Cómo transcribir audio a texto: todos los métodos comparados (gratis, integrados y con IA)
Dzianis Kukareka, Fundador · Actualizado

Para transcribir audio a texto, entrega la grabación a una herramienta que acepte archivos: la función Transcribir de Microsoft Word (con Microsoft 365), la app de grabadora del móvil, ChatGPT o Gemini, una instalación local de OpenAI Whisper o un servicio de transcripción con IA. La escritura por voz de Google Docs y el dictado del Mac solo escriben lo que oyen por el micrófono en tiempo real, así que sirven para dictar, no para grabaciones que ya tienes. Como regla general: un archivo corto y una suscripción a Microsoft 365 apuntan a Word; una grabación hecha con el móvil, a su app integrada; y una grabación larga, con varios hablantes o en otro idioma, a un servicio de transcripción o a Whisper.
A continuación tienes todas las formas habituales de pasar audio a texto, con el límite con el que choca primero cada una. BlaBlaScribe, que publica esta guía, es una de las opciones, y enumeramos sus límites igual que los de los demás.
Cómo transcribir audio a texto: todos los métodos de un vistazo
| Método | ¿Acepta archivos? | Dónde funciona | Límite principal | Etiquetas de hablante | Coste |
|---|---|---|---|---|---|
| Escritura por voz de Google Docs | No, solo micrófono en directo | Chrome, Edge o Safari | Solo en tiempo real | No | Gratis |
| Transcribir de Microsoft Word | Sí: WAV, MP4, M4A, MP3 | Word para Microsoft 365 en Windows, Word para la web | 300 minutos de subida al mes | Sí (Hablante 1, Hablante 2) | Suscripción a Microsoft 365 |
| Notas de voz en iPhone o Mac | Sus propias grabaciones | En el dispositivo | No disponible en todos los países, regiones o idiomas | No documentado | Gratis |
| Dictado del Mac | No, solo micrófono en directo | En el Mac | Se detiene tras 30 segundos de silencio | No | Gratis |
| Grabadora de Pixel | Sus propias grabaciones | En el teléfono (volver a transcribir puede usar servidores de Google) | 15 idiomas en directo en Pixel 6 y posteriores | Pixel 6 y posteriores | Gratis |
| Grabadora de voz de Samsung (Galaxy AI) | Sus propias grabaciones | Teléfono Galaxy | Modelos Galaxy e idiomas compatibles | No documentado | Gratis en teléfonos compatibles |
| ChatGPT | Sí, en planes de pago | Nube de OpenAI | 512 MB por archivo de audio | Poco fiables, según OpenAI | Plan de pago de ChatGPT |
| App de Gemini | Sí | Nube de Google | 10 minutos de audio; 3 horas con Google AI Pro o Ultra | No documentado | Gratis, más con AI Pro o Ultra |
| Whisper (local) | Sí | Tu ordenador | Tu hardware: de 1 a 10 GB de VRAM aprox. según el modelo | No | Gratis (licencia MIT) |
| Servicio de transcripción con IA (p. ej., BlaBlaScribe) | Sí | Servidores del proveedor | Minutos del plan; 8 GB por archivo en BlaBlaScribe | Sí | Prueba gratuita, después minutos o un plan |
| Servicio de transcripción humana | Sí | Proveedor | Entrega en horas o días | Sí | El más alto por minuto |
Los límites se comprobaron en las páginas de ayuda de cada proveedor en noviembre de 2026. Esas páginas cambian a menudo, así que abre la página enlazada antes de fiarte de una cifra.
Si estás hablando ahora mismo, usa el dictado: Google Docs, tu Mac o el teclado del móvil.
Si la grabación ya está en tu móvil y es corta, prueba primero la app de grabadora integrada.
Si el archivo es largo, tiene varios hablantes o no está en inglés, usa un servicio de transcripción o Whisper.
Dictado o transcripción: ¿cuál necesitas?
El dictado convierte tu voz en texto mientras hablas. Hablas al micrófono, las palabras aparecen en el documento y las corriges sobre la marcha. Viene integrado en Google Docs, macOS y los teclados de iOS y Android, y es gratis.
La transcripción parte de una grabación que ya existe: una entrevista, una clase, una reunión, una nota de voz. Una buena transcripción incluye además marcas de tiempo e indica quién dijo qué, para que puedas localizar una cita y contrastarla con el audio.
