (el nombre de quien habla, un lugar, el tema) en Nombres y palabras del tema. Donde los labios encajan con una de ellas, la lectura se inclina hacia ella. En nuestras pruebas, los nombres y las palabras poco comunes que se escribieron y sí se dijeron se leyeron mal un 20–25% menos, y las palabras escritas que no se dijeron aparecieron en menos de 1 de cada 100 ocasiones.
Corrige una palabra. Toca una palabra equivocada y elige una de sus alternativas o escribe la correcta. LipScribe vuelve a leer la frase con tu palabra en su sitio, de modo que las palabras de al lado pueden cambiar para encajar; el resto de la frase se queda como estaba. Tu palabra aparece subrayada en verde, las que cambiaron se resaltan y todas las exportaciones conservan tus correcciones. En nuestras pruebas, cada corrección arregló además unas 0,3 palabras más de media y estropeó unas 0,15, así que revisa las palabras resaltadas.
Busca una palabra en los labios
Cuando un vídeo ya está leído, escribe una palabra o un nombre en Buscar en los labios. LipScribe busca en cada frase el tramo en que la boca mejor encaja con esa palabra, a partir de lo que el modelo ya vio (no se vuelve a leer nada), así que puede encontrar una palabra incluso donde la transcripción escribió otra cosa. Las coincidencias aparecen con su momento, la mejor primero; toca una para reproducir el vídeo desde ahí.
Cada coincidencia tiene una puntuación: cuánto encaja la boca con la palabra (0 es el mejor encaje). Las coincidencias probables superan una línea fijada en nuestras pruebas para que 9 de cada 10 fueran la palabra; las más débiles, por debajo, lo fueron menos de la mitad de las veces. Con palabras poco comunes y nombres que la transcripción solo escribió un 9% de las veces en español (un 4% en inglés), la búsqueda encontró como probables el 57% en español y el 37% en inglés, y unas 7 y 6 de cada 10 contando las más débiles. Una coincidencia nunca prueba que alguien dijera una palabra, y que no haya ninguna no prueba que no la dijera: en un vídeo largo, cuenta con alguna coincidencia probable donde la palabra no se dijo. Con Escuchar también el sonido la búsqueda no aparece: sus puntuaciones se midieron con los modelos de solo labios, y con el sonido la propia transcripción es mucho más fiable.
Un modelo por idioma, que se descarga una sola vez
Cada idioma hablado tiene su propio modelo: inglés 264 MB, español (beta) 169 MB y, para labios + sonido, 286 MB en inglés y 298 MB en español. Tu navegador descarga un modelo la primera vez que lo usas y lo guarda en caché, así que a partir de ahí LipScribe arranca enseguida y funciona sin conexión. Elige el idioma hablado en la app antes de leer; es independiente del idioma de la interfaz.
Todo se ejecuta en tu propio procesador. En la CPU de un portátil, un clip de un minuto tarda unos 40 segundos en leerse; los móviles y los ordenadores antiguos tardan varias veces más.