Cómo transcribir audio a texto gratis (rápido y preciso)

Tienes una grabación de 40 minutos guardada en el teléfono. Una entrevista, una clase, una nota de voz que dejaste divagando durante un paseo. Y ahora necesitas esas palabras sobre el papel, a ser posible sin pagarle a nadie ni dedicarle toda la tarde.

Buenas noticias: puedes transcribir audio a texto gratis, y las herramientas se han vuelto realmente buenas. La pega que nadie menciona de entrada es que ese «bueno» depende mucho más de tu grabación que de tu software. Esta guía recorre los métodos gratuitos de verdad, cuándo gana cada uno y la parte que la mayoría de los artículos se salta por completo: qué determina en realidad si tu transcripción sale limpia o sale como un galimatías que tienes que corregir línea por línea.

Las herramientas gratuitas que ya tienes en tus dispositivos

Antes de registrarte en nada, comprueba lo que ya tienes. La mayoría de los teléfonos y las suites ofimáticas incluyen transcripción integrada y, para muchas tareas, es todo lo que necesitas.

En un iPhone, la app Voice Memos transcribe las grabaciones en el propio dispositivo. Si tienes un iPhone 12 o más reciente con iOS 18 o posterior, abre una grabación, toca el icono del bocadillo de diálogo situado encima de los controles de reproducción y el texto aparece resaltando cada palabra en directo mientras se reproduce. Funciona por completo sin conexión, en unos diez idiomas, así que nada se sube a ningún sitio. Es una ventaja real de privacidad para cualquier cosa sensible.

En un Google Pixel, la app Recorder hace algo que Apple todavía no hace: transcribe en tiempo real mientras grabas, por completo en el dispositivo y sin conexión. Sin internet, sin cuenta, sin coste. La contrapartida es que es exclusiva de Pixel, así que si tienes otro teléfono Android necesitarás otra vía.

Google Docs Voice Typing (dictado por voz) es el caballo de batalla gratuito para mucha gente. Abre un documento, ve a Herramientas > Dictado por voz (o pulsa Ctrl+Mayús+S en Windows, Cmd+Mayús+S en Mac) y habla. Es gratis, sin tope de minutos, y funciona sorprendentemente bien con un dictado limpio y pausado. Las limitaciones, con franqueza: apenas añade puntuación y está pensado para voz en directo, no para archivos. Para transcribir una grabación que ya tienes, la gente reproduce el audio en voz alta en un dispositivo mientras Docs escucha en otro, lo que funciona pero degrada la calidad.

La herramienta Transcribe de Microsoft Word es más capaz, pero no es gratis. Requiere una suscripción de pago a Microsoft 365 y conexión a internet. A cambio obtienes: subes un archivo (.mp3, .wav, .m4a o .mp4) y Word separa a los hablantes, añade marcas de tiempo y cubre más de 80 idiomas, hasta 300 minutos de audio subido al mes. Si ya pagas por Microsoft 365, es una de las mejores opciones escondidas a plena vista. Si no, pásala por alto. La función Dictate integrada en Word, en cambio, es gratuita y gestiona la conversión de voz a texto en directo.

Consejo: Ajusta la herramienta a la fuente. Las apps de grabación en el dispositivo (iPhone Voice Memos, Pixel Recorder) son las mejores para el audio que estás captando ahora mismo. Las herramientas basadas en subir archivos son las mejores para los archivos que ya tienes. Empeñarse en forzar a una herramienta de dictado en directo a transcribir un archivo guardado es donde la mayoría de la gente pierde una hora.

Transcriptores web gratuitos y herramientas de IA

Cuando las opciones integradas no encajan, un transcriptor basado en el navegador suele hacerlo. Subes un archivo, esperas unos minutos y descargas el texto. Son estas herramientas las que han hecho que la transcripción gratuita sea realmente utilizable en los últimos años, porque la mayoría ahora funcionan con modelos modernos de reconocimiento de voz en lugar de los motores torpes de hace una década.

Los planes gratuitos varían, así que conviene conocer su forma antes de elegir uno:

• Notta — 120 minutos gratis al mes, útil para grabaciones más largas ocasionales.
• Otter.ai — 300 minutos gratis al mes, fuerte en reuniones y captura en tiempo real.
• TurboScribe — tres archivos al día, de hasta 30 minutos cada uno, sin tope mensual.
• OpenAI's Whisper — gratuito y de código abierto, sin límite de minutos si no te importa ejecutarlo tú mismo, que es la pega para los usuarios no técnicos.

La mayoría acepta los formatos que cabría esperar (MP3, WAV, M4A, FLAC), con topes de tamaño de archivo que suelen rondar los 500 MB. Unas pocas admiten subidas de hasta 1 GB. La cifra con la que tropieza la gente es el límite de duración por archivo, que es distinto del total mensual. Una herramienta puede darte 120 minutos al mes y aun así atascarse con un único archivo de 90 minutos. Comprueba el límite por archivo antes de subir una grabación larga, no después de que falle.

