Cómo transcribir un audio a texto (gratis y en minutos) — Guía 2026
Guía paso a paso para pasar un audio o vídeo a texto con IA, gratis. Formatos, idiomas, consejos para mejorar la precisión y cómo exportar a Word o subtítulos.
Equipo Sonorarium 3 min de lectura
Transcribir a mano una hora de audio lleva entre 4 y 6 horas. Con un buen modelo de reconocimiento de voz, el mismo trabajo se hace en unos minutos y tú solo tienes que revisar el resultado. En esta guía te explicamos cómo hacerlo gratis, qué formatos puedes usar y cómo conseguir la máxima precisión.
1. Prepara el archivo
Casi cualquier grabación sirve: MP3, WAV, M4A, OGG, OPUS, FLAC, MP4, MOV o WEBM. No necesitas convertir nada: si es un vídeo, extraemos el audio automáticamente.
- ¿Es un audio de WhatsApp? Guárdalo desde el chat (mantén pulsado → Compartir → Guardar en archivos) y súbelo tal cual. Tenemos una guía específica para transcribir audios de WhatsApp.
- ¿Es una reunión de Zoom o Teams? Descarga la grabación y sube el archivo de audio (M4A) para que la subida sea más rápida.
- ¿Es un vídeo para redes o YouTube? Súbelo directamente y descarga después los subtítulos. Más detalles en transcribir vídeo a texto.
2. Sube el audio y elige el idioma
Entra en la herramienta gratuita y arrastra el archivo. El idioma se detecta automáticamente, pero si lo eliges tú (por ejemplo, español) la precisión mejora un poco, sobre todo en los primeros segundos o si hay música de introducción.
Al crear tu cuenta tienes 15 minutos gratis, sin tarjeta. Para archivos más largos, compras un paquete de minutos.
3. Revisa y corrige
La IA acierta la inmensa mayoría de las palabras en audios con buena calidad, pero conviene revisar:
- Nombres propios y siglas: marcas, apellidos o términos técnicos poco comunes.
- Fragmentos con ruido: tráfico, música de fondo o varias personas hablando a la vez.
- Números: comprueba cifras importantes escuchando el fragmento.
En el editor, pulsa la marca de tiempo de cualquier frase para escuchar ese momento exacto del audio y corrige lo que necesites.
4. Descarga en el formato que necesites
- Word (DOCX): para informes, actas o entregar una entrevista transcrita.
- TXT: texto plano para pegar donde quieras.
- SRT y VTT: subtítulos con tiempos para YouTube, Premiere, DaVinci Resolve o CapCut. Mira nuestro generador de subtítulos SRT.
- JSON: con marcas de tiempo por segmento, para desarrolladores.
Consejos para una transcripción más precisa
- Graba cerca de la fuente: un móvil a 30 cm de quien habla suena mejor que una grabadora cara al otro lado de la sala.
- Evita el ruido de fondo: cierra ventanas y apaga ventiladores o música.
- Una persona cada vez: las interrupciones y solapamientos son lo que más errores provoca.
- Usa buena calidad: 128 kbps en MP3 o superior es más que suficiente.
¿Cuánto cuesta?
Además de los minutos gratuitos, puedes comprar paquetes de minutos sin suscripción: pagas una vez y los minutos no caducan. Consulta los precios. ¿Quieres comparar con otros servicios? En cuánto cuesta transcribir una hora de audio tienes cifras con su fuente y su fecha.
Preguntas frecuentes
¿Qué pasa con la privacidad de mis audios? Los archivos se transmiten cifrados, se eliminan automáticamente a los 7 días y nunca se usan para entrenar modelos.
¿Puedo transcribir audios en otros idiomas? Sí, más de 60: por ejemplo, inglés, portugués o francés.
¿Y si es una nota de voz del móvil? Sirve igual: el M4A del iPhone se sube tal cual. Cómo sacar el archivo del iPhone, de un Pixel o de un Samsung, y qué transcribe cada móvil por su cuenta, en cómo pasar a texto una nota de voz del móvil.
¿Puedo usar ChatGPT, Gemini o Copilot en lugar de un transcriptor? A veces. Según sus ayudas oficiales, a 4 de noviembre de 2026 ChatGPT admite audio solo en planes de pago y Gemini hasta 10 minutos en total; lo contamos con fuentes en ¿puede ChatGPT transcribir un audio?.