Cómo transcribir audio a texto paso a paso: del MP3 al texto con hablantes y tiempos
Para transcribir audio a texto, sube el archivo a FilmScribe tal cual: MP3, WAV, M4A, OGG u OPUS, sin convertirlo. En minutos recibes el texto palabra por palabra, con los hablantes separados y los tiempos. Revisa escuchando, corrige nombres y términos y exporta en TXT, PDF o SRT. La prueba de 3 días pide tarjeta.
Paso a paso
- 01 Sube el archivo de audio En FilmScribe, elige la grabación en MP3, WAV, M4A, OGG, OPUS u otro formato aceptado, tal como salió de la grabadora o del celular.
- 02 Indica el tipo de contenido y marca el fragmento Elige el tipo, como podcast, entrevista o reunión. Si solo importa una parte, marca el intervalo: solo ese tramo se procesa y cuenta en tus horas.
- 03 Recibe la transcripción Transcribimos palabra por palabra, con el tiempo de cada palabra, los hablantes separados y el idioma detectado solo.
- 04 Revisa escuchando Haz clic en la frase para oír ese tramo y corrige nombres propios, siglas y términos técnicos en el mismo texto.
- 05 Exporta en el formato correcto TXT para documentos, PDF para leer, SRT para subtítulos y MP3 del fragmento que marcaste.
En esta guía
- En resumen
- Cómo transcribir audio a texto en FilmScribe
- ¿Qué cambia cuando el archivo es solo de audio?
- ¿Qué formatos de audio se pueden transcribir? MP3, WAV, M4A, OGG y OPUS
- ¿Cómo saber quién habló y en qué minuto?
- ¿En qué formato exportar la transcripción: TXT, PDF o SRT?
- ¿Cómo afecta la calidad del audio a la transcripción?
- ¿Cómo transcribir un audio largo, de más de una hora?
- ¿Cómo transcribir un audio en el celular?
- Audio en otro idioma: ¿transcribir o traducir?
- ¿Transcribir un audio es lo mismo que dictar por voz?
- ¿Se puede transcribir audio a texto gratis? Las opciones y sus límites
- Errores comunes al transcribir un audio
- Preguntas frecuentes
- Fuentes
Transcribir audio a texto es llevar a la pantalla todo lo que se dijo en una grabación: la entrevista que quedó en la grabadora, el episodio del podcast, la reunión, la clase, la nota de voz. El archivo puede ser MP3, WAV, M4A, OGG u OPUS. El trabajo siempre es el mismo: oír cada palabra, saber quién la dijo y anotar cuándo.
En FilmScribe, subes el archivo tal cual y te devolvemos la transcripción palabra por palabra, con el tiempo de cada palabra y los hablantes separados. Esta guía muestra el paso a paso, qué cambia cuando el archivo es solo de audio, qué conviene saber de cada formato, cómo exportar y qué le hace la calidad de la grabación al texto. Si solo quieres subir el archivo ya, empieza por la página de transcribir audio a texto gratis: te lleva a la prueba de 3 días, que pide tarjeta.
En resumen
- Sube el audio tal cual: MP3, WAV, M4A, AAC, OGG, OPUS o WEBM, de hasta 10 GB, sin convertirlo antes.
- Transcribimos palabra por palabra, con tiempos, hablantes separados y el idioma detectado solo, entre más de 90 idiomas.
- Un archivo de audio tiene transcripción, capítulos y emociones en todos los planes, y ganchos y guiones en Studio y Agency. No tiene la página Cortes ni subtítulos quemados, que necesitan video.
- La calidad de la grabación pesa más que el formato del archivo. Revisa escuchando antes de publicar.
- Exporta según el destino: TXT para documentos, PDF para leer, SRT para subtítulos.
Cómo transcribir audio a texto en FilmScribe
1. Sube el archivo de audio
En el área de carga, elige la grabación. Entran MP3, WAV, M4A, AAC, OGG, OPUS y WEBM, tal como salieron de la grabadora, del celular o de la app de mensajes. Cada archivo puede pesar hasta 10 GB y no hay límite de duración: lo que cuenta son las horas de tu plan. Mira los formatos aceptados.
