Cómo convertir AVI a texto: transcribir archivos de vídeo antiguos

Respuesta rápida

Sube tu archivo AVI directamente a una herramienta de transcripción. La mayoría de las herramientas modernas manejan AVI sin ninguna conversión previa. Recodificar solo es necesario en tres casos: tu herramienta rechaza el archivo con un error de códec, el audio es MP3 VBR (un problema de intercalado conocido en archivos de la era DivX) o el archivo supera los 2 GB y es anterior a la extensión OpenDML.

Qué es AVI en realidad (y por qué sigue importando)

AVI son las siglas de Audio Video Interleave (entrelazado de audio y vídeo). Microsoft lo presentó en noviembre de 1992 como parte de Video for Windows. El formato dominó desde finales de los años noventa hasta mediados de la década de 2000, y luego fue desplazado por MP4 cuando H.264 se convirtió en el códec estándar.

AVI es un contenedor, no un códec. Esa distinción es lo más importante que debes entender al solucionar problemas de transcripción. El envoltorio AVI puede alojar casi cualquier combinación imaginable de códecs de audio y vídeo, y el códec de audio que contiene es lo que determina si la transcripción funciona sin problemas o requiere una solución alternativa.

Hoy en día es raro encontrar archivos AVI nuevos, pero los archivados son comunes. Probablemente tengas archivos AVI de alguna de estas fuentes:

• Videocámaras antiguas de 1995 a 2010 (mini-DV, Hi8, videocámara DVD)
• Sistemas de cámaras de vigilancia (CCTV) y seguridad, especialmente unidades DVR anteriores a 2015
• Capturas de cintas VHS o DV realizadas a principios de los años 2000
• Grabaciones de televisión con tarjetas capturadoras PCI (ATI All-in-Wonder, Hauppauge WinTV)
• Bibliotecas de formación corporativa heredadas de archivos CD-ROM

El problema del códec dentro del contenedor

Ejecuta ffprobe yourfile.avi y mira la línea del flujo de audio antes de subir nada. Lo que encuentres ahí determina si funciona una subida directa o si necesitas preprocesar el archivo.

El códec de vídeo (DivX 3, XviD, MPEG-4 ASP, Microsoft RLE) casi nunca es el problema, porque las herramientas de transcripción descartan la pista de vídeo de inmediato. Si una herramienta informa de un error de códec, lo más probable es que la causa sea el flujo de audio.

Cuándo recodificar primero (y cuándo no)

No necesitas recodificar cuando: el audio es PCM, AC3 o MP3 CBR; el archivo se reproduce con audio en VLC; el archivo pesa menos de 4 GB.

Deberías extraer el audio primero cuando:

1. El archivo es grande y quieres una subida más rápida. Un DV AVI de 2 horas a 13 GB/hora se convierte en un MP3 de 30-100 MB tras extraer el audio. Es una diferencia considerable en el tiempo de subida.
2. ffprobe muestra audio MP3 VBR. Extrae el audio y recodifícalo a CBR para evitar la desincronización.
3. Tu herramienta devuelve un error de «formato no compatible» o de «no se detectó audio».

Extrae el audio con un solo comando de ffmpeg:

ffmpeg -i in.avi -vn -c:a libmp3lame -b:a 192k out.mp3

La opción -vn descarta el flujo de vídeo. La salida es un MP3 CBR de 192 kbps. La mayoría de los motores de transcripción lo aceptan sin problema.

Para una salida optimizada para transcripción, ve directo a un WAV mono de 16 kHz (el formato de entrada que todos los motores de reconocimiento de voz manejan de forma nativa):

ffmpeg -i in.avi -vn -acodec pcm_s16le -ac 1 -ar 16000 out.wav

El límite de 2 GB y OpenDML

La especificación original de AVI limita el tamaño del archivo a 2 GB porque el campo de tamaño de bloque RIFF es un entero de 32 bits. Si tienes un archivo antiguo de videocámara DVD o una grabación temprana de tarjeta capturadora anterior al año 2000, los archivos pueden detenerse a mitad de la grabación en el límite de 2 GB.

