Transcripción de TikTok — Pega un video y obtén el texto

Pega cualquier enlace de video de TikTok —videos cortos, publicaciones largas o Stories— y obtén una transcripción literal en el idioma hablado, un resumen en tu idioma y un archivo descargable. Sin menús de configuración, sin sacrificar el idioma original y sin tener que descifrar ni copiar manualmente los subtítulos automáticos de TikTok.

Esta Skill convierte el audio de TikTok en texto que puedes buscar, citar y traducir. Funciona con cualquier video público de TikTok, en cualquier idioma, y permite exportar texto simple, Markdown con marcas de tiempo o subtítulos SRT. El formato se selecciona automáticamente según cómo escribas la solicitud, no desde una página de ajustes.

Para quién es

• Creadores de contenido que reutilizan sus TikToks en Instagram Reels, YouTube Shorts, LinkedIn o X: extrae el guion hablado en segundos y pégalo directamente en tu flujo de publicación multiplataforma
• Responsables de redes sociales que localizan campañas de TikTok para mercados internacionales: las transcripciones literales conservan exactamente lo dicho y quedan listas para una traducción precisa por personas o LLM
• Marketers e investigadores de la competencia que analizan TikToks virales, cuentas rivales y ganchos en tendencia: lee los argumentos, estudia las aperturas y detecta patrones sin ver cientos de videos a velocidad normal
• Estrategas de marca y analistas de tendencias que investigan jerga emergente, subculturas de nicho y nuevos creadores: la transcripción muestra lo que realmente se dice en un clip de 15 segundos que pasa demasiado rápido
• Equipos de agencias que preparan briefs y guiones para creadores: analiza 50 TikToks de alto rendimiento en el tiempo que antes necesitabas para ver 5
• Estudiantes y personas que aprenden por cuenta propia que guardan TikToks educativos: lee el contenido una vez en lugar de repetir el mismo video de 60 segundos cuatro veces
• Personas que recopilan recetas y quieren extraer ingredientes, cantidades y pasos de videos de cocina: se acabó pausar, retroceder y volver a pausar para copiar medidas
• Periodistas y verificadores de datos que citan a creadores de TikTok en artículos o reportajes: la transcripción es literal y nunca se reescribe, por lo que la cita coincide con lo que realmente se dijo
• Investigadores de contenido de TikTok en estudios de medios, ciencias sociales, comunicación política o investigación de plataformas: texto exportable para NVivo, Atlas.ti y otras herramientas de análisis cualitativo
• Equipos de accesibilidad que generan archivos de subtítulos SRT para personas con discapacidad auditiva al volver a publicar TikToks en otras plataformas
• Estudiantes de idiomas que utilizan TikToks de hablantes nativos como material breve de estudio, combinando transcripciones literales con resúmenes traducidos
• Cualquier persona que vea videos sin sonido, en la oficina, en el tren o en una habitación tranquila junto a alguien que duerme

Qué problema resuelve

El valor de TikTok suele concentrarse en el audio. Un video de 30 segundos puede incluir un gancho, un planteamiento, una conclusión y una llamada a la acción, todo dicho a ritmo conversacional y con música de fondo. La plataforma está diseñada para consumir contenido, no para extraerlo. Obtener las palabras como texto utilizable es, por diseño, complicado.

TikTok ofrece subtítulos automáticos, pero son inconsistentes, poco fiables con acentos, jerga y videos con mucha música, y no pueden exportarse fácilmente sin herramientas externas o trucos del navegador. Copiar los subtítulos desde la aplicación móvil resulta frustrante y en la versión web apenas mejora. Existen herramientas de transcripción de terceros, pero muchas fallan de una de estas tres maneras:

• Traducen la transcripción cuando no deberían. Querías citar literalmente a un creador que habla español, pero la herramienta devolvió una paráfrasis en inglés. La cita original desaparece y también se pierde la forma exacta de expresarse del creador, que suele ser lo más importante en TikTok.
• Dejan el resumen en el idioma original. No lees coreano, pero el resumen también llega en coreano. Ahora necesitas una segunda herramienta para traducirlo.
• Ocultan todo detrás de un menú de configuración. Solo querías pegar un enlace y escribir una frase, pero terminas configurando claves API, rutas de salida y distintas opciones.