2. Indica el tipo de contenido y marca el fragmento
Elige el tipo de contenido, como podcast, entrevista, reunión, clase o narración. Eso orienta lo que buscamos en la grabación. Si solo importa una parte, marca el inicio y el final antes de procesar: solo ese tramo se transcribe y solo él cuenta en tus horas.
3. Recibe la transcripción palabra por palabra
Transcribimos con el tiempo de cada palabra y separamos las frases por persona, en todos los planes. El idioma se detecta solo. Cuando la carga termina, puedes cerrar la página: te avisamos por correo cuando el archivo esté listo. Mira transcripción y hablantes.
4. Revisa escuchando
El reproductor avanza y la palabra dicha se resalta. Haz clic en cualquier frase y el audio salta a ella. Un nombre, una sigla, un término técnico: si algo salió distinto de lo que se dijo, corrígelo ahí mismo. La corrección vale para el texto en pantalla y para todas las exportaciones, y siempre puedes volver al original. Busca cualquier palabra en el archivo, filtra por persona y marca tus frases favoritas.
5. Exporta
TXT y PDF para leer, SRT para subtítulos, con preajustes de TV, Netflix y YouTube, y MP3 del archivo completo o solo del fragmento que marcaste (descargar fragmentos). Al exportar eliges si el nombre del hablante y el tiempo van en el texto.
¿Qué cambia cuando el archivo es solo de audio?
La transcripción es la misma que la de un video. Lo que cambia es lo que viene con ella:
| Lo que buscas | En un archivo de audio | En un archivo de video |
|---|---|---|
| Transcripción con tiempos y hablantes | Sí, en todos los planes | Sí, en todos los planes |
| Capítulos y emociones | Sí, en todos los planes | Sí, en todos los planes |
| Pestaña Ganchos | Sí, en Studio y Agency | No: los clips automáticos hacen ese papel |
| Guiones | Sí, en Studio y Agency | Sí, en Studio y Agency |
| Página Cortes, con clips verticales | No | Sí |
| Subtítulos quemados en la imagen | No, porque no hay imagen | Sí, en los clips |
| Subtítulos en SRT | Sí | Sí |
| Descarga de un fragmento | MP3 | MP3 o MP4 |
| Línea de tiempo cortada para tu editor | Sí, en Studio y Agency | Sí, en Studio y Agency |
Tres puntos para tener presentes:
- La pestaña Ganchos solo existe en audio. En Studio y Agency, muestra las frases que atrapan, con nota de 0 a 100, tipo, motivo y tiempos. Así encuentras el tramo fuerte de un podcast sin volver a escucharlo todo. Mira ganchos narrativos.
- Las emociones salen de lo que se dijo. Leemos el texto transcrito, no el tono de voz. Un tramo sin habla no recibe emoción.
- Un clip vertical necesita imagen. Si la grabación existe en video, sube el video: la transcripción es la misma y además tienes la página Cortes. La guía de cómo transcribir un video a texto muestra ese flujo.
¿Qué formatos de audio se pueden transcribir? MP3, WAV, M4A, OGG y OPUS
Todos los formatos comunes entran sin conversión. Lo que cambia de uno a otro es el origen y el tamaño del archivo:
| Formato | De dónde suele venir | Qué conviene saber |
|---|---|---|
| MP3 | Podcasts, grabadoras digitales, descargas | Comprimido y liviano: una hora a 128 kbps pesa unos 58 MB |
| WAV | Grabadoras profesionales, consolas, estudios | Sin compresión: una hora en estéreo, con calidad de CD, pasa de 600 MB |
| M4A | Grabadora del celular, grabación de reuniones | Comprimido, con buena calidad en poco espacio |
| OGG | Notas de voz, algunas grabadoras | Comprimido; no todos los reproductores lo abren, pero nosotros sí |
| OPUS | Notas de voz de apps de mensajes | Creado para voz y música por internet, desde 6 kbit/s (RFC 6716) |
| AAC, WEBM | Grabadoras en línea, algunas apps | Se aceptan tal cual |
Cada formato tiene su propia página de carga, por si llegaste buscándolo: convertir MP3 a texto, convertir WAV a texto, convertir M4A a texto y convertir OGG a texto. Para notas de voz, la guía de cómo transcribir audios de WhatsApp muestra cómo sacar el archivo del celular.
