IA para transcribir audio a texto: las mejores de 2026

Transcribir a mano una entrevista de una hora puede llevar varias horas; con IA, unos minutos más el tiempo de revisión. La herramienta adecuada depende de tres cosas: si transcribes reuniones en directo o archivos ya grabados, cuántos minutos necesitas al mes y si el audio puede salir de tu ordenador. Comparamos las opciones más útiles en español con precios consultados en sus webs oficiales en octubre de 2026.

Resumen: qué herramienta usar en cada caso

• Audios sensibles o confidenciales (salud, abogacía, investigación): Whisper en tu propio ordenador, gratis y sin enviar nada a internet.
• Reuniones de Zoom, Teams o Meet con resumen automático: Otter o Notta.
• Entrevistas, pódcast y subtítulos con acabado profesional: Happy Scribe, que además ofrece revisión humana.
• Ya pagas Microsoft 365: la función Transcribir de Word, con 300 minutos de subida al mes incluidos.
• Tu empresa usa Google Workspace: las transcripciones de Google Meet, que se guardan solas en Drive.
• Desarrolladores que procesan miles de horas: la API de OpenAI o la de ElevenLabs.

Comparativa de precios y límites

Whisper: gratis, en local y muy bueno en español

Whisper es el modelo de reconocimiento de voz que OpenAI publicó como código abierto con licencia MIT, y sigue siendo la base de muchas aplicaciones de transcripción. Se ejecuta en tu propio ordenador, así que el audio nunca sale de él: es la opción más segura para grabaciones con datos de salud, clientes o fuentes periodísticas. El rendimiento varía según el idioma; en el gráfico por idiomas que publica el propio repositorio, el español figura entre los de menor tasa de error.

Tiene varios tamaños de modelo. Según su documentación, tiny y base necesitan alrededor de 1 GB de memoria de vídeo, medium unos 5 GB, large unos 10 GB y turbo (una versión optimizada de large-v3, unas 8 veces más rápida que large con una pérdida mínima de precisión) unos 6 GB. Para español, empieza con turbo si tu tarjeta gráfica lo permite y con small o medium si no.

Si te manejas con la terminal, el uso básico es una línea: whisper entrevista.mp3 --model turbo --language Spanish. Indicar el idioma evita errores de detección en los primeros segundos. Si prefieres una interfaz gráfica, hay aplicaciones gratuitas de terceros que usan Whisper por debajo; elige proyectos con código abierto y actividad reciente.

• A favor: gratis, privado, sin límite de minutos, exporta a subtítulos (SRT y VTT).
• En contra: no separa hablantes por sí solo, requiere algo de configuración y en ordenadores sin tarjeta gráfica es lento.

Otter y Notta: asistentes para reuniones

Otter se conecta a Zoom, Microsoft Teams y Google Meet, transcribe en directo, identifica a cada hablante y genera resúmenes y tareas. Según su centro de ayuda, transcribe en inglés, español, francés, alemán, japonés y chino simplificado, pero solo en un idioma a la vez: debes elegir el idioma antes de cada reunión (la única combinación automática documentada es francés-inglés). Su plan gratuito incluye 300 minutos al mes y solo 3 archivos importados en total; Pro cuesta 16,99 $ al mes (8,33 $ en pago anual), con 1.200 minutos y reuniones de hasta 90 minutos; Business, 30 $ (19,99 $ anual), sin límite de reuniones. Ficha: Otter.

Notta es una alternativa con dos ventajas para el público hispanohablante: la transcripción bilingüe (dos idiomas a la vez, útil en reuniones en español e inglés) y la transcripción en el dispositivo, sin que el audio salga del equipo. Además puede grabar sin que entre un bot a la llamada. El plan gratuito da 120 minutos al mes pero corta cada conversación a 3 minutos, así que en la práctica es solo de prueba; Pro cuesta 97,99 $ al año (8,17 $/mes) con 1.800 minutos mensuales y grabaciones de hasta 5 horas; Business, 199,99 $ al año por usuario con transcripción ilimitada.

Happy Scribe: transcripciones y subtítulos profesionales

Happy Scribe está orientada a periodistas, productoras, investigadores y equipos de formación. Transcribe y subtitula en más de 150 idiomas y dialectos, detecta hablantes, permite editar en equipo y exporta a DOCX, TXT, SRT y vídeo con subtítulos. Su diferencia frente al resto es que ofrece revisión humana desde 1,75 € por minuto cuando necesitas una precisión cercana al 99 % (actas, publicaciones, subtítulos para emisión).

Planes: gratuito con 10 minutos de prueba; Basic a 17 €/mes (8,50 € en pago anual) con 120 minutos al mes; Pro a 29 €/mes (19 € anual) con 600 minutos y 3 usuarios. Los minutos extra cuestan 0,20 €.

Word, Google Meet y otras opciones que quizá ya pagas

Microsoft Word (Transcribir). Con una suscripción de Microsoft 365 puedes subir archivos .wav, .mp4, .m4a o .mp3 y transcribirlos en Word, con hasta 300 minutos al mes (30.000 si tienes licencia de Microsoft Copilot). Admite más de 80 variantes de idioma, entre ellas español de España, México y Argentina, numera a los hablantes y te deja renombrarlos. Funciona en Edge y Chrome. Según Microsoft, el audio se guarda en una carpeta de tu OneDrive y el servicio no conserva ni el audio ni el resultado tras transcribir.