El camino gratuito más fácil, paso a paso

Si solo quieres una transcripción limpia de una grabación con el mínimo esfuerzo, esta es la ruta que recomendaría a casi cualquiera. Aquí es donde un asistente de reuniones con IA como Laxis demuestra su valía en un caso concreto, y ya llegaré a eso, pero para un archivo de audio puntual, un transcriptor web gratuito es la jugada.

1. Prepara tu archivo. Asegúrate de que esté en un formato común (MP3, WAV o M4A). Si tu grabadora guardó algo exótico, la mayoría de las herramientas convierten al subir, pero MP3 es la apuesta segura.
2. Elige un transcriptor gratuito que se ajuste a la duración de tu archivo. Para cualquier cosa de menos de 30 minutos, el plan gratuito de TurboScribe es rápido. Para un único archivo más largo, los 120 minutos gratis mensuales de Notta te dan más margen.
3. Súbelo y establece el idioma. Este único paso importa más de lo que la gente cree. Indicarle a la herramienta el idioma hablado correcto de entrada mejora la precisión de forma medible, sobre todo en audio que no esté en inglés.
4. Espera y luego revisa. La transcripción suele tardar una fracción de la duración del audio. Cuando termine, lee el primer minuto contrastándolo con el audio para detectar errores sistemáticos: nombres mal entendidos, jerga, una palabra mal transcrita recurrente.
5. Depura y exporta. Corrige el puñado de errores, añade a mano las etiquetas de hablante si la herramienta gratuita no lo hizo, y exporta a texto, Word o SRT.

Eso es todo. Para audio limpio de un solo hablante, tardarás más en leer esta lista que en hacerlo.

Qué determina realmente la precisión

Esta es la parte que separa una transcripción utilizable de un desastre, y no tiene casi nada que ver con la herramienta que elegiste. Todos los transcriptores modernos usan por debajo una tecnología de reconocimiento de voz más o menos similar. Lo que varía enormemente es el audio que le das.

Con audio limpio de un solo hablante grabado con un micrófono decente, espera una precisión de alrededor del 85 al 95 por ciento. Los mejores motores alcanzan del 95 al 98 por ciento en grabaciones de calidad de estudio. Pero con audio del mundo real, las cifras se desploman y a menudo caen por debajo del 80 por ciento. Ese 20 por ciento de tasa de error puede estar bien para una nota de voz personal y ser un desastre para cualquier cosa que vayas a citar o publicar.

Cuatro cosas causan la mayor parte del daño:

Ruido de fondo

El mayor destructor de la precisión. El zumbido del aire acondicionado, el tráfico, una cafetería, el viento sobre el micro de un teléfono. En cuanto el ruido se vuelve alto en relación con el habla, el motor empieza a adivinar.

Distancia y calidad del micrófono

Un micrófono a seis o doce pulgadas del hablante capta toda la voz. El micrófono de un portátil al otro lado de la sala capta una versión endeble y con eco que al motor le cuesta procesar.

Interferencias y hablantes solapados

Cuando dos personas hablan a la vez, el modelo en realidad solo puede seguir a una. El audio con varios hablantes es muchísimo más difícil que una sola voz.

Acentos y jerga

Los acentos marcados, los términos técnicos y los nombres propios son donde incluso las buenas herramientas patinan. Establecer el idioma y el dialecto correctos ayuda, pero cuenta con corregir los nombres a mano.

Fíjate en que tres de esos cuatro son cosas que controlas antes siquiera de pulsar grabar. Lo que nos lleva a la mejora más rentable que puedes hacer.

El consejo que supera a cualquier software: Un micrófono USB de 30 dólares mejorará la precisión de tu transcripción más que cambiar a cualquier herramienta de transcripción premium. El motor solo puede trabajar con el audio que se le da, y una señal limpia de un micrófono cercano y decente hace más que toda la astucia de la IA aplicada a una grabación turbia de portátil.

Segundo puesto, gratis: acerca el micrófono y elimina el ruido. Ponte a menos de un pie del hablante, cierra la ventana, apaga el ventilador. Diez segundos de preparación te ahorran veinte minutos de correcciones.

Etiquetas de hablante, archivos largos y el techo de las herramientas gratuitas

Dos limitaciones aparecen constantemente con la transcripción gratuita, y ambas conviene conocerlas antes de comprometerte con un flujo de trabajo.

