Práctica
Pasar audio a texto con IA: transcribir notas de voz, entrevistas y vídeos
Transcribir una hora de entrevista ya no lleva una tarde: lleva unos minutos y una revisión. Qué herramienta usar según el audio, cómo conseguir una transcripción limpia y qué hacer con ella después.
6 min de lectura · actualizada el
Transcribir una entrevista a mano lleva unas cuatro horas por cada hora de audio. Con IA lleva unos minutos, más el tiempo de revisar. Esa diferencia ha convertido la transcripción en algo cotidiano: periodistas, estudiantes, investigadores, abogados y cualquiera que reciba audios de WhatsApp demasiado largos. Esta guía explica qué herramienta conviene según lo que quieras transcribir y cómo dejar el texto listo para usar.
Qué hace la IA al transcribir
Los modelos de reconocimiento de voz actuales, como Whisper de OpenAI o los que usan Google y Microsoft, no comparan sonidos con un diccionario: han aprendido de cientos de miles de horas de audio y predicen el texto más probable teniendo en cuenta el contexto. Por eso ponen puntos y comas, entienden palabras mal pronunciadas y acaban acertando casi siempre en español.
Esa misma forma de funcionar tiene un efecto curioso: cuando el audio no se entiende, el modelo a veces inventa una frase verosímil en lugar de dejar un hueco. Es el equivalente sonoro de las alucinaciones de la IA, y la razón por la que una transcripción importante siempre se revisa.
Qué herramienta usar según el audio
| Qué quieres transcribir | Opción recomendada |
|---|---|
| Audios de WhatsApp | La transcripción integrada de WhatsApp, que funciona en el propio teléfono |
| Notas de voz propias | La grabadora del móvil (Android) o Notas de voz (iPhone), que transcriben al grabar |
| Entrevista o clase grabada | Word para la web (Transcribir), Gemini o ChatGPT subiendo el archivo, o servicios como Otter o Turboscribe |
| Reuniones en Teams, Meet o Zoom | La transcripción de la propia plataforma; lo explicamos en reuniones y actas con IA |
| Vídeo de YouTube | La opción Mostrar transcripción del propio vídeo, o pegar el enlace en Gemini; si lo que quieres es el resumen, mira resumir vídeos de YouTube con IA |
| Audio confidencial o muy largo | Whisper en tu ordenador, sin enviar nada a internet |
Para la mayoría de la gente, la combinación de la grabadora del móvil y un asistente como Gemini o ChatGPT cubre el 90 % de los casos sin pagar nada. Si necesitas transcribir decenas de horas al mes, compensa un servicio específico de pago, que suele permitir archivos más largos, separar hablantes y exportar con marcas de tiempo.
Cómo conseguir una transcripción limpia
La calidad se decide antes de transcribir, al grabar:
- Acerca el micrófono a quien habla. Un móvil sobre la mesa a medio metro rinde mucho mejor que uno en el otro extremo de la sala.
- Evita el ruido de fondo: cafeterías, ventiladores, música. Es lo que más errores provoca.
- Que no se pisen las voces. En entrevistas, deja terminar la frase antes de preguntar.
Y después, al revisar, pide ayuda al propio asistente:
«Esta es la transcripción automática de una entrevista. Corrige los errores evidentes de reconocimiento, añade puntuación y separa por hablantes. No cambies el sentido de ninguna frase ni resumas. Marca entre corchetes las partes que no estés seguro de haber entendido. Los nombres correctos son: [lista de nombres y términos técnicos].»
La lista final de nombres y términos es lo que más mejora el resultado: la IA no puede adivinar cómo se escribe el apellido de tu entrevistado ni la marca de tu cliente.
Qué hacer con el texto
Con la transcripción en la mano, la IA puede convertirla en casi cualquier cosa:
- Resumen o acta con decisiones y tareas pendientes.
- Apuntes de estudio a partir de una clase grabada, con preguntas para repasar; más ideas en estudiar con IA.
- Artículo o publicación a partir de un pódcast o una charla.
- Subtítulos y clips para redes, eligiendo los mejores fragmentos; el resto del proceso está en crear vídeos con IA.
- Traducción a otro idioma, que sale mejor desde un texto revisado que desde el audio directamente.
Si la grabación dura horas, trocea antes de resumir: la guía de resumir documentos largos con IA explica cómo evitar que el asistente se salte la mitad.
Audios con datos personales
Una grabación con la voz de otra persona contiene datos personales, y a menudo también información delicada: una consulta médica, una reunión con un cliente, una entrevista de trabajo. Antes de subirla a un servicio en la nube:
- Avisa de que grabas y, si vas a transcribir con IA, dilo también.
- Usa la cuenta de empresa, no la personal, si el audio es de trabajo; las condiciones sobre el uso de tus datos cambian mucho entre ambas. Lo detallamos en usar IA sin filtrar datos de clientes.
- Transcribe en local lo más sensible. Whisper funciona en un ordenador normal con programas gratuitos; cómo montarlo está en IA local y privada en tu ordenador.
