Cómo convertir WEBM a texto (grabaciones del navegador) 2026

Sube el archivo WebM a una herramienta de transcripción que lo acepte de forma nativa, elige el idioma hablado y espera. Una grabación de Google Meet de 30 minutos normalmente devuelve una transcripción en 2-4 minutos. Esa es la respuesta corta. La respuesta larga explica por qué los WebM generados por MediaRecorder suelen carecer de metadatos de duración fiables, por qué eso importa al subirlos y cómo arreglarlo en segundos antes de subirlos.

De dónde viene tu WebM

WebM es el formato de contenedor abierto y libre de regalías de Google. La opción predeterminada del navegador casi siempre es WebM, lo que significa que la mayoría de los archivos WebM que encuentras no fueron creados a mano: salieron de una grabadora.

Las fuentes más habituales:

• Descargas de Google Meet. Meet guarda las grabaciones en Google Drive como archivos .webm. Cuando descargas el archivo, ese WebM llega a tu equipo.
• Grabadoras de voz del navegador y extensiones del navegador. Cualquier sitio que use la API MediaRecorder de JavaScript (herramientas de dictado, apps de notas de voz, grabadoras de entrevistas basadas en web) produce WebM por defecto en Chrome y Firefox.
• Clips de Discord. La función de clips en llamada de Discord captura el audio como WebM a través de la cadena de audio del navegador.
• Descargas «originales» de Loom. Loom transmite en MP4 para reproducir, pero la opción "Download original" te entrega WebM. El audio es idéntico; WebM suele ser más pequeño.
• Descargas de YouTube. Cuando yt-dlp busca la mejor calidad disponible, suele devolver vídeo VP9 más audio Opus en un contenedor WebM. Si solo necesitas la pista de audio, pide únicamente audio para saltarte por completo la descarga del vídeo.
• OBS configurado para grabar en WebM. Menos común que MKV o MP4, pero algunos usuarios eligen WebM para flujos de subida a la web.

Si no estás seguro de si tu archivo tiene audio, ábrelo en VLC o Firefox (ambos manejan WebM de forma nativa) y verifica que escuchas algo. Un archivo silencioso no se puede transcribir.

Qué hay realmente dentro de un archivo WebM

WebM es un perfil restringido del contenedor Matroska, que usa el formato binario EBML. A nivel de contenedor, un WebM bien formado contiene un SeekHead (un índice de desplazamientos en bytes), un bloque Info (que incluye la duración), un bloque Tracks, un bloque Cues (un índice temporal para buscar posiciones) y luego Clusters con los datos multimedia reales.

Para la transcripción, solo importa la pista de audio. En cualquier archivo WebM moderno (posterior a 2016), ese audio casi siempre es Opus. Los archivos más antiguos (aproximadamente entre 2011 y 2015) pueden usar Vorbis. Ambos se transcriben bien. Opus es el mejor códec para el habla a tasas de bits ajustadas: a 24-32 kbps, la calidad de voz de Opus es lo bastante alta como para que un modelo de IA no tenga problemas con las consonantes. Por debajo de 16 kbps, puedes ver una precisión reducida en sibilantes y fricativas (los sonidos «s», «f», «th»).

Chrome y Firefox graban fotogramas Opus de 20 ms cada uno. La tasa de bits real de codificación depende de lo que negocie el navegador, pero el audio de MediaRecorder del navegador suele estar entre 32 y 128 kbps, muy por encima del umbral donde la calidad de Opus se convierte en una preocupación.

Para inspeccionar qué hay dentro de un archivo WebM, ejecuta:

ffprobe yourfile.webm

Busca la línea codec_name bajo la sección de la pista de audio. Verás opus o vorbis.

El problema de los metadatos de duración (propio de los WebM de MediaRecorder)

Este es el problema que toma a la gente desprevenida: los archivos WebM grabados en el navegador frecuentemente no tienen una duración fiable.

Aquí está el motivo. Cuando la API MediaRecorder graba por fragmentos (algo que debe hacer para cualquier cosa de más de unos segundos, mediante llamadas a requestData() o la opción timeslice), el navegador añade cada fragmento al archivo. Pero el elemento Info/Duration y el índice Cues, que permiten a un reproductor conocer la duración total y buscar posiciones eficientemente, pertenecen cerca del principio del archivo, y el navegador no conoce la duración total hasta que se detiene la grabación.

El resultado: muchos archivos WebM de MediaRecorder carecen por completo del elemento Info/Duration, o muestran Infinity como duración. El índice Cues también suele estar ausente. El archivo se reproduce bien porque los reproductores pueden escanear los Clusters para averiguar qué hay, pero no pueden saltar a un punto del archivo sin leer antes todo lo anterior a ese punto.