Tres reglas prácticas sobre el formato:
- No conviertas antes de subir. Pasar un MP3 a WAV solo agranda el archivo. Lo que la compresión quitó no vuelve.
- FLAC no está en la lista. Pásalo por la herramienta gratis de convertir FLAC a MP3 y sube el MP3.
- Si el sonido está dentro de un video, sube el video. Transcribimos su audio de la misma forma. Solo vale la pena extraer el audio del video antes cuando el video pesa demasiado para tu conexión, sabiendo que un archivo de audio no tiene clips.
¿Cómo saber quién habló y en qué minuto?
Son dos marcas distintas, y las dos vienen listas.
Hablantes. Cada frase llega marcada con quién la dijo: Persona 1, Persona 2 y así, en todos los planes. Puedes filtrar la transcripción por persona para leer solo las respuestas del entrevistado, por ejemplo. En Studio y Agency, le pones nombre y color a cada persona, o nos pides que identifiquemos quién es quién: buscamos los momentos en que cada uno se presenta o lo llaman por su nombre y te sugerimos el nombre, con el fragmento que lo demuestra. El nombre elegido aparece en la transcripción, en los filtros y en las exportaciones. Un límite que conviene saber: no se puede dividir a un hablante en dos.
Tiempos. El tiempo se marca en cada palabra, no solo en cada frase. Al hacer clic en el tiempo de cualquier frase, el reproductor va hasta ahí. Eso es lo que te deja citar con precisión (“en el minuto 14 con 32 segundos”) y descargar en MP3 solo la respuesta que te interesa.
Una transcripción de audio con hablantes y tiempos se ve así:
[00:14:32] Conductora: ¿Cuál fue el error más caro del primer año?
[00:14:36] Raúl: Contratar antes de tener un proceso. Traje a tres personas
y ninguna sabía qué hacer el lunes.
[00:14:45] Conductora: ¿Y cómo lo arreglaste?
Para entrevistas de investigación, con sus reglas de cita, mira cómo transcribir una entrevista.
¿En qué formato exportar la transcripción: TXT, PDF o SRT?
Elige según a dónde va el texto:
| Formato | Para qué sirve | ¿Guarda el tiempo? |
|---|---|---|
| TXT | Pegar en un documento, abrir en Word, editar libremente | Puede incluir tiempos en el texto |
| Enviar a alguien para leer, imprimir o archivar | Puede incluir tiempos en el texto | |
| SRT | Subtítulos de un video hecho con ese audio | Sí, entrada y salida de cada frase |
| MP3 | El audio completo o solo el fragmento marcado | No aplica |
Al exportar decides si van el nombre del hablante y el tiempo, el ancho de línea del subtítulo (TV, Netflix, YouTube o personalizado) y los fotogramas por segundo.
Lo que no existe, para que no lo busques: exportación en DOCX, VTT, JSON o CSV, ni audio en WAV. El audio siempre sale en MP3. Los atajos:
- ¿Necesitas un .docx? Abre el TXT en Word y guárdalo como documento. La guía de cómo transcribir audio en Word explica la función Transcribir del propio Word y sus límites.
- ¿Necesitas VTT? El convertidor de subtítulos gratis pasa el SRT a VTT sin volver a procesar.
- ¿Solo quieres los subtítulos del audio? La página de convertir MP3 a SRT lleva a ese resultado, y la guía de cómo crear un archivo SRT explica el archivo por dentro.