OpenDML (también llamado AVI 2.0) resuelve esto encadenando varias secciones RIFF de 2 GB. Los archivos creados a partir de aproximadamente 1997 con VirtualDub o software compatible usan OpenDML y pueden alcanzar cualquier tamaño. Los archivos de hardware doméstico más antiguo pueden truncarse sin aviso.

Si tu AVI se corta de forma inesperada y la grabación original era más larga, busca un archivo complementario (convenciones de nomenclatura tipo file.avi, file.000, file.001 de algunas videocámaras) o comprueba si la grabación se dividió por el muro de los 2 GB.

Paso a paso: subir un AVI para transcribirlo

Paso 1: Comprueba que el archivo se reproduce con audio

Ábrelo en VLC. Si se reproduce el audio, la pista está intacta. Si se reproduce el vídeo pero el audio está en silencio, ejecuta ffprobe in.avi y comprueba si aparece listado un flujo de audio. Si no aparece ningún flujo de audio, el archivo no tiene audio que transcribir.

Los AVI antiguos a veces muestran desincronización de audio/vídeo en VLC. Es un problema del índice de reproducción, no del audio. La transcripción lee la pista de audio en bruto y no se ve afectada.

Paso 2: Comprueba si hay audio MP3 VBR

ffprobe in.avi mostrará una línea como Audio: mp3, 44100 Hz, stereo, .... Si el flujo dice «mp3» y el archivo es de 2002 a 2008, hay muchas probabilidades de que use codificación VBR. Ante la duda, convierte previamente a MP3 CBR antes de subirlo, como se mostró arriba.

Paso 3: Sube directamente o mediante extracción de audio

Arrastra el archivo a una herramienta de vídeo a texto. La mayoría de las herramientas modernas aceptan AVI de forma nativa. Si extrajiste el audio a MP3 o WAV, sube ese archivo en su lugar.

Paso 4: Establece el idioma manualmente

La detección automática funciona bien con audio moderno y limpio, pero puede fallar con grabaciones AVI degradadas con siseo de cinta, ruido de fondo o mala calidad de micrófono. Si conoces el idioma, selecciónalo explícitamente. Esto importa especialmente para contenido de archivo que no esté en inglés.

Paso 5: Revisa teniendo en cuenta las limitaciones del audio antiguo

Un AVI de 60 minutos tarda unos 4-8 minutos en transcribirse. Las grabaciones antiguas tienen techos de precisión predecibles:

• Narración grabada en estudio dentro de un AVI: 95-98 %
• Audio de videocámara mini-DV (micrófono decente, poco ruido): 90-95 %
• Audio de videocámara amateur (eco de sala, micrófono deficiente): 80-90 %
• Audio procedente de VHS (siseo de cinta, ancho de banda de 7-10 kHz): 75-88 %
• Audio de CCTV (micrófono barato, compresión AC3, ruido ambiental): 70-85 %

Dedica tiempo de revisión a los nombres propios, los términos técnicos propios de la época y cualquier segmento donde el siseo de la cinta alcance su punto máximo. El modelo a veces inserta palabras fantasma donde domina el ruido.

Escenarios de AVI y qué esperar

Capturas de videocámaras mini-DV y Hi8

Videocámaras como la Canon GL2 grababan en cinta mini-DV y transferían al ordenador vía FireWire (IEEE 1394) como archivos DV-AVI en bruto. El DV-AVI contiene audio PCM a 48 kHz y 16 bits. Es audio de alta calidad. El vídeo está comprimido en DV, pero la extracción de audio para transcripción es sin pérdidas y rápida.

Los micrófonos montados en la videocámara de esa época captaban ruido de manipulación y reverberación de la sala, pero tenían una claridad de voz decente a distancia de conversación. Las entrevistas familiares transcritas desde AVI mini-DV suelen situarse en el rango de precisión del 88-94 %. Para ese caso de uso, consulta cómo transcribir una grabación de entrevista para obtener consejos de revisión.