Google Meet. Las transcripciones están incluidas en Workspace Business Standard y Plus, Enterprise, algunas ediciones educativas y Workspace Individual, y admiten español. El documento se guarda en el Drive del organizador y se adjunta al evento del calendario. Es la opción más cómoda si tu empresa ya vive en Google, pero solo sirve para reuniones de Meet, no para archivos sueltos.

APIs para desarrolladores. La API de OpenAI ofrece gpt-transcribe a 0,0045 $ por minuto, whisper-1 a 0,006 $, un modelo con separación de hablantes (gpt-4o-transcribe-diarize) y transcripción en tiempo real a 0,017 $ por minuto. ElevenLabs incluye su conversión de voz a texto en la misma bolsa de créditos que la voz (330 créditos por minuto, con lo que su plan gratuito de 10.000 créditos da para unos 30 minutos). Si ya usas ChatGPT o Gemini, también puedes pegarles una transcripción para que la resuman o extraigan acuerdos.

Paso a paso: de la grabación a un acta revisada

Este es el flujo que recomendamos para una entrevista o una reunión importante, sea cual sea la herramienta:

1. Antes de empezar, informa a los asistentes de que vas a grabar y transcribir, y para qué.
2. Graba en el formato de mayor calidad que permita tu dispositivo y, si puedes, con un micrófono por persona.
3. Sube el archivo o conecta la herramienta a la reunión indicando el idioma (español) de forma explícita.
4. Añade al vocabulario personalizado los nombres propios, siglas y términos técnicos que vayan a aparecer.
5. Cuando termine, renombra a los hablantes y corrige primero lo que más importa: cifras, fechas, nombres y acuerdos.
6. Pide el resumen solo después de corregir: si resumes una transcripción con errores, el resumen los hereda.
7. Exporta a DOCX para el acta o a SRT si es para subtítulos, y borra el audio de la nube si ya no lo necesitas.

Con un audio limpio, la corrección de una hora de entrevista suele quedarse en una fracción del tiempo que llevaría transcribirla a mano. Con varias voces solapadas o mucho ruido, la revisión se alarga y puede compensar la revisión humana de servicios como Happy Scribe.

Calidad en español: qué influye y cómo medirla tú mismo

No publicamos «porcentajes de precisión» propios porque dependen enormemente del audio. Lo que más afecta, por este orden: la calidad de la grabación, el solapamiento de voces, el ruido de fondo, los acentos y el vocabulario técnico (nombres propios, siglas, términos médicos o jurídicos).

Para comparar herramientas con tus propios audios, haz esta prueba sencilla:

1. Elige tres fragmentos de 5 minutos representativos: uno limpio, uno con varias personas y otro con ruido o vocabulario técnico.
2. Transcribe a mano uno de ellos con cuidado: será tu referencia.
3. Pasa los tres por cada herramienta con la misma configuración de idioma.
4. Cuenta palabras erróneas, omitidas y añadidas frente a tu referencia y divide entre el total de palabras: obtienes una aproximación de la tasa de error (WER).
5. Valora también lo que no mide la cifra: puntuación, separación de hablantes, nombres propios y tiempo de corrección.

Trucos que mejoran el resultado en cualquier herramienta: graba con un micrófono cerca de cada interlocutor, evita que la gente hable a la vez, indica el idioma en lugar de dejar la detección automática y usa el vocabulario personalizado (Otter, Notta y Happy Scribe lo tienen) con nombres de personas, empresas y términos técnicos.

Privacidad y aspectos legales de grabar y transcribir

Una grabación de voz es un dato personal, y una transcripción también. Antes de subir audio a un servicio en la nube conviene revisar varias cosas:

• Avisa antes de grabar. En un entorno profesional, el RGPD obliga a informar a los participantes de que se graba y transcribe, con qué finalidad y quién accederá. Los bots de reunión como Otter o Notta se ven en la llamada, pero no sustituyen ese aviso.
• Revisa dónde se almacenan los datos y si el proveedor los usa para entrenar sus modelos. Busca en la configuración la opción de exclusión y, en empresas, un contrato de encargado del tratamiento.
• Datos especialmente sensibles (salud, menores, procedimientos judiciales): usa transcripción local con Whisper o la transcripción en el dispositivo de Notta.
• Borra lo que no necesites. Configura la eliminación automática de grabaciones antiguas.
• Más consejos generales en nuestra guía cómo proteger tu privacidad al usar chatbots de IA.

Errores típicos al transcribir con IA

• Fiarse del resumen automático sin leer la transcripción: los resúmenes pueden omitir matices o atribuir frases a quien no las dijo.
• Dejar el idioma en automático en reuniones mixtas: en Otter, por ejemplo, solo transcribe un idioma por reunión.
• Grabar con el micrófono del portátil en una sala grande: la mejora de calidad que da un micrófono de solapa barato es mayor que la diferencia entre herramientas.
• Pagar un plan anual sin probar con tus audios reales: casi todas ofrecen plan gratuito o de prueba.

Fichas de las herramientas citadas

Preguntas frecuentes

Fuentes consultadas

• OpenAI Whisper – repositorio oficial
• OpenAI – API Pricing
• Otter – Pricing
• Otter Help – Supported languages
• Notta – Pricing
• Happy Scribe – Pricing
• Microsoft – Transcribe your recordings
• Google Meet Help – Use transcripts

¿Has visto un precio desactualizado o un error? Escríbenos desde la página de contacto y lo revisamos. Consulta también cómo elaboramos nuestras guías.