El mismo fragmento del ejemplo de arriba, en SRT:
41
00:14:36,100 --> 00:14:39,400
Contratar antes de tener un proceso.
42
00:14:39,550 --> 00:14:44,800
Traje a tres personas y ninguna
sabía qué hacer el lunes.
¿Cómo afecta la calidad del audio a la transcripción?
Mucho. La precisión de la transcripción automática depende más de la grabación que del formato del archivo:
| Problema en la grabación | Qué pasa en el texto | Cómo resolverlo |
|---|---|---|
| Celular en medio de la mesa, lejos de la voz | Palabras cambiadas, frases bajas perdidas | Acerca la grabadora o usa un micrófono de solapa |
| Sala con eco | Sílabas que se pierden o se repiten | Graba en un cuarto pequeño, con cortinas o alfombra |
| Música, tele o calle de fondo | Tramos enteros ignorados | Apaga la fuente del ruido o cambia de lugar |
| Dos personas hablando a la vez | Frases mezcladas, hablante equivocado | Revisa esos tramos escuchando otra vez |
| Llamada o altavoz | Voz apagada, más palabras equivocadas | Graba en el equipo de quien habla, cuando se pueda |
| Volumen saturado | Palabras distorsionadas | Aleja el micrófono o baja la ganancia |
| Nombres propios, siglas y términos técnicos | Ortografía equivocada o palabra parecida | Corrige en el texto; la corrección vale para el resto |
Una prueba rápida: escucha un minuto de la grabación con audífonos. Si entiendes todo sin regresar, la transcripción va a necesitar pocas correcciones. Si tienes que repetir una frase para entenderla, en ese tramo se va a concentrar la revisión.
Antes de una grabación importante, graba diez segundos y escúchalos. La prueba de micrófono gratis muestra el nivel, el pico y el ruido de fondo. Para el proceso completo, de la grabación al texto, mira cómo grabar y transcribir audio.
Aun con buen audio, revisa. La guía del W3C sobre transcripciones recomienda reservar tiempo para corregir el texto generado automáticamente, porque una sola palabra que falte, como un “no”, puede invertir el sentido de la frase.
¿Transcripción literal o limpia?
La transcripción literal registra todo: “este”, “o sea”, repeticiones, risas. Según el W3C, es lo que piden las declaraciones judiciales. La limpia quita las muletillas y conserva el sentido, y es la más usada para leer, citar y publicar. Decide antes de revisar. Si el destino es un texto corrido, la herramienta gratis de limpiar transcripción quita los tiempos y los nombres de los hablantes y une las líneas en párrafos.
¿Cómo transcribir un audio largo, de más de una hora?
Súbelo tal cual. No hay límite de duración: el límite es de tamaño, 10 GB por archivo, y lo que cuenta son las horas de tu plan, de 10 a 35 al mes.
- ¿Solo importa una parte? Marca el fragmento antes de procesar. Solo ese tramo se transcribe y solo él cuenta en tus horas.
- ¿Estás en la prueba? La prueba trae 1 hora de material. Un audio más largo se transcribe hasta completar la hora, y el resto queda guardado para transcribirse después de suscribirte, sin volver a subirlo.
- ¿La grabación vino en varios archivos? En Agency subes hasta 20 audios de una vez y eliges entre una transcripción para cada uno o todo junto en una sola. En los otros planes, súbelos uno por uno y guárdalos en un proyecto, o une las partes antes con la herramienta gratis de unir audios.
- No hace falta quedarse esperando. Cuando la carga termina, cierra la página. Te avisamos por correo.
Nadie lee de corrido un texto de dos horas. Usa la búsqueda para saltar al tema, los capítulos para ver la grabación dividida por asunto y el filtro por persona para leer un solo lado de la conversación.
¿Cómo transcribir un audio en el celular?
Abre FilmScribe en el navegador del celular y elige el archivo guardado en el equipo. El proceso es el mismo que en la computadora.
