Cómo descargar la transcripción de un vídeo de YouTube (y dejarla usable)

Todo vídeo subtitulado de YouTube ya ha sido transcrito. La máquina hizo el trabajo, el texto existe y está a tres clics de ti. Lo frustrante no es conseguirlo: es que lo que sale se queda casi, pero no del todo, en lo que querías.

Fuiste a buscarlo porque necesitabas las palabras. Una charla de congreso de dos horas con un fragmento útil en algún punto del medio. La demo de producto de un competidor que quieres citar con exactitud. Cuarenta minutos de clase que tienen que convertirse en apuntes antes del jueves. Sea cual sea el motivo, arrastrar la línea de tiempo con el ratón no es un método de investigación, y lo sabes.

Así que aquí va cómo descargar una transcripción de YouTube en ordenador y en el móvil, qué hacer cuando el botón que debería estar ahí no está, y —la parte que casi todas las guías se saltan— cómo convertir el texto en bruto en algo que de verdad volverías a leer.

Tres salidas, en el orden en que conviene probarlas

Cuál te sirve depende de una sola pregunta: ¿el vídeo es tuyo?

Si eres espectador: el panel de transcripción

En el ordenador, abre el vídeo, despliega la descripción y pulsa Mostrar transcripción. Se abre un panel desplazable a la derecha del reproductor con el texto completo, dividido en líneas con marca de tiempo que se resaltan mientras el vídeo avanza. Selecciónalo, cópialo y pégalo donde estés trabajando.

Ese es todo el método, y conviene ser directo en este punto: no hay botón de descarga para los espectadores. YouTube te enseña el texto y espera que te lo lleves con Ctrl+C. Cada herramienta de «descargar transcripción de YouTube» que encuentres hace una versión de ese gesto por ti: recuperar la pista de subtítulos y devolvértela como archivo.

Si el vídeo es tuyo: YouTube Studio

Los creadores obtienen lo que los espectadores no: un archivo de verdad. En YouTube Studio, entra en Subtítulos, elige el vídeo y usa el menú de descarga para exportar .srt o .vtt. Son formatos de subtítulo reales con los datos de tiempo intactos, lo cual importa si vas a meterlos en un editor o a resubir subtítulos en otro sitio. Si la transcripción va a acabar en algo que no sea un documento de texto, empieza aquí.

Si ninguna de las dos funciona: una herramienta de transcripción

Pega la URL del vídeo y recibe el texto. Existen por los dos huecos anteriores: sin descarga para espectadores y sin nada en el móvil. Las buenas además ejecutan reconocimiento de voz cuando el vídeo no tiene subtítulos que recuperar, que es lo único que YouTube no hará por ti.

Consejo rápido: Con el panel abierto, usa Ctrl+F (Cmd+F en Mac) para buscar en el texto y luego pulsa la línea encontrada. El reproductor salta directo a ese momento. Un vídeo de dos horas se vuelve navegable en unos quince segundos, y no tienes que copiar nada.

Cuando el botón que debería estar no está

Es el fallo más común, y la explicación es más simple de lo que sugieren los foros. La transcripción de YouTube se genera a partir de los subtítulos. Sin subtítulos no hay transcripción: no hay nada debajo de la función que mostrar.

Así que cuando falta Mostrar transcripción, una de estas cosas es cierta:

• El creador desactivó los subtítulos. Es su decisión, y desde el lado del espectador no hay forma de esquivarlo.
• El vídeo es demasiado reciente. El subtitulado automático se ejecuta tras la subida y tarda un rato. Vuelve más tarde.
• El idioma no está cubierto. El subtitulado automático admite una lista larga, pero no todo.
• Una extensión del navegador interfiere. Bloqueadores de anuncios y extensiones de YouTube reorganizan la página y a veces entierran el control.

Hay una forma rápida de separar los tres primeros casos del cuarto: busca el icono CC en el reproductor. Si no está, no existe ninguna pista de subtítulos y ninguna herramienta del mundo podrá recuperarla; la única opción que queda es pasar reconocimiento de voz al audio. Si CC está pero la opción de transcripción no, la culpa es de la página, no del vídeo.

Consejo rápido: Abre el mismo vídeo en una ventana privada antes de ponerte a buscar soluciones. Ahí no se cargan las extensiones y los datos del sitio no pueden interferir. Si aparece la transcripción, has encontrado al culpable en unos cinco segundos.

La app te la lee pero no te deja llevártela

Esta es la que manda a la gente a Google a las once de la noche. En la app móvil de YouTube puedes tocar el título del vídeo o …más para desplegar la descripción, y en muchos vídeos la transcripción está ahí. Puedes leerla. Puedes seguirla. Lo que no puedes hacer es seleccionar el texto y copiarlo.

