Basado en documentación oficial Precios y límites verificados el 2 de octubre de 2026 en las webs oficiales de cada herramienta. Pueden cambiar sin previo aviso. Cómo lo comprobamos
Aviso: este artículo no contiene enlaces de afiliación. Más info en nuestro Aviso legal y en nuestra metodología de trabajo.
Foto: JKizzieHumanities (Wikimedia Commons, CC BY-SA 4.0)
Entre apuntes grabados en clase y alguna entrevista para un trabajo de investigación, transcribir audio a mano es de las tareas más tediosas que existen. La herramienta que mejor te sirve depende sobre todo de un detalle: si necesitas transcribir mientras hablas o si ya tienes el audio grabado de antes.
Si necesitas transcribir mientras hablas: Google Docs
En Herramientas > Escribir por voz, Google Docs convierte lo que dices en texto en tiempo real, directamente en el documento (funciona en las últimas versiones de Chrome, Edge y Safari). No sirve para transcribir un audio ya grabado, pero es perfecta para dictar apuntes o un borrador rápido sin teclear una sola palabra.
Si ya tienes el audio grabado y quieres máxima precisión: Whisper
Whisper, de OpenAI, destaca por su precisión. Según OpenAI, se entrenó con 680.000 horas de audio en varios idiomas recogido de internet, lo que lo hace más fiable con acentos, ruido de fondo y lenguaje técnico, y en pruebas con audio variado comete un 50 % menos de errores que otros modelos especializados. En español funciona especialmente bien: en la tabla de errores por idioma que publica OpenAI, el español es el idioma con menos errores en la prueba FLEURS (un 2,8 % de palabras mal transcritas con el modelo large-v3, frente al 4,1 % del inglés). Su versión original requiere algo de instalación técnica, pero existen webs gratuitas que lo usan por detrás y te dejan subir un audio y descargar la transcripción sin complicarte con configuraciones. Por ejemplo, TurboScribe, desarrollado con Whisper, permite en su plan gratis 3 archivos al día de hasta 30 minutos cada uno.
Si prefieres no subir el audio a ninguna web, Buzz es una alternativa gratuita y de código abierto (licencia MIT) que usa Whisper para transcribir y traducir audio sin conexión, en tu propio ordenador. Funciona en Windows, Mac y Linux, y exporta las transcripciones a TXT, SRT y VTT. Según su documentación, las versiones actuales para Mac necesitan un chip de Apple (la 1.4.5 es la última para Mac con Intel) y el instalador de Windows no está firmado, así que el sistema mostrará un aviso al instalarlo.
Si es una entrevista con varias personas: Microsoft Word
Si tienes cuenta de Microsoft 365 (muchos centros educativos la dan a sus alumnos), Word incluye una función de «Transcribir» en Word para la Web (y en Word para Windows con Microsoft 365) que sube un audio y devuelve el texto con marcas de tiempo, separando automáticamente a las distintas personas que hablan («Orador 1», «Orador 2»…). Según Microsoft, con una suscripción a Microsoft 365 puedes transcribir hasta 300 minutos de audio subido al mes. No está disponible en la versión gratuita básica de Word sin esa cuenta.
Ver cómo transcribir en Word →
Si además quieres un resumen del contenido: Gemini Notebook (antes NotebookLM)
Aparece también en el artículo sobre resumir textos, y funciona en la dirección contraria: subes una grabación y le pides que la transcriba y además la resuma, organizando las ideas principales sin que tengas que leerte la transcripción completa después.
Si prefieres algo dedicado solo a esto: Notta
A diferencia de las anteriores, que son herramientas de propósito más amplio, Notta está pensada exclusivamente para transcripción. Transcribe 58 idiomas, incluido el español, e identifica a los distintos hablantes. Su plan gratuito da 120 minutos de transcripción al mes y 50 archivos subidos, pero con una limitación importante que no siempre se menciona: cada conversación está topada a solo 3 minutos. Eso lo hace poco práctico para transcribir de una vez una clase o entrevista completa (para eso, Word Transcribir o las webs basadas en Whisper aguantan grabaciones mucho más largas); donde Notta sí rinde es en notas de voz cortas o fragmentos puntuales.