Dos cuidados al subir desde el celular. Deja la página abierta hasta que la carga termine: cambiar de app o bloquear la pantalla la pausa, y continúa desde donde quedó cuando regresas. Y usa Wi-Fi para archivos grandes, como un WAV de una hora.
Revisar un texto largo es más cómodo en una pantalla grande. Una rutina que funciona: subir desde el celular justo después de grabar y revisar después en la computadora.
Audio en otro idioma: ¿transcribir o traducir?
Transcribe primero, en el idioma en que se habló. El idioma se detecta solo, entre más de 90 idiomas, y la transcripción sale en ese idioma. Con el original revisado, la traducción es más fiel: traducir directo del sonido suma el error de oír al error de traducir.
En Studio y Agency, traducimos la transcripción a 9 idiomas, con los mismos tiempos del original. Las grabaciones que mezclan idiomas piden más atención donde cambian. La guía de cómo traducir un audio explica el proceso completo.
¿Transcribir un audio es lo mismo que dictar por voz?
No, y la diferencia decide cuál te conviene.
Transcribir parte de una grabación que ya existe. Subes el archivo y recibes el texto completo, con quién habló y cuándo. Sirve para entrevistas, reuniones, clases, podcasts y cualquier conversación con más de una persona.
Dictar por voz es hablarle al micrófono y ver el texto aparecer mientras hablas, sin archivo, sin hablantes y sin tiempos. Sirve para escribir un mensaje, una nota o el borrador de un texto. Nuestra herramienta gratis de dictado por voz hace eso, y la guía de cómo dictar texto por voz lo explica paso a paso.
Lo que no funciona bien es mezclar los dos: reproducir la grabación en voz alta cerca del micrófono para que el dictado la “oiga”. El ambiente entra al texto, las voces se mezclan y la puntuación se pierde.
¿Se puede transcribir audio a texto gratis? Las opciones y sus límites
FilmScribe no tiene plan gratis. Lo que hay es la prueba, y otras herramientas resuelven los casos sencillos. Cada opción tiene su límite:
| Opción | Qué entrega | Límite |
|---|---|---|
| Prueba de FilmScribe | Tu archivo transcrito, con hablantes, tiempos y exportación | 3 días o 1 hora de material; pide tarjeta |
| Notas de voz del iPhone | La transcripción de las grabaciones hechas en la app, para ver y copiar | iPhone 12 o posterior, en algunos idiomas (el español entre ellos), y no en todos los países |
| Dictado por voz de Documentos de Google | Lo que dices al micrófono, escrito en el documento | Usa el micrófono de la computadora, no un archivo; Chrome, Edge y Safari actualizados |
| Transcribir, en Word | Un archivo cargado, con los hablantes separados | Suscripción a Microsoft 365; 300 minutos de audio cargado al mes; solo .wav, .mp4, .m4a y .mp3 |
| Escribir a mano | Cualquier grabación, con el cuidado que quieras | Toma varias veces la duración del audio |
En la prueba de FilmScribe, si cancelas desde la app antes de que terminen los 3 días, no se cobra nada. Si no cancelas, empieza la suscripción al plan que elegiste. La página de transcribir audio a texto gratis muestra lo que entrega la prueba y te lleva a subir el archivo.
Para una nota de dos minutos, la grabadora del celular alcanza. Para una entrevista de una hora, una reunión con cuatro voces o una nota de voz en OPUS, un formato que Word hoy no acepta, lo que pesa es el tiempo de revisión: un texto con hablantes separados y tiempo en cada palabra se revisa mucho más rápido que un bloque corrido.
Errores comunes al transcribir un audio
- No revisar. Ninguna transcripción automática debería ir directo a publicación. Una lectura escuchando el audio resuelve la mayoría de los errores.
- Convertir el archivo antes de subirlo. Cambiar de formato no mejora la grabación y te quita tiempo. Sube el original.