El error habitual es reproducir una grabación por los altavoces junto a una herramienta de dictado. Funciona mal: la herramienta oye el eco de la sala en lugar de una voz limpia, tienes que escuchar toda la grabación en tiempo real y obtienes un único bloque de texto sin hablantes ni marcas de tiempo. Si tienes un archivo, usa una herramienta que acepte archivos.
Cómo transcribir audio a texto gratis
Puedes hacer una transcripción de audio a texto gratis con lo que ya tienes en tus dispositivos, siempre que aceptes la pega de cada herramienta.
| Opción gratuita | La pega |
|---|---|
| Notas de voz (iPhone, Mac) | Funciona con las grabaciones de la app; no está disponible en todos los países, regiones o idiomas |
| Grabadora de Pixel, Grabadora de voz de Samsung | Funciona con grabaciones hechas en la app; solo en teléfonos compatibles |
| App de Gemini sin suscripción | Hasta 10 minutos de audio en total por petición |
| Whisper en tu ordenador | Necesita Python y ffmpeg, un equipo potente y no tiene etiquetas de hablante |
| Planes gratuitos de servicios en línea | Un número limitado de minutos |
Hay dos cosas que parecen gratis y a menudo no lo son. La función Transcribir de Word forma parte de una suscripción a Microsoft 365, y ChatGPT solo acepta archivos de audio en los planes de pago. Para un repaso de los servicios gratuitos en línea y dónde se queda corto cada uno, consulta las mejores herramientas gratuitas de transcripción con IA y sus límites reales.
BlaBlaScribe ofrece 30 minutos gratis una sola vez al registrarte: los archivos cortos se transcriben completos y, en los largos, ves los primeros 10 minutos.
Cómo transcribir audio a texto en Word
Microsoft Word puede transcribir una grabación subida con su función Transcribir. Según la página de ayuda de Microsoft, está disponible en Word para Microsoft 365 en Windows (inquilinos comerciales) y en Word para la web, donde solo funciona en Microsoft Edge y Chrome y necesita conexión a internet.
Abre un documento y ve a Inicio → el menú Dictar → Transcribir.
Elige Cargar audio y selecciona un archivo WAV, MP4, M4A o MP3.
Mantén abierto el panel Transcribir mientras trabaja (Microsoft indica que puede tardar más o menos lo mismo que dura el audio), cambia el nombre de los hablantes si hace falta y selecciona Agregar todo al documento.
Los límites: los suscriptores de Microsoft 365 disponen de 300 minutos de audio subido al mes (30.000 con una licencia de Microsoft Copilot), y Transcribir admite más de 80 configuraciones regionales. Los hablantes se separan y se etiquetan como Hablante 1, Hablante 2, etc., y puedes cambiar el nombre de una etiqueta en todo el documento a la vez. Microsoft no indica un tamaño máximo de archivo.
¿Se puede transcribir audio en Word para Mac?
La página de ayuda de Microsoft documenta Transcribir para Word en Windows y Word para la web, y no menciona Word para Mac. En un Mac, la vía documentada es Word para la web en Chrome o Edge.
Cómo transcribir audio a texto en Google Docs
Google Docs tiene escritura por voz, no transcripción de archivos. Abre un documento, ve a Herramientas → Escritura por voz y haz clic en el micrófono. Funciona en las versiones actuales de Chrome, Edge y Safari, y la lista de idiomas de Google tiene unas 120 entradas, contando las variantes regionales. Los comandos de voz como «nuevo párrafo» solo funcionan en inglés, y un administrador de Workspace puede desactivar la función (Ayuda de los Editores de Documentos de Google).
La página de ayuda de Google describe solo la entrada por micrófono, sin opción para subir un archivo de audio. Para llevar una grabación a Docs, transcríbela en otro sitio y pega el texto, o exporta un DOCX y ábrelo en Docs.
Cómo transcribir audio a texto en iPhone
Notas de voz
Notas de voz puede mostrar la transcripción de una grabación. Abre la grabación, consulta su transcripción y búscala o selecciona y copia el texto en otra app. Apple advierte que la transcripción de audio no está disponible en todos los países o regiones (guía de Notas de voz de Apple), y la función depende de tu dispositivo y de tu idioma, así que consulta el Manual de uso del iPhone de Apple para tu modelo.