Contenido descargado o ripeado de la era DivX

Entre aproximadamente 2001 y 2007, AVI fue el formato dominante para el vídeo compartido en línea y para los ripeos de DVD. Estos archivos usaban DivX o XviD para el vídeo y MP3 (a menudo VBR) para el audio. El audio suele estar lo bastante limpio para transcribirse con una precisión del 90-95 %. El principal riesgo es la desincronización del MP3 VBR, tratada anteriormente.

Códigos FOURCC habituales en esta época: DIVX, XVID, DX50, MP43. Si ffprobe muestra uno de estos como códec de vídeo y el audio es mp3, asume que es VBR y convierte previamente.

Grabaciones de CCTV y DVR

Los DVR de seguridad de antes de aproximadamente 2012 suelen generar AVI con audio AC3 de baja tasa de bits (64-128 kbps, mono). Los micrófonos de estos sistemas eran baratos y estaban posicionados para cubrir el área, no para la claridad de la voz. Espera como máximo una precisión del 70-85 % y trata la transcripción como un registro aproximado, no como un documento autorizado.

Algunos sistemas de CCTV escriben un índice AVI válido con una cabecera de flujo de audio, pero lo rellenan con silencio. VLC reproduce el vídeo y muestra una pista de audio sin errores. La extracción con ffmpeg produce un MP3 en silencio. Si te encuentras con esto, no hay datos de audio recuperables; el sistema solo estaba grabando vídeo.

Formación corporativa desde CD-ROM

El contenido educativo y de formación corporativa de 2000 a 2010 se distribuía frecuentemente como archivos AVI en CD-ROM. Se producían con narración de estudio, micrófonos de condensador y edición. Incluso comprimidos dentro de un AVI antiguo con MPEG-4 ASP o Indeo, el audio suele estar limpio. Espera una precisión del 94-98 % en narración profesional. Este es el escenario AVI donde la transcripción aporta más valor con el menor esfuerzo de limpieza.

Problemas específicos del formato

Doble pista de audio

Las videocámaras mini-DV a veces grababan dos canales como dos pistas mono separadas en lugar de estéreo real. La herramienta de transcripción puede elegir la equivocada. Si la transcripción parece incompleta o el equilibrio de canales suena raro, extrae e inspecciona cada pista:

ffmpeg -i in.avi -map 0:a:0 -c:a copy track0.mp3
ffmpeg -i in.avi -map 0:a:1 -c:a copy track1.mp3

Sube la que tenga el audio más limpio.

Flujos dañados o fragmentados

Los archivos AVI antiguos que se escribieron parcialmente (corte de energía, fallo de cinta, cierre inesperado del programa) a veces tienen un índice roto. El archivo se reproduce en VLC (que tolera índices defectuosos), pero otras herramientas fallan. Reconstruye el contenedor:

ffmpeg -i broken.avi -err_detect ignore_err -c copy fixed.avi

Esto reescribe el índice sin recodificar nada. La tasa de éxito es alta en casos de corrupción leve.

El problema del flujo de audio silencioso

Si tu herramienta devuelve «no se detectó audio» pero VLC reproduce audio, fuerza el mapeo de audio explícitamente:

ffmpeg -i in.avi -map 0:a -c:a libmp3lame -b:a 192k probe.mp3

Si la salida está en silencio, el flujo es un marcador de posición con solo cabecera y sin datos. Si tiene audio, la herramienta no lograba localizar el flujo y puedes subir probe.mp3 directamente.

Una nota sobre la calidad del audio frente a la elección del códec

El techo de calidad de audio para la transcripción se fija en el momento de la grabación, no durante la compresión. Un AVI con audio PCM grabado con el micrófono integrado de una videocámara en una habitación ruidosa no se transcribirá tan bien como un AVI con audio MP3 de 128 kbps de una narración de estudio, aunque el PCM sea técnicamente «sin pérdidas».

