Zoom guarda la transcripción de audio como archivo WebVTT, un formato de subtítulos pensado para reproductores de video. Cada pocos segundos de voz se convierten en un bloque numerado con hora de inicio y de fin, y cada bloque empieza con el nombre de quien habla. Eso sirve para subtítulos, pero cuesta leerlo como documento.
Esta herramienta quita los números de subtítulo y las líneas de tiempo, mantiene los nombres y une en un párrafo las líneas seguidas de una misma persona. Una reunión de una hora pasa de miles de fragmentos cortos a unas pocas decenas de intervenciones que se leen de principio a fin.
Zoom tiene dos transcripciones. La transcripción de audio sale de una grabación en la nube, que requiere una licencia de pago de Zoom, y solo si la opción «Crear transcripción de audio» está marcada en la configuración de grabación en la nube del portal web de Zoom. Aparece con los demás archivos de esa grabación en la página Grabaciones, como transcripción de audio, y se descarga como archivo terminado en .vtt. Las grabaciones locales guardadas en tu ordenador no la incluyen.
Desde mayo de 2026, Zoom tiene además un ajuste aparte de transcripción de la reunión, para un registro hecho durante la llamada, con sus propias reglas sobre cuánto tiempo se conserva y quién puede guardar una copia. Sea cual sea la transcripción que puedas descargar o copiar, arrastra el archivo o pega el texto en esta página.
Arrastra el archivo .vtt a esta página o pega su contenido en el recuadro. El resultado aparece al instante: un párrafo por intervención, cada uno empezando con el nombre del hablante. Desmarca los nombres de los hablantes para tener solo el texto, marca las marcas de tiempo para empezar cada párrafo con la hora en que se dijo, o desmarca la unión de líneas para conservar una línea por subtítulo.
Copia el texto en un documento o un correo, o descárgalo como archivo .txt con el nombre de tu archivo VTT. También puedes abrir el VTT en un editor de texto y borrar las líneas de tiempo a mano, pero en una reunión larga tardarías mucho más de lo que duró la grabación.
Pocos leen hasta el final una transcripción de Zoom en bruto. Las marcas de tiempo cortan cada frase y la respuesta de una persona queda repartida en una docena de subtítulos. Una transcripción limpia es más corta, más fácil de citar y más fácil de revisar para encontrar el momento en que alguien tomó una decisión.
También funciona mejor con herramientas de IA. Si pegas un archivo VTT en un chatbot, buena parte de su contexto se va en números y horas. Con párrafos limpios y con nombres, recibe la conversación en sí, y el resumen o la lista de tareas pendientes sale más preciso.
Esta herramienta funciona en tu navegador. El archivo se lee y se convierte en tu propio ordenador o teléfono, y no se sube nada a Laxis ni a ningún otro sitio. Cierra la pestaña y el texto desaparece.
Esto importa porque las transcripciones de reuniones suelen contener nombres de clientes, cifras y planes que no deberían acabar en el servidor de un desconocido. La página no necesita cuenta, así que limpias una transcripción en unos segundos y sigues con lo tuyo.