Preguntas frecuentes
¿Cómo paso un audio a texto gratis?
Desde el móvil, la grabadora de muchos Android y las notas de voz del iPhone transcriben sin coste. En el ordenador, Word para la web tiene la opción Transcribir con minutos incluidos en Microsoft 365, y Gemini o ChatGPT aceptan un archivo de audio y devuelven el texto. Para audios largos y privados, Whisper funciona gratis en tu propio equipo.
¿Se pueden transcribir los audios de WhatsApp?
Sí. WhatsApp incluye la transcripción de notas de voz: se activa en Ajustes, Chats, Transcripciones de mensajes de voz, y después basta con mantener pulsado el audio y elegir Transcribir. Se procesa en el propio teléfono, así que el contenido no sale del dispositivo.
¿Qué tan precisa es la transcripción con IA?
Con un audio limpio y una sola persona hablando, las herramientas actuales aciertan casi todas las palabras en español. La precisión baja con ruido, varias voces que se pisan, acentos marcados o mucho vocabulario técnico. Los nombres propios, las siglas y las cifras son lo que más conviene revisar.
¿Cómo transcribo un vídeo de YouTube?
YouTube genera subtítulos automáticos en muchos vídeos: abre la descripción y pulsa Mostrar transcripción para ver y copiar el texto. Gemini también puede resumir o transcribir un vídeo público si le pegas el enlace. Si el vídeo es tuyo, descarga el audio y pásalo por cualquier transcriptor.
¿La IA distingue quién habla en una grabación?
Muchas herramientas sí: separan a los hablantes y los etiquetan como Hablante 1, Hablante 2, y luego puedes ponerles nombre. Funciona bien con dos o tres personas y voces distintas; con muchas voces parecidas o gente que se interrumpe comete errores que hay que corregir a mano.
Skills para ponerlo en práctica
Prompts del catálogo relacionados con esta guía, listos para copiar.
-
Convertidor de podcast/vídeo en contenido multicanal
Transforma una transcripción de podcast o vídeo en blog post, newsletter, hilo de Twitter, LinkedIn post y clips de vídeo — todo en un solo prompt.
Marketing · 378 votos
-
Detectar los momentos virales de un vídeo largo y convertirlos en clips verticales 9:16
Inspirado en los skills virales de "clipping" automático de 2026: analiza la transcripción de un vídeo largo, puntúa sus momentos con más potencial y entrega cada clip vertical con gancho, encuadre y subtítulos listos.
Marketing · 79 votos
-
Prompt para hacer apuntes claros a partir de una clase, una transcripción o un PDF
Convierte una clase grabada, una transcripción o un PDF en apuntes ordenados, con definiciones, ejemplos, esquemas y dudas para preguntar al profesor.
Freelancers · 75 votos
-
Acta de reunión con decisiones, responsables y fechas a partir de una transcripción
Basado en los skills virales de actas automáticas: convierte la transcripción de una reunión en un acta clara con resumen, decisiones tomadas, tareas con responsable y fecha, y temas que quedaron abiertos.
RRHH · 75 votos
-
Guion de corte: eliminar silencios, muletillas y repeticiones de una transcripción
Inspirado en los skills virales de edición automática de vídeo de 2026: convierte una transcripción con marcas de tiempo en una lista de cortes precisa que elimina silencios muertos, muletillas y tomas repetidas, pero respeta las pausas dramáticas y las risas.
Freelancers · 74 votos
-
Reutilizar un vídeo largo en 10 piezas: LinkedIn, hilo, newsletter y carrusel
Inspirado en los skills virales de reutilización de contenido de 2026: transforma la transcripción de un vídeo largo en diez piezas adaptadas a cada canal, manteniendo la voz del autor y sin repetir el mismo ángulo.
Freelancers · 73 votos
De la transcripción al documento
Una transcripción es materia prima. En el catálogo de skills hay instrucciones para convertirla en actas, artículos o informes, por ejemplo en marketing y RRHH.
Sigue leyendo
-
Cómo convertir texto a voz con IA: herramientas, trucos para que suene natural y qué está permitido
Las voces sintéticas ya no suenan a contestador automático: con un buen texto pasan por una locución grabada. El truco está menos en la herramienta que en cómo escribes para el oído, y en no usar una voz que no es tuya.
-
Resumir vídeos de YouTube con IA: tres formas que funcionan y cómo saber si el resumen es fiel
Una conferencia de dos horas, un tutorial de cuarenta minutos o un pódcast entero: la IA puede decirte en un minuto qué cuenta y en qué minuto. Tres formas de hacerlo, qué pedir y los fallos típicos que conviene vigilar.
-
IA para reuniones: de la transcripción al acta que alguien lee
El resumen automático que llega a tu correo lo lee poca gente, porque cuenta lo que se dijo en vez de lo que se decidió. La diferencia está en lo que le pides después, y en avisar antes de grabar.