Dictado en el teclado
La tecla del micrófono del teclado del iPhone es el dictado: escribe lo que dices en directo. No transcribe archivos.
Para grabaciones largas o archivos que no se crearon en Notas de voz (una nota de voz que guardaste desde una app de mensajería, un M4A que alguien te envió por correo), sube el archivo a un servicio. Una herramienta para pasar una nota de voz a texto acepta el M4A tal cual.
Cómo transcribir audio a texto en Mac
El dictado del Mac se activa en Ajustes del Sistema → Teclado → Dictado. Lo inicias con la tecla del micrófono, tu atajo de dictado o Edición → Iniciar dictado. Apple dice que puedes dictar textos de cualquier longitud sin límite de tiempo, pero el dictado se detiene tras 30 segundos sin voz y no está disponible en todos los idiomas o regiones (guía de dictado de Apple). No abre archivos de audio.
Para archivos en un Mac, Notas de voz muestra la transcripción de las grabaciones de la app (con la misma salvedad regional), y todo lo demás pasa por Word para la web, Whisper o un servicio de transcripción.
Cómo transcribir audio a texto en Android (Pixel y Samsung)
Google Pixel: Grabadora
La app Grabadora de Pixel transcribe mientras grabas. Según la ayuda de Google Pixel, la transcripción en directo cubre 8 idiomas en los Pixel 3 a Pixel 5a y 15 en Pixel 6 y posteriores. Puedes volver a transcribir una grabación en unos 40 idiomas más, pero Google advierte de que esa nueva transcripción puede procesar el audio en servidores de Google. Las etiquetas de hablante requieren un Pixel 6 o posterior, y los resúmenes, un Pixel 8 o posterior. La página de ayuda no describe cómo importar archivos de audio de otras fuentes.
Samsung Galaxy: Grabadora de voz con Galaxy AI
En los teléfonos Galaxy con Galaxy AI, abre una grabación en Grabadora de voz, toca el icono Asistente de transcripción en la parte superior y luego toca Transcribir (soporte de Samsung). Los idiomas adicionales se descargan desde el mismo menú, y la lista depende de tu región y de la versión de software.
Otros teléfonos Android
Las apps de grabación de otras marcas varían, y el micrófono del teclado es dictado, no transcripción de archivos. Para un archivo guardado, usa un servicio de transcripción, Gemini o Whisper en un ordenador.
¿Pueden ChatGPT o Gemini convertir audio a texto?
Sí, ambos pueden, con límites.
ChatGPT. El artículo de OpenAI sobre cómo subir archivos y audio a ChatGPT indica que la subida de audio está disponible con suscripciones de pago y espacios de trabajo, no en el plan Free. Los archivos de audio pueden ocupar hasta 512 MB en WAV, MP3, OGG, WebM solo audio, PCM, FLAC, AAC, M4A o MP4 solo audio. Los archivos identificados como vídeo se rechazan, las grabaciones muy largas pueden agotar el tiempo de espera, y OpenAI advierte de que las transcripciones pueden contener errores y la identificación de hablantes puede no ser fiable.
Gemini. La ayuda de Gemini Apps de Google indica que la duración total del audio puede ser de hasta 10 minutos, o hasta 3 horas con Google AI Pro o Ultra, y que puedes subir hasta 10 archivos en una misma petición.
Ambos devuelven la transcripción como respuesta en el chat. Las marcas de tiempo y las etiquetas de hablante dependen de cómo formules la petición y no están garantizadas, y en archivos largos un modelo de lenguaje puede saltarse o parafrasear fragmentos. Eso sirve para captar la idea de una nota de voz, pero es arriesgado para citas, subtítulos o cualquier cosa que vayas a publicar. No hemos hecho nuestras propias pruebas de precisión para este artículo, así que no damos porcentajes.
