Escriba
Instalar desde la Chrome Web Store · Web · English website · Descargar el zip
Extensión de Chrome (Manifest V3) que graba reuniones y las transcribe con IA. Sin servidor, sin cuenta y sin suscripción: cada usuario pone su propia clave de API (BYOK) y el audio va de su navegador al modelo, sin intermediarios. Y sin clave también graba: guarda el audio en tu equipo y lo transcribe el día que pongas la clave.
- Reuniones online (Meet, Teams web…): graba el audio de la pestaña y el micrófono a la vez.
- Reuniones presenciales: graba solo con el micrófono.
- Archivos que ya tienes (notas de voz, grabaciones de otra herramienta): «Transcribir un archivo» acepta mp3, m4a, wav, webm, ogg, flac o mp4.
- Al parar, la transcripción se descarga en
Descargas\reuniones\ como .md y queda en el historial.
- No se pierde audio: si un tramo no se puede transcribir, su audio se guarda y se reintenta solo. Si Chrome se cierra a mitad de reunión, se recupera lo grabado.
- Biblioteca de reuniones (3.2): búsqueda en todas las reuniones, lectura con marcas de tiempo y cada voz en su color, nombres reales para cada hablante («Hablante 2» → «Marcos») y exportación a Word, PDF, texto, Markdown o subtítulos SRT.
- Actas con plantillas (acta completa, resumen breve, tareas y responsables, correo de seguimiento o una plantilla propia) y preguntas a la reunión, con Gemini, GPT o Claude. El acta puede generarse sola al terminar.
- Mientras grabas (3.3): cada tramo se transcribe en cuanto se cierra, pausa, marcadores de momentos importantes, notas, panel lateral en vivo con niveles de audio, aviso si en dos minutos no entra voz y atajo de teclado (Alt+Shift+G).
- Escuchar la reunión (3.4; encendido de fábrica desde la 3.9): se pulsa una frase y suena ese momento.
- Volver a transcribir (3.9): si una transcripción sale mal, «Más acciones» > «Volver a transcribir» manda otra vez el audio guardado; lo que no salga se queda con su texto de antes.
- También, una grabadora (3.9): si no quieres la transcripción, Escriba sirve de grabadora sin instalar ningún programa. Graba el micro (o una pestaña con el micro), se escucha en la biblioteca y «Descargar» guarda la grabación en un solo
.wav en Descargas\reuniones\ (mono, 24 kHz; unos 170 MB por hora). Sin clave no sale nada de tu equipo. El historial guarda las 20 últimas: descarga lo que quieras conservar.
- Coste estimado (3.5): con los precios que pongas en Opciones, la biblioteca dice cuánto costó cada reunión y lo que llevas de mes. Sin precios no se inventa nada. Desde la 3.6.1, «Cargar precios de referencia» rellena los precios de lista del modelo que usas, con la fecha en que se copiaron (
config.js, PRECIOS_REFERENCIA).
- Aviso al entrar en una reunión (3.5, opcional): Meet, Teams, Zoom web, kMeet de Infomaniak o Jitsi. Te recuerda grabar; grabar sigue siendo cosa tuya (Chrome solo deja capturar una pestaña si pulsas el icono o el atajo).
- Interfaz en español, inglés y portugués de Brasil (3.5 y 3.10): según el idioma de Chrome, o el que elijas en Opciones.
- Se oye la reunión por cualquier salida (3.5.1): si cambia el dispositivo (monitor, cascos) el sonido se rehace, y mientras grabas, «¿No oyes la reunión?» cambia en vivo la forma de devolverlo.
- La transcripción, en el propio panel (3.5.2): la última sale abierta con «Copiar»; las anteriores se abren con un clic. La biblioteca sigue a un clic.
- Interfaz nueva (3.6): modo oscuro (automático, claro u oscuro), iconos propios en lugar de emojis, un popup que enseña solo lo que toca en cada momento (y los niveles de audio mientras grabas), la transcripción agrupada por quién habla, Opciones por apartados y todas las pantallas adaptadas a ventanas estrechas. Contraste WCAG AA comprobado por la suite.
- La reunión se oye tal cual mientras grabas (3.7): tres formas de grabar. «Pestaña + micro» abre la ventana de Chrome de elegir qué compartir y no toca el sonido: lo que oyes es el original, en cualquier equipo, y sirve también para toda la pantalla con el audio del sistema. «Rápido» graba con un clic la pestaña que suena; ahí Chrome la silencia y Escriba te devuelve su sonido con un reproductor propio que guarda reserva y rellena lo que se pierde, pero con el portátil sin enchufar Chrome pierde trozos y puede oírse con cortes. «Solo micro», para reuniones presenciales. Desde la 3.9.1, «Rápido» es la de fábrica: sin la ventana de compartir ni la barra de «Compartiendo» de Chrome. Desde la 3.9.2, con el portátil sin enchufar Escriba marca «Pestaña + micro» en su lugar, con un aviso, y al enchufar vuelve «Rápido»; si eliges «Rápido» a mano con el aviso a la vista, se respeta.