Si vas a transcribir una entrevista para un trabajo académico
Si grabas y transcribes una entrevista para un trabajo de investigación, ten en cuenta que subir el audio a un servicio online significa que ese contenido pasa por los servidores de una empresa externa. Muchas veces no supone ningún problema, pero si la entrevista incluye información sensible o el entrevistado pidió confidencialidad, revisa antes la política de privacidad del servicio. Consulta también las normas de tu universidad: algunos comités de ética piden informar a la persona entrevistada de que la grabación se procesará con herramientas automáticas de transcripción, no solo de que se va a grabar.
| Tiempo real | Audio ya grabado | Distingue voces | Límite gratis | |
|---|---|---|---|---|
| Google Docs | Sí | No | No | Gratis, sin límite publicado (solo dictado en directo) |
| Whisper (vía webs gratuitas) | No | Sí | No, de serie | Varía según la web (TurboScribe: 3 archivos al día de hasta 30 min) |
| Word Transcribir | No | Sí | Sí | Requiere Microsoft 365: 300 min/mes de audio subido |
| Gemini Notebook | No | Sí | No consta | Hasta 50 fuentes por cuaderno (ver el selector de IA gratis) |
| Notta | Sí | Sí | Sí | 120 min/mes, pero solo 3 min por conversación |
Un detalle que mejora cualquiera de estas transcripciones
La calidad del audio original importa más de lo que parece: grabar cerca de quien habla, evitar sitios con eco o mucho ruido de fondo, y hablar con claridad marca una diferencia enorme en lo bien que transcribe cualquiera de estas herramientas. Si vas a grabar algo importante (una entrevista, una clase completa), merece la pena cuidar esto desde el principio, antes de fiarte de que la IA lo arregle después.
Un uso menos evidente: además de clases y entrevistas, estas herramientas sirven para transcribir tus propias notas de voz cuando se te ocurre una idea caminando y no puedes escribir en ese momento. Un audio corto se transcribe en segundos, mucho más rápido que intentar recordarlo todo de memoria más tarde.
Descubre más herramientas de este tipo en nuestra categoría de IA y productividad.
Si transcribes tus clases, seguramente también te interese nuestra comparativa de las mejores apps gratuitas para tomar apuntes. Lee más aquí.
Preguntas frecuentes
¿Cuál transcribe con más precisión?
Whisper es la opción con más datos publicados sobre su precisión. OpenAI afirma que se acerca a la precisión humana en el reconocimiento de voz en inglés y que comete alrededor de un 50 % menos de errores que otros modelos especializados al procesar audio variado, y en su tabla por idiomas el español es el que menos errores tiene en la prueba FLEURS. Para uso rápido, Word o Google Docs pueden bastar si el audio es claro y sin mucho ruido de fondo. Ninguna es perfecta al cien por cien, así que conviene revisar siempre el resultado, especialmente en nombres propios o términos técnicos.
¿Alguna distingue entre varias personas hablando?
Microsoft Word Transcribir sí diferencia automáticamente entre interlocutores, marcando quién dice qué, algo muy útil para entrevistas con más de una persona (con Microsoft 365, hasta 300 minutos de audio subido al mes). Notta también identifica a los hablantes, aunque en su plan gratis cada conversación se corta a los 3 minutos. Whisper en su configuración básica no separa voces automáticamente y necesita herramientas complementarias para eso (un proceso llamado diarización, que analiza las diferencias en el tono y timbre de voz para agrupar qué fragmentos pertenecen a la misma persona). Si transcribes sobre todo clases de un único profesor, esta diferencia no importa demasiado.
¿Puedo transcribir una clase grabada de una hora gratis?
Depende de la herramienta. Word Transcribir acepta archivos grabados hasta 300 minutos al mes con Microsoft 365. Las webs que usan Whisper tienen sus propios límites: TurboScribe, por ejemplo, admite gratis 3 archivos al día de hasta 30 minutos, así que una clase de una hora tendrías que dividirla en dos. Notta, en su plan gratis, corta cada conversación a los 3 minutos, y Google Docs solo funciona en tiempo real mientras hablas, no con audio ya grabado.
Si además grabas vídeo para tus clases o proyectos, aquí comparamos los mejores editores de vídeo gratuitos. Lee más aquí.
Una vez transcrito el audio a texto, puede interesarte resumirlo: aquí tienes las mejores apps de IA para resumir textos. Lee más aquí.
Si lo que buscas es ir un paso más allá y convertir esa transcripción en apuntes ya organizados, aquí tienes las mejores IA para crear apuntes automáticamente. Lee más aquí.