Cómo transcribir audio a texto en local con Whisper
OpenAI Whisper es un modelo de reconocimiento de voz de código abierto que puedes ejecutar en tu propio ordenador, de modo que el audio nunca sale de él. El repositorio de Whisper publica el código y los pesos del modelo con licencia MIT. Necesitas Python y ffmpeg, y una tarjeta gráfica ayuda mucho.
| Modelo | VRAM necesaria | Velocidad relativa |
|---|---|---|
| tiny | ~1 GB | ~10x |
| base | ~1 GB | ~7x |
| small | ~2 GB | ~4x |
| medium | ~5 GB | ~2x |
| turbo | ~6 GB | ~8x |
| large | ~10 GB | 1x |
Las cifras proceden del README de Whisper y se midieron con voz en inglés. El modelo turbo es el predeterminado y no está entrenado para traducir. OpenAI señala que el rendimiento de Whisper varía mucho según el idioma, y el README no incluye etiquetas de hablante, así que obtienes texto y marcas de tiempo, pero no quién dijo qué.
Si eres desarrollador, la API de voz a texto alojada de OpenAI acepta archivos de hasta 25 MB por solicitud. Marca whisper-1 y los modelos de transcripción gpt-4o como obsoletos, con fecha de retirada el 26 de febrero de 2027, y recomienda gpt-transcribe. Para ver cómo se compara en la práctica Whisper en local con las herramientas de pago, consulta Whisper frente a las herramientas de transcripción de pago.
¿Cuál es la mejor forma de transcribir audio a texto?
Con grabaciones de más de media hora, con varias personas hablando o en un idioma distinto del inglés, las herramientas integradas llegan a sus límites: minutos al mes, una lista corta de idiomas, sin etiquetas de hablante o archivos que no abren. Ahí un servicio de transcripción o Whisper es la mejor vía.
Qué comprobar en un servicio de transcripción
Formato y tamaño. ¿Acepta tu archivo tal cual o tienes que convertirlo? Consulta qué formato de audio es mejor para transcribir.
Tu idioma. Revisa la lista de idiomas, no solo cuántos son.
Etiquetas de hablante. Imprescindibles para entrevistas y reuniones.
Marcas de tiempo y exportaciones. TXT o DOCX para documentos, SRT o VTT para subtítulos.
Privacidad. Dónde se procesa el audio, cuánto tiempo se conserva y si se usa para entrenar IA.
Precio por hora de audio, no por mes.
La calidad del audio importa más que la herramienta, y por eso la precisión de la transcripción con IA varía tanto de un archivo a otro. Para comparar servicios de pago, consulta el mejor software de transcripción con IA.
En BlaBlaScribe subes un archivo de hasta 8 GB, eliges entre más de 120 idiomas y obtienes una transcripción con etiquetas de hablante y marcas de tiempo por palabra, que puedes exportar como TXT, DOCX, SRT o VTT. Los archivos se procesan en servidores en Alemania y no se usan para entrenar IA. Los límites: no acepta FLAC ni AVI, así que conviértelos antes; la cuenta gratuita solo exporta SRT y TXT; y las transcripciones completas de archivos largos requieren un paquete de minutos (desde $5 por 50 minutos) o un plan desde $14 al mes (precios). Si te encaja, la herramienta de audio a texto es donde se sube el archivo.
Cómo transcribir audio con varios idiomas
La mayoría de las herramientas esperan un idioma por archivo, y lo eliges antes de empezar. Si los hablantes cambian de idioma a mitad de frase, la calidad baja en casi cualquier herramienta. Si cada persona habla un solo idioma, a menudo funciona mejor cortar la grabación en partes de un único idioma y transcribir cada una con el idioma correcto, o comprobar si tu herramienta tiene un modo de idiomas mixtos y probarlo antes con un fragmento corto.
Cómo transcribir audio a texto desde un vídeo o un enlace de YouTube
Un archivo de vídeo no es más que audio con imágenes, y la mayoría de las herramientas basadas en archivos aceptan MP4: Transcribir de Word, Gemini y los servicios de transcripción lo hacen. ChatGPT es la excepción, ya que su cargador de audio rechaza los archivos identificados como vídeo. Si solo necesitas el audio, un conversor gratuito de MP4 a MP3 lo extrae en tu navegador. Para vídeos que ya están en YouTube, consulta cómo obtener la transcripción de cualquier vídeo de YouTube.
Cómo transcribir audio a texto manualmente
La transcripción manual sigue teniendo sentido para clips muy cortos, para audio que ninguna herramienta maneja bien o cuando revisas un borrador automático línea por línea. La Iniciativa de Accesibilidad Web del W3C describe la práctica habitual:
Escribe lo que se dice sin corregir la gramática ni añadir palabras.