- Grabar sin clave (3.8): sin ninguna clave de IA, «Grabar sin transcribir» graba igual. El audio se queda en tu equipo (con copia en
Descargas\reuniones\audio_<fecha>\) y no se envía nada a nadie; la reunión sale como «sin transcribir», se escucha desde la biblioteca y, en cuanto guardas una clave que transcriba (hoy, la de Gemini), se transcribe sola. Además, las claves de OpenAI y Anthropic pasan en Opciones al apartado «Claves de IA», cada una en su tarjeta, y se comprueban al pulsar «Guardar»; la biblioteca avisa si el modelo cortó un acta por longitud; y una cuenta sin saldo se dice tal cual, en vez de reintentar en balde.
- Idioma configurable, incluida la detección automática para reuniones que mezclan idiomas.
Cómo está construido
La grabación vive en un documento offscreen, no en el popup, así que cerrar la ventanita no corta la grabación. El service worker orquesta; el documento offscreen graba y transcribe.
popup.js ──┐ ┌─▶ offscreen.js
vivo.js ───┤ │ grabación, pausa, transcripción en vivo
importar.js├─▶ background.js (service worker) ──────┤ y por rondas, acta automática
reuniones.js┘ historial (única vía de escritura), │
alarmas, atajos, avisos, recuperación└─▶ IndexedDB (comun.js): audio pendiente
y audio conservado para escuchar
ia.js plantillas, Gemini/GPT/Claude, preguntas (lo usan la biblioteca y el offscreen)
exportar.js Word (.docx sin librerías), SRT, texto y HTML seguro
proveedores.js (3.8)
registro de las IA: quién transcribe y quién redacta, con qué clave, dirección
y modelos, y un interruptor por capacidad. Lo cargan todas las piezas
Un mismo motor (transcribirReunion) transcribe los tramos pendientes de una reunión, venga de una grabación, de un reintento o de un archivo importado.
Decisiones de ingeniería
Las tres cosas que impedían que funcionara de verdad, y cómo se resolvieron:
1. Una sola llamada por reunión no escala. Enviar la reunión entera en una petición hacía que el modelo se rindiera a los pocos minutos y devolviera la transcripción truncada, marcada como correcta — una reunión larga se quedó en 83 segundos transcritos. Ahora el audio se corta en tramos de 5 minutos, con un MediaRecorder por tramo, y el progreso se reporta tramo a tramo.
2. Sin reintentos, un 503 transitorio cuesta la reunión entera. Ahora hay backoff de 3/8/20 s respetando el retryDelay que devuelve la API, y una cascada de modelos de reserva. Un tramo fallido cuesta 5 minutos, no la reunión, y su audio se conserva en disco para reintentarlo.
3. El modelo alucina con el silencio. Ante audio mudo, Gemini llegó a inventarse una reunión completa, con hablantes y acuerdos falsos. Ahora un tramo sin voz no se manda, y el prompt obliga además a responder literalmente SIN_VOZ. Es el fallo más caro de los tres: una transcripción truncada se nota, una inventada no.
Y el fallo que introdujo ese arreglo. La primera versión del guardia de silencio medía con un AnalyserNode muestreado una vez por segundo: 2048 muestras, unos 42 ms de cada 1.000. Veía el 4 % del audio, así que una intervención corta caía entre muestras y el tramo se descartaba entero sin preguntar al modelo. Descartar voz real es peor que el problema original. Ahora el tramo ya grabado se decodifica completo y se recorre en ventanas de 20 ms; el analizador se ha quedado solo para el informe de niveles por fuente, que es para lo que sirve. Si la decodificación falla, el tramo se envía igual: gastar tres céntimos es más barato que perder un minuto de reunión.