Por qué esto importa al subir archivos para transcribir: algunas herramientas examinan la duración para estimar el consumo de cuota, muestran una barra de progreso basada en la longitud del archivo o verifican la coherencia de las cabeceras del archivo antes de procesarlo. Un archivo que reporta Infinity o 0 segundos puede provocar un rechazo o bloquear un indicador de progreso incluso cuando los datos de audio están perfectamente intactos.

La solución es un remux: copiar todas las pistas a un nuevo contenedor con los metadatos correctos escritos al principio. Sin recodificar, sin pérdida de calidad:

ffmpeg -i in.webm -c copy -cues_to_front 1 out.webm

La bandera -cues_to_front 1 le indica a ffmpeg que escriba el índice Cues antes de los clusters multimedia, lo que también da a los reproductores la información que necesitan para determinar la duración y buscar posiciones. Esto normalmente tarda unos segundos incluso en un archivo de una hora.

Si no tienes ffmpeg, la librería JavaScript fix-webm-duration resuelve el mismo problema en el lado del cliente añadiendo la sección de metadatos faltante al blob del archivo (consulta Fuentes para el enlace).

Nota: si tu WebM proviene de una descarga (Google Meet, Loom, YouTube) y no directamente de MediaRecorder, probablemente fue multiplexado por un codificador del lado del servidor que escribe los metadatos correctamente. Los problemas de duración son específicos de la salida de MediaRecorder dentro del navegador.

WebM frente a formatos hermanos de un vistazo

Para las ventajas y desventajas de otros contenedores, las guías sobre cómo convertir MKV a texto y cómo convertir MP4 a texto cubren situaciones similares. Para una visión más amplia de qué formatos importan en los flujos de transcripción, consulta formatos de audio compatibles para transcripción.

Subir y transcribir WebM

Paso 1: Comprobar que hay audio

Ábrelo en VLC o Firefox y confirma que escuchas algo. Si la grabación está en silencio, el permiso del micrófono fue denegado al momento de grabar. Vuelve a grabar con el permiso concedido.

Paso 2: Corregir los metadatos de duración si el archivo viene de MediaRecorder

Si el archivo vino de una grabadora del navegador (no de una descarga), ejecuta el remux de arriba. Toma segundos y evita posibles rechazos al subirlo.

Si el archivo es grande porque contiene una pista de vídeo de alta resolución junto al audio, elimina el vídeo antes de subirlo:

ffmpeg -i in.webm -vn -c:a copy audio.webm

Una reunión de una hora en WebM a 1080p puede pesar 1,5 GB. Solo el audio pesa entre 20 y 40 MB. El tiempo de subida baja considerablemente.

Paso 3: Subir el archivo

ConvertAudioToText acepta WebM con audio Opus o Vorbis de forma nativa, sin conversión previa. Si solo necesitas una transcripción limpia sin que un bot de reuniones se una a tus llamadas, sube el WebM directamente.

Si alguna herramienta rechaza WebM, la alternativa es:

ffmpeg -i video.webm -vn -c:a libmp3lame -b:a 192k audio.mp3

Esto extrae el audio y lo convierte a MP3 en una sola pasada.

Paso 4: Configurar el idioma

Especifica explícitamente el idioma hablado en lugar de depender de la detección automática. La selección explícita mejora consistentemente la precisión en clips cortos y en cualquier grabación con ruido de fondo o acentos.

Paso 5: Revisar y exportar

El WebM grabado en el navegador suele contener material técnico: grabaciones de pantalla, demostraciones paso a paso, explicaciones de tipo tutorial. Presta mucha atención a los nombres de productos, números de versión, sintaxis de línea de comandos y URL al revisar. Exporta en texto plano para documentación, o en SRT/VTT si piensas volver a añadir subtítulos al vídeo.

Notas específicas por fuente

Descargas de Google Meet

Las grabaciones de Meet se descargan de Google Drive como .webm. Están multiplexadas en servidor, así que los metadatos de duración están presentes y son fiables. No hace falta remux. La calidad del audio depende del códec negociado durante la llamada, pero suele ser suficiente para transcribir.

Loom

La opción "Download original" de Loom entrega WebM; la descarga estándar entrega MP4. Ambos contienen el mismo audio. El WebM suele ser más pequeño. Si vas a subir el archivo solo para transcribir, cualquiera de los dos sirve. Para grabaciones largas de Loom, el generador de transcripciones de YouTube /tools/youtube-transcript-generator puede obtener una transcripción directamente desde una URL de compartir de Loom sin descargar nada.