El problema común es que estas herramientas están optimizadas para el ingeniero que construye el flujo de trabajo, no para el creador, marketer o investigador que quiere completar una tarea en 30 segundos, aproximadamente lo mismo que dura el TikTok.

Esta Skill recibe un enlace y una frase. Devuelve el resultado adecuado.

Qué la hace diferente

1. Salida en dos idiomas de forma predeterminada.

La transcripción permanece literal en el idioma original del audio: cada cita se conserva palabra por palabra, exactamente como la dijo el creador. El resumen y los puntos clave aparecen en el idioma de tu conversación. Si un usuario angloparlante transcribe un TikTok en español, recibe una transcripción en español y un resumen en inglés. Si un usuario que escribe en mandarín transcribe un TikTok de cocina en japonés, recibe una transcripción en japonés y un resumen en mandarín. No hay ningún selector que cambiar ni parámetros de idioma que recordar. La salida bilingüe es la opción predeterminada porque eso es lo que el caso de uso necesita: una cita exacta en un idioma y una comprensión rápida en otro.

2. El formato de salida se determina por tu frase, no por un menú.

Di “dame subtítulos” → recibirás un archivo SRT listo para CapCut, Premiere, DaVinci Resolve o YouTube Studio. Di “con marcas de tiempo para encontrar el gancho” → recibirás Markdown con prefijos [MM:SS] en cada párrafo. Si no mencionas ningún formato concreto → recibirás texto simple y limpio, fácil de leer y citar. La detección de palabras clave funciona en cualquier posición y forma gramatical, en inglés, español, chino, japonés y coreano: “字幕”, “タイムスタンプ” y “자막” activan la misma ruta que sus equivalentes en inglés. No hay página de ajustes ni menú desplegable de formatos. La interfaz es la misma frase que ibas a escribir de todos modos.

3. Precisa con voz rápida, densa y acompañada de música.

El audio de TikTok es más difícil de transcribir de lo que parece. Los creadores hablan rápido, editan con cortes muy ajustados y añaden música o sonidos en tendencia a casi todo. Los transcriptores genéricos diseñados para podcasts o webinars suelen perder muchas palabras. Esta Skill está optimizada para audio social de formato corto: ritmo rápido, música de fondo, jerga, alternancia entre idiomas y la forma acelerada de hablar característica de la plataforma. El resultado refleja lo que realmente se dijo, no una versión suavizada o aproximada.

Contenido de TikTok compatible

Ejemplos

Ejemplo 1 — Republicar un TikTok viral en Reels y Shorts

Un creador acaba de publicar un TikTok que está ganando tracción y quiere subirlo a Instagram Reels y YouTube Shorts con subtítulos adecuados para los requisitos de accesibilidad de cada plataforma.

“Dame subtítulos SRT para https://www.tiktok.com/@username/video/1234567890”

Qué recibe:

• Un archivo .srt en formato SubRip estándar con códigos de tiempo correctos, listo para usar en el editor de subtítulos de Reels, el cargador de subtítulos de YouTube Studio o la pista de subtítulos de CapCut
• Un resumen breve y entre 3 y 6 puntos clave que pueden utilizarse como texto de la publicación o descripción del video en las plataformas de destino

Ejemplo 2 — Analizar el gancho de un TikTok viral

Un especialista en crecimiento estudia por qué un TikTok alcanzó 5 millones de visualizaciones y quiere registrar la frase inicial exacta y la estructura de la llamada a la acción.

“Transcribe este TikTok con marcas de tiempo y extrae los primeros 3 segundos: ese es el gancho. https://www.tiktok.com/@username/video/9876543210”

Qué recibe:

• Primero, el gancho inicial: el texto literal pronunciado durante los primeros 3 segundos, con su marca [00:00]
• Un resumen de 2–4 frases que explica la estructura del video: gancho → planteamiento → resultado → llamada a la acción
• Entre 3 y 6 puntos clave que destacan por qué funcionó el TikTok
• La transcripción completa con marcas de tiempo en Markdown, lista para pegar en un archivo de referencias o una base de datos de investigación en Notion

Ejemplo 3 — Extraer una receta de un TikTok de cocina

Una persona quiere recrear una receta de un TikTok de 60 segundos, pero el video va demasiado rápido y el texto en pantalla desaparece antes de que pueda leerlo.