Para los formatos de audio compatibles y sus compromisos de calidad, la elección del códec importa menos que la relación señal-ruido, la calidad del micrófono y la claridad del hablante. El AVI procedente de VHS está limitado a un ancho de banda aproximado de 7-10 kHz por el medio de grabación original. Ningún posprocesamiento recupera el detalle del habla que nunca se capturó.

Si tienes grabaciones de archivo que valga la pena conservar y la calidad del audio es pobre, un filtro paso alto ligero que corte por debajo de 80 Hz reduce el retumbo de climatización y mecánico sin dañar la voz. Mantén la reducción de ruido conservadora: el siseo de cinta es ruido de banda ancha que los modelos de habla manejan sorprendentemente bien, pero una eliminación de ruido agresiva elimina detalle del habla junto con el ruido.

Para profundizar en WAV frente a MP3 en la calidad de transcripción, la diferencia práctica entre los formatos extraídos es menor de lo que la mayoría espera cuando el audio de origen ya está degradado.

Si solo necesitas una transcripción limpia de un archivo AVI sin configuraciones complicadas, ConvertAudioToText acepta AVI directamente con un plan gratuito para clips cortos. Los archivos de mayor volumen requieren un plan de pago.

Preguntas frecuentes

¿Se pueden transcribir con precisión los archivos AVI antiguos?

Sí, pero la precisión depende de la calidad de la grabación original, no del contenedor. La narración grabada en estudio dentro de un AVI se transcribe con un 95-98 % de precisión. El audio de videocámaras antiguas en habitaciones ruidosas se sitúa entre el 80 y el 90 %. El audio procedente de VHS con siseo de cinta queda en el extremo inferior de ese rango. El contenedor AVI en sí no degrada la precisión.

¿Vale la pena convertir AVI a MP4 antes de transcribir?

Normalmente no. Lo que se transcribe es el audio dentro del contenedor, y volver a empaquetar en MP4 no cambia el audio. La excepción es cuando tu herramienta de transcripción rechaza el AVI directamente (a menudo por el audio MP3 VBR o un código FOURCC no reconocido). En ese caso, extraer el audio con ffmpeg directamente es más rápido que una conversión completa del contenedor.

¿Qué debo hacer si la herramienta de transcripción dice «códec no compatible»?

El códec de vídeo (DivX, XviD, Microsoft RLE) rara vez es el problema, porque la mayoría de las herramientas descartan la pista de vídeo de todos modos. El culpable suele ser un códec de audio no estándar o un audio MP3 VBR. Ejecuta: ffmpeg -i in.avi -vn -c:a libmp3lame -b:a 192k out.mp3 para extraer el audio a un MP3 CBR limpio y sube ese archivo.

Mi AVI se reproduce bien en VLC pero no tiene audio en el resultado de la transcripción. ¿Por qué?

Algunos sistemas CCTV y herramientas de codificación antiguas escriben una cabecera de flujo de audio en el índice del AVI pero la rellenan con silencio o sin datos. El decodificador de audio de VLC a veces sintetiza un flujo ficticio en lugar de dar un error. Confirma que hay datos de audio reales con: ffmpeg -i in.avi -map 0:a -c:a libmp3lame -b:a 192k probe.mp3. Si probe.mp3 está en silencio, no hay audio que transcribir.

Fuentes

• Audio Video Interleave - Wikipedia
• AVI (Audio Video Interleaved) File Format - Library of Congress
• AVI File Format with OpenDML Extensions - Library of Congress
• AVI RIFF File Reference - Microsoft Learn
• VBR MP3 in AVI: Variable bitrate (VBR) audio detected - VideoHelp Forum
• AVI Timing and Audio Sync - VirtualDub Blog
• The 2 and 4 Gigabyte Issue with AVI Files - AVI-IO
• The CCTV File Format Minefield - Kinesense
• Whisper Audio Requirements - SayToWords
• How to Repair Corrupt Video Files using FFmpeg - Stellar