Es una limitación rara y no tiene solución dentro de la propia app. Dos cosas sí funcionan:

1. Pedir el sitio para ordenador. En Safari o Chrome del móvil, abre el vídeo y cambia a la versión de escritorio desde el menú del navegador. El panel de transcripción aparece igual que en un portátil, y la selección de texto vuelve con él.
2. Copiar el enlace y pegarlo en una herramienta de transcripción. Toca Compartir, Copiar enlace y pégalo en la herramienta que uses. Es la vía a la que acaba llegando la mayoría, y explica por qué las herramientas de «youtube transcript» reciben tanto tráfico móvil: resuelven una limitación de la app, no un problema técnico.

Si vas con el móvil y con prisa, la segunda opción es más rápida. El truco del sitio de escritorio es más engorroso de lo que suena en una pantalla pequeña.

Lo que cuesta de verdad un 90 % de precisión

Cualquiera que haya leído subtítulos automáticos con atención tiene su frase destrozada favorita. Los creadores incluso les pusieron nombre: craptions. Pero el problema merece números reales, porque «bastante bueno» y «lo bastante bueno para citar» son estándares muy distintos.

Los subtítulos automáticos de YouTube se mueven entre el 85 % y el 95 % de precisión, y la variable es casi por completo el audio, no el algoritmo. Una grabación de estudio con una sola persona hablando con claridad llega al 94–96 %. El mismo sistema sobre vídeo grabado en la calle, con tráfico y viento, baja al 78–82 %.

Haz la cuenta. Se habla a unas 150 palabras por minuto, así que un vídeo de 40 minutos son unas 6.000 palabras. Al 90 % de precisión, eso son 600 palabras mal repartidas por la transcripción. No es galimatías: sobre todo cosas pequeñas, una coma que falta y le da la vuelta a la frase, un nombre escrito de cuatro maneras, un término técnico sustituido por lo que rimaba. Suficiente para que una cita literal sea arriesgada y un extracto publicado resulte embarazoso.

La regla práctica: los subtítulos automáticos valen para buscar, ojear o resumir. No valen cuando una frase concreta va a un artículo, a una cita o a un expediente legal. Para eso, lee el pasaje que vas a citar contrastándolo con el audio antes de publicarlo. Cuesta un minuto y ahorra una corrección.

El nombre de nadie está en el archivo

Busca cómo meter nombres de hablantes en una transcripción de YouTube y encontrarás muchos apaños y ninguna respuesta real. La respuesta real es que los subtítulos automáticos de YouTube no tienen ningún concepto de hablante. La salida es un único flujo continuo de texto. Una mesa redonda de tres personas vuelve con exactamente el aspecto de un monólogo.

Para un vídeo explicativo en solitario, da igual. Para una entrevista, un episodio de pódcast o una reunión grabada, es la diferencia entre un documento usable y un muro que tienes que reconstruir de memoria. Acabas arrastrando la línea de tiempo igualmente, que era justo lo que querías evitar.

Lo que arregla esto es la diarización: la transcripción separa las voces y etiqueta cada una. La mayoría de herramientas de pago la incluyen, y las pensadas para reuniones —Laxis entre ellas— la tratan como comportamiento por defecto y no como una función, porque una transcripción de reunión sin etiquetas de hablante no es gran cosa. Las etiquetas siguen siendo genéricas (Hablante 1, Hablante 2), así que las renombras una vez arriba y el documento entero se vuelve legible.

Consejo rápido: Uses la herramienta que uses, revisa la transcripción en los puntos donde cambian los hablantes. La diarización falla sobre todo cuando la gente se pisa, y un error ahí no parece un error: parece que alguien dijo algo que no dijo.

Los veinte minutos entre el texto en bruto y algo que releerías

Una transcripción es materia prima. Pegarla en un documento y dar el trabajo por hecho es donde se para casi todo el mundo, y por eso tantas transcripciones se descargan una vez y no se abren nunca más.

Cuatro cosas marcan la diferencia, y ninguna lleva mucho tiempo:

Quita las marcas de tiempo si no las necesitas. Dentro del panel de transcripción, el menú de tres puntos tiene la opción Alternar marcas de tiempo. Desactívala antes de copiar y obtendrás prosa continua en lugar de una lista numerada que luego tendrías que limpiar a mano.

Corrige primero los nombres propios. Nombres, productos y jerga son donde el reconocimiento de voz falla más y donde los errores hacen más daño. Un buscar-y-reemplazar sobre los tres o cuatro términos que importan limpia casi todo el desorden en menos de un minuto.