“¿Qué dijeron en esta receta? https://www.tiktok.com/@chefname/video/5556667778”

Qué recibe:

• Un resumen de 2–4 frases sobre el plato y el método de preparación
• Entre 3 y 6 puntos clave con ingredientes, cantidades y pasos
• La transcripción literal completa guardada en un archivo y disponible para citar línea por línea
• Salida en texto simple, ya que la solicitud no incluye ninguna palabra clave de formato

Formatos de salida

Idiomas compatibles

El motor de transcripción admite inglés, español, portugués, francés, alemán, italiano, mandarín, cantonés, japonés, coreano, vietnamita, tailandés, indonesio, tagalo, árabe, hindi, ruso, turco y la mayoría de los principales idiomas europeos y asiáticos, incluidos los idiomas de las mayores audiencias no angloparlantes de TikTok. En TikToks multilingües, por ejemplo cuando un creador alterna entre inglés y español o utiliza jerga de otro idioma, se usa el idioma predominante como base, pero la transcripción literal conserva ambos idiomas tal como se hablaron.

No necesitas especificar el idioma. Las señales de la URL y del nombre del creador, como caracteres no latinos o indicadores regionales, ayudan a detectarlo automáticamente. Si el primer intento no devuelve contenido, la Skill vuelve a intentarlo una vez en el idioma de tu conversación. Si ambos intentos están vacíos, se te pedirá confirmación. Normalmente significa que el video es privado, tiene restricciones de edad o región, o fue eliminado, no que el idioma se haya detectado incorrectamente.

Si ya conoces el idioma del audio, puedes mencionarlo en la solicitud, por ejemplo “este TikTok en español” o “el audio está en japonés”, para omitir la detección y ahorrar unos segundos.

Precisión y resultados esperados

La transcripción es literal: se genera mediante un sistema de reconocimiento de voz y nunca se reescribe ni parafrasea. Las muletillas, repeticiones, expresiones informales y la forma condensada de hablar típica de TikTok se conservan tal como fueron pronunciadas. Esto es importante al estudiar cómo habla un creador, citar contenido en periodismo o analizar por qué funciona un gancho, porque la formulación exacta es parte esencial del contenido.

La precisión es alta cuando la voz del creador se escucha con claridad en un idioma compatible. La música de fondo con letra, varias personas hablando a la vez, una pronunciación extremadamente rápida, acentos regionales marcados y audio muy comprimido pueden reducir la precisión. Ningún sistema de IA puede recuperar por completo un audio ininteligible. Si una sección aparece confusa, normalmente significa que el audio original es difícil de escuchar, no necesariamente que el modelo haya fallado. Para trabajos importantes, como briefs de creadores, campañas de marca o periodismo, compara las citas críticas con el video original.

La Skill procesa únicamente el enlace público del video. No inicia sesión en TikTok ni accede a contenido privado.

Fuera de alcance

• Archivos de video locales — las exportaciones .mp4 de TikTok, grabaciones de pantalla y archivos guardados en el ordenador deben procesarse con la Skill relacionada audio-to-text
• TikTok Lives activos — solo funcionan las grabaciones finalizadas, y la mayoría de los Lives no se archivan públicamente
• Publicaciones solo con fotos y sin audio — los carruseles de imágenes sin voz en off ni letra no contienen nada que transcribir
• Cuentas privadas — el enlace debe ser públicamente accesible; la Skill no puede iniciar sesión en TikTok en tu nombre
• Videos eliminados o bloqueados — si el enlace no devuelve contenido, el creador puede haber eliminado el video o TikTok puede haberlo retirado
• Traducción de la propia transcripción — la transcripción permanece intencionadamente en el idioma original para conservar las citas literales; si necesitas traducirla, solicita la traducción después de recibir el texto original