Speech to Text
Speech to Text convierte en texto lo que se dice en un archivo de audio o de vídeo usando el servicio de transcripción de OpenAI. Si recibe un vídeo, extrae primero su sonido. Las grabaciones largas se dividen en fragmentos, se transcriben uno tras otro y el texto se devuelve completo.
Es un componente antiguo. Para flujos nuevos, usa OpenAI Whisper, que además permite indicar el idioma y transcribir varios archivos a la vez.
Cuándo usarlo
- Pasar a texto la grabación de una reunión o de un webinar para resumirla después.
- Transcribir el audio de un vídeo de formación.
- Obtener el texto de una entrevista para analizarlo con un agente.
Configuración
Necesitas una credencial OpenAI API con la clave de tu cuenta de OpenAI. Consulta Credenciales.
| Campo | Qué hace |
|---|---|
| Credential (obligatorio) | La credencial OpenAI API. El audio se envía a OpenAI para transcribirlo. |
| Input Audio o Video | El archivo de audio o de vídeo que quieres transcribir. Conéctalo al componente que trae el archivo. |
Resultado
La salida Output devuelve el texto transcrito, listo para pasarlo a un agente, a un resumen o a un componente que lo guarde.
Ejemplo
Una academia graba sus clases en vídeo y quiere un resumen escrito de cada una.
- Conecta el vídeo de la clase a Input Audio o Video de Speech to Text.
- Elige la credencial de OpenAI.
- Conecta Output a un agente que redacte un resumen con los puntos principales de la clase.
Buenas prácticas
- Cada transcripción consume uso de tu cuenta de OpenAI: cuanto más larga la grabación, más consume.
- Si necesitas indicar el idioma del audio o transcribir varios archivos, usa OpenAI Whisper.
Componentes relacionados
- OpenAI Whisper: transcripción con OpenAI, con idioma y varios archivos.
- AssemblyAI: transcripción con AssemblyAI.