Grabadoras de voz del navegador

Las grabaciones de apps basadas en getUserMedia (herramientas de dictado, plataformas de entrevistas, extensiones de notas de voz) son salida de MediaRecorder y, por tanto, las más propensas a tener metadatos de duración faltantes. Aplica el paso de remux si tienes problemas.

Descargas WebM de YouTube

Cuando yt-dlp busca el mejor formato, es común obtener VP9+Opus en un contenedor WebM. La calidad de audio de YouTube es Opus a 128 kbps (mayor para cuentas Premium). Para transcribir contenido de YouTube, el generador de transcripciones de YouTube lo resuelve sin paso de descarga.

Problemas comunes

La herramienta reporta «formato no compatible» para WebM. Convierte a MP3 con ffmpeg (comando en el Paso 3) o cambia a una herramienta que maneje WebM de forma nativa.

La duración aparece como 0 o Infinity. Problema de metadatos faltantes de MediaRecorder. Haz remux con -cues_to_front 1. Consulta la sección de arriba.

Error de tasa de fotogramas variable de VP9 en algunas herramientas. Algunas herramientas fallan con la tasa de fotogramas variable de VP9 durante la pasada de decodificación de vídeo, incluso cuando solo necesitan el audio. Elimina primero el vídeo (ffmpeg -i in.webm -vn -c:a copy audio.webm) y luego sube el archivo de solo audio.

Tasa de bits de Opus baja que da malos resultados. Si la grabación original usó una tasa de bits muy baja (menos de 16 kbps), el emborronamiento de las consonantes queda integrado en el archivo y ningún postprocesado lo recupera. Pide a la grabadora que use una tasa de bits mayor la próxima vez. Para los archivos existentes, acepta una precisión ligeramente reducida en las consonantes difíciles.

Para entender cómo se compara el precio por minuto con las suscripciones de tarifa plana cuando tienes un lote de archivos WebM que procesar, consulta modelos de precios de transcripción explicados. Si estás trabajando con un gran volumen de grabaciones de reuniones, la herramienta de transcripción de reuniones admite subidas por lotes.

Preguntas frecuentes

¿Es mejor el audio WebM que el audio MP4 para transcribir?

Si ambos usan Opus, la calidad es funcionalmente idéntica. Opus es más eficiente que AAC: un archivo Opus a 64 kbps suele igualar o superar a un archivo AAC a 96 kbps en inteligibilidad del habla. El contenedor (WebM frente a MP4) no afecta la precisión de la transcripción, sino el códec de audio y la tasa de bits.

¿Puedo transcribir un archivo WebM gratis?

Sí. El plan gratuito de ConvertAudioToText acepta archivos WebM y te regala 10 minutos de transcripción, otorgados una sola vez al registrarte y no cada mes. Las grabaciones de voz del navegador y los clips cortos de Google Meet suelen caber con holgura. Para archivos más largos, el plan Pro cuesta $9.99/mes con transcripción ilimitada.

¿Por qué mi archivo WebM muestra una duración incorrecta o ninguna duración?

Los archivos WebM generados por MediaRecorder suelen omitir el elemento Info/Duration y el índice Cues. El archivo es válido, se reproduce bien, pero la duración reportada no es fiable hasta que se analiza todo el archivo. Ejecuta ffmpeg -i in.webm -c copy -cues_to_front 1 out.webm para hacer un remux y añadir los metadatos adecuados sin recodificar.

¿Qué pasa si mi WebM no tiene pista de audio?

Si el permiso del micrófono fue denegado al momento de grabar, la pista de audio está vacía o ausente. No hay nada que transcribir. Vuelve a grabar con el acceso al micrófono concedido. En Chrome, el indicador de permiso del micrófono aparece en la barra de direcciones durante la grabación.

Fuentes

• Duración en vídeos WebM producidos por Chrome, Addpipe, análisis de los metadatos de duración de MediaRecorder
• API MediaRecorder, MDN Web Docs, códecs predeterminados del navegador y comportamiento de grabación por fragmentos
• Grabación de medios compatibles entre navegadores, duración de fotogramas Opus, tasas de bits predeterminadas en distintos navegadores
• fix-webm-duration, GitHub, librería del lado del cliente para metadatos faltantes
• Guías del contenedor WebM, WebMProject, especificación de los elementos SeekHead/Cues/Duration
• Ayuda sobre grabaciones de Google Meet, formato de grabación de Google Meet y almacenamiento en Drive
• Precios de ConvertAudioToText, plan gratuito (10 minutos una vez al registrarse), Pro ($9.99/mes), Business ($47.99/mes anual)
• Precios de Otter.ai, gratis 300 min/mes, Pro $16.99/mes, Business $30/usuario/mes (verificado en julio de 2026)