Cómo transcribir audio a texto en español

Transcribir audio a texto sirve para muchas cosas: una entrevista, una clase, una reunión grabada con el celular o una nota de voz larga que no quieres volver a escuchar. Hoy hay opciones gratis y pagadas que funcionan bien en español, pero cada una sirve para un caso distinto. En esta guía vas a ver cuáles son, cómo lograr que el resultado salga limpio, qué formatos conviene usar, qué cuidar en privacidad y cómo pasar de un texto largo a notas útiles.

Opciones gratis

Dictado por voz de Google Docs

Google Docs tiene Escritura por voz, en el menú Herramientas. Según la ayuda de Google Docs, funciona en Chrome, Edge y Safari y admite español en varias variantes, entre ellas España, México, Argentina y Latinoamérica.

Está pensado para dictar en tiempo real con el micrófono, no para subir un archivo. Hay quienes reproducen un audio cerca del micrófono para que lo escriba, pero el resultado suele ser pobre: pierde palabras, no distingue quién habla y se detiene con los silencios. Sirve para dictar tus propias ideas, no para transcribir una reunión.

Whisper (código abierto)

Whisper es un modelo de reconocimiento de voz que OpenAI publicó con licencia MIT. Corre en tu propio computador, así que el audio no sale de tu equipo. Según su repositorio en GitHub, se instala con Python y necesita la herramienta FFmpeg. Tiene varios tamaños de modelo (tiny, base, small, medium, large y turbo): los más grandes son más precisos pero más lentos y exigen más al computador.

Ventajas: gratis, privado y reconoce muchos idiomas, entre ellos el español. Desventajas: hay que instalarlo, depende de tu hardware y el modelo por sí solo no identifica quién habla. Existen programas con interfaz gráfica construidos sobre Whisper que simplifican la instalación, pero revisa bien de dónde los descargas.

Tramos gratis de servicios en línea

Muchos servicios de transcripción tienen un plan gratis con un límite de minutos al mes. Sirven para probar o para un audio ocasional. Antes de subir algo, revisa el límite de duración por archivo, si el español está soportado y qué hacen con tu audio (lo vemos más abajo).

Opciones pagadas

Transcribir en Word (Microsoft 365)

Si tienes Microsoft 365, ya tienes una opción bastante completa. Según la ayuda de Microsoft (revisada en septiembre de 2026), la función Transcribir de Word:

• Funciona en Word para la web, con Microsoft Edge o Chrome.
• Permite grabar en vivo o subir un archivo en formato WAV, MP4, M4A o MP3.
• Separa a los hablantes con etiquetas numeradas, que luego puedes renombrar.
• Admite más de 80 variantes de idioma, entre ellas varias de español.
• Tiene un límite de 300 minutos de audio subido al mes con una suscripción de Microsoft 365 (30.000 con licencia de Copilot).
• Guarda el audio en la carpeta Transcribed Files de tu OneDrive.

Es una buena opción si ya pagas Microsoft 365 y transcribes pocas horas al mes.

Servicios especializados

Hay servicios en línea dedicados a transcribir, con precios por minuto o por suscripción. Suelen sumar identificación de hablantes, vocabulario personalizado, exportación a subtítulos y, cada vez más, resúmenes con IA. Compara tres cosas: la calidad en español con tu tipo de audio (prueba con un archivo real), cómo tratan tus datos y si el precio escala con tu volumen.

Transcripción humana

Para audios con valor legal, investigación académica o calidad muy mala, una persona sigue siendo más confiable. Es más cara y más lenta, pero entiende contexto, nombres y cruces de voces mejor que cualquier sistema automático.

Cómo lograr una transcripción de buena calidad

La herramienta importa, pero el audio importa más. Un buen archivo mejora el resultado de cualquier opción:

• Acerca el micrófono a quien habla. Un celular en el centro de una mesa grande capta más eco que voz.
• Evita el ruido de fondo: ventiladores, cafeteras, calle. Una sala pequeña con muebles suena mejor que una sala vacía.
• Una persona a la vez. Cuando dos hablan encima, ningún sistema lo resuelve bien.
• Graba cada lado por separado si puedes. En llamadas, tener tu voz en una pista y la de los demás en otra ayuda mucho a saber quién dijo qué.
• Di los nombres y las siglas con claridad, y si la herramienta lo permite, cárgalos como vocabulario.
• Haz una prueba de 30 segundos antes de grabar algo importante.

Formatos de audio: cuál usar

La mayoría de las herramientas aceptan los formatos comunes:

Si tu herramienta no acepta un formato, puedes convertirlo con FFmpeg o con un conversor. No conviertas de un formato comprimido a otro muchas veces: cada conversión pierde calidad.

Privacidad: qué revisar antes de subir un audio

Un audio de una reunión puede tener datos de clientes, sueldos, salud o estrategias. Antes de subirlo a cualquier servicio, busca en su política:

• Dónde se guarda el audio y por cuánto tiempo. Lo ideal es que se borre al terminar.
• Si usan tus audios para entrenar modelos. Algunos lo hacen por defecto.
• Quién más procesa tus datos, porque muchos servicios usan proveedores externos de IA.
• Si puedes borrar tu cuenta y todo su contenido.

Y si el audio incluye a otras personas, necesitas su consentimiento. En Chile, grabar una conversación privada sin consentimiento puede ser delito. Lee la guía sobre si es legal grabar reuniones en Chile.

Cómo transcribir audios con eco

eco está pensado para reuniones, pero también importa audios que ya tienes: una entrevista grabada con el celular, una reunión presencial o una nota de voz. Acepta MP3, M4A, WAV, WebM, OGG y MP4.

Lo que entrega va más allá del texto:

• Transcripción con hablantes. Les pones nombre una vez y queda en las notas y en lo que exportas; eco sugiere los nombres cuando se dicen en la conversación.
• Resumen, puntos clave, decisiones y tareas con responsable y fecha cuando se dijeron, en español. Cada una trae el minuto exacto para revisarla.
• Plantillas de notas para reunión general, entrevista de selección o reunión de ventas, además de plantillas propias.
• Exportación a Markdown, PDF, Word y la transcripción en texto o subtítulos (SRT y VTT).
• Vocabulario propio para nombres y siglas.

Los audios pueden estar en español, inglés o portugués; las notas se escriben siempre en español. El audio se borra de los servidores apenas termina la transcripción, con un recibo que muestra la hora exacta, y nadie en eco lee lo que subes.

Lo que conviene saber: eco no tiene app móvil para grabar, así que el audio del celular se sube desde el computador; no transcribe en vivo, y no procesa video, solo su audio. El plan Gratis incluye 2 horas al mes, sin tarjeta. Para reuniones en línea, eco también graba directo desde Chrome o Edge; lo explicamos en la guía de transcribir reuniones de Google Meet.

Del texto a notas que sirvan

Una transcripción completa es un respaldo, no un resumen. Para que alguien la use, sácale lo esencial: qué se decidió, quién hace qué y para cuándo, y qué quedó abierto. Si es una reunión, la guía de minuta de reunión te da un formato simple; si prefieres que lo haga una IA, revisa qué conviene pedirle en la guía de notas de reuniones con IA.

Qué opción elegir

No hay una herramienta perfecta para todo. Prueba con un audio real tuyo, compara el resultado y quédate con la que te ahorre más tiempo de corrección.

Preguntas frecuentes