4. Un fallo no puede costar la reunión (3.1). El 21/09/2026 una reunión de 13 minutos perdió sus tres tramos con «Falta la clave de Gemini» teniendo clave. Había dos defectos. El primero: el documento offscreen pide la configuración al service worker por mensaje, y una respuesta vacía se tomaba por «no hay clave». Ahora se reintenta y, si no llega, el error es «interno», no una mentira. El segundo: aunque el audio se guardaba en Descargas, la extensión no puede volver a leer ficheros de disco, así que no había forma de reintentar. Ahora cada tramo va a IndexedDB al grabarse (y el tramo en curso cada 30 s) y solo se borra cuando su texto está a salvo en el historial. Cada fallo lleva un código (sin_clave, clave_invalida, saturado, red, interno) que decide qué hacer:
- errores pasajeros → reintento automático a los 1, 5, 15, 60, 180 y 720 min (
chrome.alarms), y al abrir el panel;
- clave ausente o rechazada → esperar no sirve: se reintenta en cuanto el usuario guarda una clave;
- siempre → botón «Reintentar ahora» en el historial.
Al arrancar Chrome, una reunión que se quedó en «grabando» se transcribe con lo que llegó a guardarse. La poda automática del historial no toca reuniones con tramos pendientes.
5. Lo que viene después de grabar (3.2 – 3.4). Comparado con Transkriptor, Tactiq, tl;dv, Fireflies y Otter (docs/2026-09-30-plan-mejoras.md), Escriba ganaba en no perder nada y en no cobrar, pero perdía en todo lo que viene después de grabar. Las decisiones que sostienen lo nuevo:
- Marcas de tiempo por tramo. El modelo marca
[MM:SS] desde el principio de SU tramo. Cada tramo guarda dónde empieza (inicioS) y el texto se pasa a tiempo de reunión una sola vez, al guardarse. Así el visor, el .md y los subtítulos no saben nada de tramos.
- Los nombres no tocan el texto. «Hablante 2 → Marcos» es un mapa aparte que se aplica al ver, exportar y analizar. Un nombre mal puesto se corrige sin perder nada, y la palabra «Hablante 2» dentro de una frase no se cambia.
- Transcribir mientras se graba sin pagar dos veces. Cada tramo cerrado entra en una cola en vivo. Al parar, el cierre espera a que esa cola termine antes de leer el historial: si no, un texto recién llegado se pisaría con «pendiente» y se mandaría otra vez. Una grabación recuperada tras un cierre de Chrome conserva los tramos que ya tenían texto (su audio ya no existe, y no son «perdidos»).
- La pausa cuenta tiempo grabado, no de reloj. El tramo se corta cuando lleva 5 minutos grabados, y las marcas, la duración y los marcadores descuentan la pausa. Es lo único que casa con el audio.
- La IA sale del popup. Plantillas, llamadas y preguntas viven en
ia.js, sin DOM ni chrome.*. El acta automática se genera en el documento offscreen y no en el service worker, que Chrome puede parar a mitad de una llamada larga.
- Word de verdad sin librerías. Un .docx es un zip de cinco XML. Se escribe sin comprimir (método «store») con un CRC32 propio. La suite lo vuelve a leer y lo valida.
- Todo lo que viene del modelo se escapa antes de pintarse: un acta o una respuesta con
<script> se ve como texto.
6. Solo se enseña lo probado con una clave real (3.8). Hasta la 3.7 los proveedores eran tres nombres escritos a mano en cada fichero, y sin clave de Gemini el panel ni enseñaba el botón de grabar. Ahora hay un registro (proveedores.js) del que salen las tarjetas de Opciones, los desplegables y la elección de quién transcribe y quién redacta. Cada capacidad de cada proveedor lleva un interruptor (voz.activo, chat.activo), porque sin una clave de verdad no se puede garantizar que una API acepte el audio que manda Chrome ni medir cómo transcribe. Una capacidad apagada no existe para el usuario: no sale en ninguna pantalla, no se le pide permiso ni se le envía nada. Encendido está lo que ya funcionaba: Gemini para transcribir y redactar, y OpenAI y Anthropic para actas y preguntas, cuyas peticiones salen idénticas a las de la 3.7 (lo fija un test). Lo demás que trae el registro sigue apagado hasta que alguien lo pruebe de punta a punta: cómo se enciende está en CONTRIBUTING.md.
- Grabar sin clave no es otro camino. Es el de «falta la clave» de la 3.1, que ya guardaba el audio y esperaba: los tramos quedan pendientes con
sin_clave y se transcriben solos al guardar una. Lo que cambia es que deja de sonar a fallo (textos, color e icono) y que el reproductor de la biblioteca toca también el audio pendiente.
- Sin saldo no es «vas muy deprisa». OpenAI y Anthropic usan el mismo 429 para las dos cosas. Se distinguen leyendo el cuerpo del error, y lo primero no se reintenta: esperar no lo arregla.