Añade los saltos de párrafo. Los subtítulos automáticos llegan como un bloque indiferenciado. Partirlo en los cambios de tema es lo que convierte una transcripción de algo que se rastrea en algo que se lee.

Escribe el resumen mientras está fresco. Tres viñetas arriba: de qué iba, qué se decidió o se afirmó, qué quieres hacer con ello. El tú del futuro leerá esas tres viñetas y se saltará el resto, que es justamente la idea.

Ese último paso es donde vive casi todo el valor, y es el que la gente se salta porque es la única parte que exige pensar. También es lo que las mejores herramientas de transcripción ya hacen por ti. Si tu grabación es una reunión y no un vídeo de YouTube, ese flujo está en buena medida automatizado: Laxis capta la llamada, marca quién habló y produce la versión de decisiones y tareas junto al texto completo, de modo que el resumen existe antes de que vayas a buscarlo. Distinta fuente, mismo principio: la transcripción es la entrada, no el resultado.

La transcripción nunca fue el objetivo

Fíjate en lo que le ha pasado a esta tarea en los últimos años. Sacar las palabras de un vídeo era antes genuinamente difícil: pagabas a alguien o lo tecleabas tú, a razón de cuatro horas por hora de material. Ahora el texto está pregenerado, es gratis y está a tres clics, y toda la dificultad se ha desplazado aguas abajo, hacia la forma: sin nombres de hablantes, sin párrafos, sin resumen, y con un botón de copiar que misteriosamente no funciona en el aparato que la mayoría tiene en la mano.

Lo que sugiere que lo que hay que optimizar no es la extracción. Casi nadie quiere realmente una transcripción. Quieren encontrar un momento entre dos horas, comprobar una cita o convertir una charla en apuntes, y la transcripción es solo el formato menos molesto que se interpone entre ellos y eso. Las herramientas por las que merece la pena pagar en 2026 no son las que traen el texto más rápido. Son las que han entendido que el texto nunca fue el objetivo.

Preguntas frecuentes

¿Cómo descargo una transcripción de YouTube?

En el ordenador, despliega la descripción del vídeo y pulsa Mostrar transcripción. Se abre un panel con marcas de tiempo junto al reproductor; selecciona el texto y cópialo. YouTube no da botón de descarga a los espectadores, así que copiar es la descarga. Si el vídeo es tuyo, YouTube Studio te entrega un archivo real: Subtítulos, elige el vídeo y descárgalo como .srt o .vtt.

¿Por qué no aparece «Mostrar transcripción» en YouTube?

La transcripción se construye a partir de los subtítulos, así que sin subtítulos no hay transcripción. Ocurre cuando el creador los desactivó, cuando el vídeo es demasiado reciente para que el subtitulado automático haya terminado, o cuando el idioma todavía no está admitido. Si en el reproductor no está ni el icono CC, no existe pista que leer. Las extensiones del navegador también pueden ocultar el botón: abrir el vídeo en una ventana privada lo descarta en segundos.

¿Cómo consigo una transcripción de YouTube en el móvil?

La app móvil de YouTube puede mostrar la transcripción bajo la descripción desplegada, pero no te deja seleccionar ni copiar el texto. Para llevártelo, pide el sitio para ordenador en el navegador del móvil y usa el panel de ahí, o copia el enlace del vídeo y pégalo en una herramienta de transcripción. Copiar dentro de la app es lo único que no permite.

¿Qué precisión tienen los subtítulos automáticos de YouTube?

Entre un 85 % y un 95 % aproximadamente, y la variable es el audio, no el algoritmo. Las grabaciones de estudio llegan al 94–96 %; el vídeo grabado en exteriores con ruido de fondo baja al 78–82 %. Con un 90 % de precisión, un vídeo de 40 minutos arrastra unas 600 palabras mal, y por eso los subtítulos automáticos son un punto de partida y no un producto terminado.

¿Cómo quito las marcas de tiempo de una transcripción de YouTube?

Abre el menú de tres puntos dentro del panel de transcripción y elige Alternar marcas de tiempo. Los marcadores desaparecen y el texto pasa a ser prosa continua que puedes pegar en un documento sin ir quitando números línea a línea.

¿Las transcripciones de YouTube incluyen los nombres de los hablantes?

No. Los subtítulos automáticos de YouTube son un flujo continuo de texto sin etiquetas de hablante, así que una entrevista o una mesa redonda llegan con el aspecto de un monólogo. Las herramientas con diarización separan las voces y las etiquetan como Hablante 1 y Hablante 2, dejándote a ti ponerles los nombres reales.