Usa el nombre completo de cada hablante la primera vez y, a partir de ahí, un solo nombre.
Describe entre paréntesis los sonidos relevantes que no son habla, como (risas) o (un portazo).
Marca lo que no consigas entender como [ininteligible].
Un formato sencillo que sigue esas reglas:
[00:00:00] María López: Gracias por venir. ¿Puedes empezar por tu puesto?
[00:00:06] James Carter: Claro. Dirijo el equipo de soporte (risas), los cuatro que somos.
[00:00:14] María: ¿Y cuánto tiempo llevas allí?
[00:00:16] James: Desde [ininteligible], así que unos seis años.
Reduce la velocidad de reproducción, usa un atajo de pausa para no apartar las manos del teclado y añade una marca de tiempo cada 30 a 60 segundos para poder encontrar los fragmentos después. Cuenta con varias horas de trabajo por cada hora de audio, más si la gente se pisa al hablar. El W3C también señala que la transcripción automática es un punto de partida razonable, pero hay que corregirla: basta con que falte una sola palabra, como «no», para invertir el significado.
¿Qué método deberías usar?
Estás dictando ahora: escritura por voz de Google Docs, dictado del Mac o el teclado del móvil.
La grabación está en tu móvil, es corta y en un solo idioma: Notas de voz, Grabadora de Pixel o Grabadora de voz de Samsung.
Tienes Microsoft 365 y menos de 300 minutos al mes: Transcribir de Word.
El audio no puede ir a la nube y tienes un ordenador potente: Whisper en local.
Grabación larga, varios hablantes o necesitas subtítulos o traducción: un servicio de transcripción.
Textos legales, médicos o de emisión en los que un error sale caro: un borrador automático más una revisión humana cuidadosa, o un servicio humano.
Para flujos de trabajo paso a paso, consulta cómo transcribir una entrevista y cómo transcribir una clase.
Preguntas frecuentes
¿Cuál es la forma más fácil de transcribir audio a texto?
Entrega el archivo a una herramienta que acepte grabaciones: Transcribir de Word si tienes Microsoft 365, la app de grabadora del móvil si grabaste con él o un servicio de transcripción con IA. Las herramientas de dictado, como la escritura por voz de Google Docs, necesitan que hables en directo.
¿Puedo transcribir audio a texto gratis?
Sí. Notas de voz, Grabadora de Pixel y Grabadora de voz de Samsung transcriben sus propias grabaciones, Whisper funciona gratis en tu ordenador y Gemini acepta hasta 10 minutos de audio sin suscripción. Los servicios en línea suelen ofrecer un número limitado de minutos gratis.
¿Puede Google Docs transcribir un archivo de audio?
No directamente. La escritura por voz escucha el micrófono en tiempo real, y la página de ayuda de Google no describe ninguna subida de archivos. Transcribe el archivo en otro sitio y pega o importa el texto.
¿Puede ChatGPT transcribir audio?
Sí, en los planes de pago: puedes adjuntar un archivo de audio de hasta 512 MB, mientras que el plan Free no permite subir audio. OpenAI advierte de que las transcripciones pueden contener errores y la identificación de hablantes puede no ser fiable.
¿Cómo transcribo una grabación con varios hablantes?
Usa una herramienta con etiquetas de hablante, lo que también se llama diarización de hablantes: Transcribir de Word, Grabadora de Pixel en un Pixel 6 o posterior, o un servicio de transcripción. Después revisa las etiquetas en los puntos en los que la gente se interrumpe.
¿Es seguro subir grabaciones a un servicio de transcripción?
Antes de subir nada, comprueba dónde se procesan los archivos, cuánto tiempo se conservan y si se usan para entrenar IA. Para audio muy sensible, las apps que funcionan en el dispositivo o Whisper en tu propio ordenador mantienen la grabación fuera de servidores de terceros.
Convierte tus grabaciones en texto que puedas usar
Sube audio o video, pega un enlace de YouTube o graba desde el navegador, y en minutos tendrás una transcripción con los hablantes identificados, en más de 120 idiomas.
Prueba BlaBlaScribe gratisSin tarjeta · Almacenados en la UE · Nunca se usan para entrenar IA