Validación
Los tests corren en Node contra un navegador simulado: se carga el código real de la extensión con vm.runInContext y se le inyectan stubs de chrome, MediaRecorder, AudioContext y fetch. Sin build, sin dependencias.
npm test
Cubren el ciclo de grabación y troceado, la cola de escritura del historial, la política de reintentos y modelos de reserva, la clasificación de silencio, la migración de claves de sync a local y, desde la 3.1, el motor completo con el service worker y el offscreen hablándose: reintentos programados, espera de clave, recuperación de grabaciones cortadas, limpieza de audio huérfano y el markdown que se rehace al completar un hueco. Desde la 3.2 – 3.4, además: marcas de tiempo, hablantes, Word/SRT/HTML, plantillas y las tres APIs de IA, acta automática, transcripción en vivo, pausa con reloj simulado, marcadores, aviso de silencio, atajo y audio conservado (103 casos). Desde la 3.8: el registro y sus interruptores (lo apagado se enciende solo dentro del test, con respuestas simuladas), que las peticiones de acta salgan idénticas a las de la 3.7.0, que todo host al que se llama esté en el manifest, y grabar sin clave de punta a punta, hasta que se transcribe sola al guardar una (275 casos en total, con lo que salió de la revisión: nada sin transcribir ni recién transcrito se borra solo, la clave que llega al cerrar una ronda y quitar la clave).
Pruebas de extremo a extremo en Chromium real con la extensión cargada y Gemini de verdad (3.1):
| Escenario | Resultado |
|---|
| Importar un WAV de 6 min con frases conocidas | 2 tramos, ambas frases transcritas, audio interno borrado |
| Sin clave → el usuario la guarda | queda pendiente sin llamar a la red; se transcribe sola al guardar la clave |
| Clave rechazada → clave buena | pendiente con «Google rechaza la clave»; se completa al cambiarla |
| Gemini inalcanzable → vuelve la red | pendiente con alarma de reintento; «Reintentar ahora» la completa |
| Grabar 35 s con el micrófono | transcrita con la frase del audio de prueba |
| Chrome se cierra a los 65 s sin parar | al reabrir, se recupera y transcribe lo grabado |
Y la de la 2.5: WAV sintético de 13 minutos con 120 puntos numerados → troceado → transcrito → 120/120 recuperados, en orden y sin duplicados.
Pruebas en pantalla de la 3.2 – 3.4 (30/09/2026), en Chromium con la extensión cargada y la IA simulada:
| Escenario | Resultado |
|---|
| Biblioteca con 4 reuniones (completa, incompleta, de la 3.1 y con error) | todas se abren; la de la 3.1 conserva su acta, marcada como versión anterior |
| Renombrar «Hablante 3» → Clara | cambia en todas sus intervenciones, el .md se rehace y el texto original no se toca |
| Buscar «renovacion» sin tilde en todas | encuentra la única reunión donde se dijo «renovación» |
| Exportar a Word y SRT | el .docx pasa zipfile.testzip y lo abre python-docx; el SRT sale con los nombres puestos |
| Acta de tareas y pregunta a la reunión | la IA recibe los nombres y los participantes; quedan guardadas con sus tokens |
| Grabar con micro simulado: marcar, pausar, notas desde el panel en vivo, parar sin red | el reloj se para en pausa, marcas y notas guardadas, la reunión queda pendiente con su audio a salvo |
| Escuchar desde una frase | suena desde ese segundo, resalta la frase y «🗑 Audio» borra el audio sin tocar el texto |
Lo que no se ha probado aún con Gemini de verdad: que el modelo respete siempre el formato [MM:SS] Hablante: texto. Si un tramo sale sin marcas, se ve igual que en la 3.1, sin romper nada.
Instalación (2 minutos, una vez)
- Abre Chrome en
chrome://extensions
- Activa el Modo desarrollador (interruptor arriba a la derecha).
- Pulsa «Cargar descomprimida» y elige esta carpeta.
- Ancla el icono: puzzle 🧩 de la barra → chincheta 📌 junto a Escriba.
Configuración (1 minuto, una vez)
- Consigue tu clave gratis en aistudio.google.com/apikey → Create API key → copiar.
- Clic derecho en el icono → Opciones:
- Pega la clave. Se valida sola y se pone en verde.
- Pulsa Permitir micrófono y acepta. (Un documento offscreen no puede pedir el permiso de micrófono por sí mismo; hay que concederlo desde esta página.)
- Opcional: rellena el glosario con nombres propios y jerga de tu dominio, para que el modelo respete la ortografía exacta. Viene vacío.
- Opcional: en Claves de IA, las de OpenAI y Anthropic, si quieres sacar actas y hacer preguntas con GPT o Claude además de con Gemini. Cada una se comprueba y se guarda con su botón «Guardar».