- Subir el audio cuando existe el video. El texto es el mismo, pero solo el video tiene clips verticales y subtítulos quemados.
- Grabar con el celular lejos. Un metro menos entre la boca y el micrófono vale más que cualquier arreglo posterior.
- Exportar sin tiempos y sin hablantes. El texto parece suficiente hasta que necesitas encontrar la frase en la grabación o saber quién la dijo.
- Reproducir la grabación para que el dictado la oiga. El dictado es para tu voz, en vivo. Una grabación ya hecha se transcribe desde el archivo.
Preguntas frecuentes
¿Se puede transcribir audio a texto gratis?
FilmScribe no tiene plan gratis. La prueba de 3 días con 1 hora de material, con tarjeta, transcribe tu audio real, con hablantes, tiempos y exportación en TXT, PDF y SRT; si cancelas antes de que termine, no se cobra nada. Sin pagar, la grabadora de algunos celulares transcribe sus propias grabaciones, en texto corrido.
¿Cómo transcribir un audio largo, de más de una hora?
Súbelo completo: no hay límite de duración, solo de tamaño (10 GB por archivo), y lo que cuenta son las horas de tu plan. Si solo importa una parte, marca el fragmento antes de procesar. En la prueba, un audio de más de 1 hora se transcribe hasta completar la hora y el resto queda guardado para cuando te suscribas.
¿Cómo pasar un MP3 u otro archivo de audio a texto?
Súbelo tal cual. MP3, WAV, M4A, AAC, OGG, OPUS y WEBM entran sin conversión, y eso cubre la grabadora del celular, la grabadora digital, la consola y las notas de voz. FLAC no está en la lista: conviértelo a MP3 antes. Pasar un MP3 a WAV no mejora el texto, porque lo que la compresión quitó no vuelve.
¿Se puede transcribir un audio con tiempos y saber quién habló?
Sí. Marcamos el tiempo de cada palabra y separamos las frases por persona en todos los planes, como Persona 1 y Persona 2. Al hacer clic en una frase, el reproductor salta a ese punto exacto de la grabación. Ponerle nombre a cada hablante y pedirnos que identifiquemos quién es quién está en Studio y Agency.
¿Transcribir un audio es lo mismo que dictar por voz?
No. Transcribir parte de una grabación ya hecha: subes el archivo y recibes el texto completo, con hablantes y tiempos. Dictar por voz es hablarle al micrófono y ver el texto aparecer al instante, sin archivo, sin hablantes y sin tiempos. Para entrevistas, reuniones o podcasts ya grabados, transcribe el archivo. Para escribir un mensaje o una nota hablando, dicta.
¿En qué formato exportar la transcripción del audio?
TXT para pegar en un documento o abrir en Word, PDF para quien solo va a leer y SRT cuando el texto se vuelve subtítulos de un video hecho con ese audio. El SRT trae preajustes de TV, Netflix y YouTube. No exportamos en DOCX ni en VTT: abre el TXT en Word o convierte el SRT.
¿Se pueden sacar clips o subtítulos de un archivo de audio?
Los clips verticales y los subtítulos quemados necesitan imagen, así que no existen en un archivo de audio. Lo que el audio sí tiene es transcripción, capítulos, emociones y descarga de fragmentos en MP3; en Studio y Agency, también la pestaña Ganchos y los guiones. El SRT sale igual. Si la grabación existe en video, sube el video.
Fuentes
La documentación oficial que confirma los números y las reglas de esta guía.
- 01Transcribir audio a texto (en inglés)(se abre en una pestaña nueva) · W3C WAI
- 02Transcribir las grabaciones(se abre en una pestaña nueva) · Microsoft
- 03Escribe y edita usando tu voz(se abre en una pestaña nueva) · Ayuda de Documentos de Google
- 04Ver una transcripción de las notas de voz en el iPhone(se abre en una pestaña nueva) · Apple
- 05RFC 6716: definición del códec de audio Opus (en inglés)(se abre en una pestaña nueva) · IETF