La primera son las etiquetas de hablante, técnicamente llamada diarización, es decir, averiguar quién dijo qué. Es la primera función que los planes gratuitos tienden a quitar. Muchos transcriptores gratuitos te entregan un muro de texto ininterrumpido sin ninguna indicación de los hablantes. Incluso cuando se incluye la diarización, ronda entre el 80 y el 95 por ciento de precisión y tropieza con el habla solapada y las voces de timbre parecido. Si estás transcribiendo una entrevista de dos personas y necesitas separar con claridad «Entrevistador» e «Invitado», confirma que la herramienta lo hace de verdad en el plan gratuito antes de fiarte de ella.

La segunda es la duración. A los planes gratuitos les encanta limitar la duración por archivo. Puede que una grabación de tres horas haya que dividirla en fragmentos, o que sencillamente supere lo que un plan gratuito permite al mes. No hay nada de malo en dividir un archivo largo, pero cuéntalo de antemano.

Estos techos son justo la razón por la que las reuniones y las llamadas de ventas son harina de otro costal frente a un archivo de audio puntual. Si transcribes conversaciones que tienes con regularidad, un flujo de trabajo de subir el archivo a posteriori cansa enseguida. Aquí es donde un asistente de reuniones con IA como Laxis, creado a propósito, cambia la forma del problema: se une a tu llamada de Zoom, Google Meet o Teams, transcribe en tiempo real, etiqueta a cada hablante a medida que habla y te entrega un resumen con tareas y decisiones cuando termina la llamada. No te quedas con un muro de texto que depurar. Te quedas con notas que de verdad puedes usar, y que se sincronizan directamente con HubSpot o Salesforce. Para un archivo de audio cualquiera, un transcriptor gratuito es lo adecuado. Para las llamadas que tienes cada semana, la captura en tiempo real con etiquetas de hablante integradas es otro nivel de utilidad.

En resumen

El giro interesante es que la transcripción dejó de ser la parte difícil. Los motores son lo bastante buenos como para que el cuello de botella se haya movido aguas arriba, a los diez segundos de reflexión antes de grabar. Acerca el micrófono, silencia la sala, nombra el idioma, y cualquier herramienta gratuita te entregará algo limpio. Sáltate todo eso y ningún software premium salvará la grabación. Trata la captación con un poco de cuidado y rara vez tendrás que pensar en la transcripción.

Preguntas frecuentes

¿Cuál es la mejor forma gratuita de transcribir audio a texto?

Para una grabación que ya tienes, subirla a un transcriptor de IA gratuito como Notta (120 minutos gratis al mes) o TurboScribe (tres archivos al día, de hasta 30 minutos cada uno) suele ser la vía más rápida y admite la mayoría de los formatos de audio. Si ya estás en el ecosistema de Google, Google Docs Voice Typing es realmente gratuito, sin tope de minutos. En un iPhone 12 o más reciente con iOS 18 o posterior, la app Voice Memos transcribe en el dispositivo gratis y sin necesidad de subir nada.

¿Es gratuita la función Transcribe de Microsoft Word?

No. La herramienta Transcribe de Word requiere una suscripción de pago a Microsoft 365 y conexión a internet. Limita el audio subido a 300 minutos al mes, admite archivos .mp3, .wav, .m4a y .mp4, y cubre más de 80 idiomas. Es una opción sólida si ya pagas por Microsoft 365, pero no está disponible en las versiones gratuitas web ni solo de escritorio de Word.

¿Qué precisión tiene la transcripción de audio gratuita?

Con audio limpio de un solo hablante grabado con un micrófono decente, espera una precisión de aproximadamente el 85 al 95 por ciento, y los mejores motores pueden alcanzar del 95 al 98 por ciento en grabaciones de calidad de estudio. Con audio del mundo real, desordenado, con ruido de fondo, interferencias o acentos marcados, la precisión a menudo cae por debajo del 80 por ciento. La calidad del audio importa más que la herramienta que elijas.

¿Pueden las herramientas de transcripción gratuitas etiquetar quién dijo qué?

A veces, pero es la primera función que se pone tras un muro de pago. El etiquetado de hablantes, llamado diarización, ronda entre el 80 y el 95 por ciento de precisión y tiene dificultades con el habla solapada y las voces de timbre parecido. Muchos planes gratuitos devuelven un bloque de texto ininterrumpido sin ninguna etiqueta de hablante, así que si saber quién dijo qué es importante, comprueba que la herramienta admite la diarización antes de fiarte de ella.

¿Qué formatos de audio y duraciones de archivo aceptan los transcriptores gratuitos?

La mayoría de los transcriptores gratuitos aceptan MP3, WAV, M4A y FLAC, con topes de tamaño de archivo que suelen rondar los 500 MB. Los límites de duración varían mucho: algunos planes gratuitos se detienen en 15 minutos por archivo, TurboScribe permite 30 minutos por archivo tres veces al día, y unas pocas herramientas te dejan subir archivos de hasta 1 GB. Para una grabación larga, comprueba el límite por archivo antes de empezar y no después.