- Para dejar de usar la clave de Gemini: Quitar la clave de este equipo, debajo de su campo. Sin clave, Escriba sigue grabando y guarda el audio.
¿Sin clave? Sáltate el paso 1: en el panel, Grabar sin transcribir. Escriba guarda el audio y lo transcribe cuando pongas la de Gemini.
Uso
- En la pestaña de la reunión, pulsa el icono de Escriba y elige modo: Rápido (el de fábrica: graba con un clic la pestaña que suena y tu micro), Pestaña + micro (Chrome te pregunta qué compartir y no toca el sonido; con el portátil sin enchufar sale marcada sola) o Solo micro (presenciales, notas de voz).
- Empezar a grabar. Puedes cerrar el popup: el badge REC indica que sigue grabando.
Opcional: escribe los participantes («Marcos, Ana»); ayudan a poner nombre a cada voz y al acta.
- Mientras grabas, el popup enseña el reloj y el nivel de cada fuente. Pausar, Marcar un momento (o Alt+Shift+M) y En vivo para abrir el panel lateral con el texto que va llegando, los niveles y tus notas.
- Parar y transcribir (o Alt+Shift+G). Como los tramos se transcriben mientras grabas, al parar solo falta el último. Sin clave, el botón dice Parar y guardar.
- La reunión se abre en la biblioteca («Reuniones»): léela, pon nombre a cada voz, exporta a Word o PDF, saca el acta con la plantilla que quieras o pregúntale lo que necesites.
Para un audio que ya tienes: Transcribir un archivo en el panel, arrástralo y pulsa Transcribir. Varios archivos a la vez se tratan como partes seguidas de la misma reunión.
Preguntas rápidas
- ¿Cuánto cuesta? Nada por la extensión. La capa gratuita de Gemini cubre reuniones diarias de sobra.
- ¿Puedo grabar sin clave? Sí: «Grabar sin transcribir». El audio se queda en tu equipo, lo escuchas desde la biblioteca y, cuando guardes la clave de Gemini, la reunión se transcribe sola.
- ¿Me sirve solo como grabadora? Sí. Sin clave, graba, lo escuchas en la biblioteca y «Descargar» te da el
.wav. No hace falta cuenta ni instalar nada más.
- ¿Graba todo el sonido del ordenador? No: la pestaña y tu micro. Para el sonido de todo el equipo, «Pestaña + micro» → «Toda la pantalla», con el audio del sistema marcado (Chrome no lo ofrece en todos los sistemas).
- ¿Dónde va mi audio? De tu Chrome a la API de Gemini, con tu clave, para transcribirlo. A OpenAI y a Anthropic solo les llega el texto, cuando les pides un acta o una pregunta. Sin clave, a ningún sitio. No hay servidor intermedio: no existe backend que pueda verlo. Ver PRIVACY.md.
- ¿Se corta si cambio de pestaña? No. La grabación vive en el documento offscreen.
- ¿Se guarda el audio? En tu navegador, solo el de lo pendiente de transcribir (si grabas sin clave, todo lo es hasta que pongas una), y, desde la 3.9, el de cada reunión transcrita, para escucharla y poder volver a transcribirla (se apaga en Opciones, «Escuchar las reuniones»); se borra con la reunión, y el historial guarda las 20 últimas. De lo que queda pendiente al terminar hay además una copia en
Descargas/reuniones/audio_<fecha>/, que sigue ahí después de transcribirse: se va al borrar la reunión con su audio de respaldo o cuando la limpieza automática se lleva la reunión.
- ¿Por qué me avisa de que no oye nada? Si en dos minutos no entra voz por ninguna fuente, Escriba avisa: suele ser la pestaña equivocada o el micro silenciado. Se quita en cuanto vuelve la voz.
- La transcripción falló. No hagas nada: la reunión sale como «incompleta» en el historial, dice por qué y cuándo lo reintentará. Si el problema era la clave, se reintenta al guardar una nueva. También tienes «🔄 Reintentar ahora», y una copia del audio en
Descargas/reuniones/audio_<fecha>/.
Stack
JavaScript sin dependencias ni build · Chrome Extensions MV3 · MediaRecorder · AudioContext · IndexedDB · chrome.alarms · chrome.tabCapture · chrome.offscreen · chrome.sidePanel · chrome.commands · chrome.notifications · Gemini API (inline y Files API) · OpenAI API · Anthropic API.
Cómo desarrollar y depurar: CONTRIBUTING.md.
Licencia
MIT — ver LICENSE.
