Audiovisual & IAtranscripcion
IA para transcribir audios largos gratis: 3 opciones
Compara tres formas de transcribir audios largos gratis con IA: conoce límites publicados, cuándo trabajar en local y cómo revisar y exportar el texto.
- Autor: humAIns
- 10 min de lectura
índice · 8 apartados
Para transcribir audios largos con IA gratis, las opciones prácticas son ejecutar un modelo local como Whisper o probar servicios como Gemini Notebook y Descript. No existe un único límite gratuito comparable para todas: una opción local depende de tu equipo, mientras que los servicios en la nube aplican límites de tamaño, fuentes o minutos según producto y plan. Decide primero si el audio puede subirse, verifica el límite vigente y reserva tiempo para cotejar la transcripción.
Esta guía está pensada para entrevistas, reuniones de producción y grabaciones de trabajo. Separa tres cosas que a menudo se confunden: conseguir un borrador de texto, corregirlo frente al audio y exportar un documento útil. Una transcripción automática no es una cita verificada ni identifica por sí sola a cada persona.
Opciones gratuitas y límites publicados
| Opción | Dónde se procesa | Qué está publicado | Qué comprobar para una grabación larga |
|---|---|---|---|
| Whisper | En el equipo si instalas el proyecto | Código y pesos bajo licencia MIT; reconocimiento multilingüe. El repositorio no anuncia un cupo mensual gratuito de minutos | Requisitos del equipo, espacio, velocidad y tiempo de instalación |
| Gemini Notebook | Servicio de Google al importar la fuente | La ayuda describe importación de audio; publica hasta 200 MB por archivo y límites de fuentes, no una duración máxima única para audio | Tamaño, límites de uso de la cuenta, formatos y disponibilidad de la función |
| Descript | Servicio en la nube | Su ayuda describe para el plan Free 60 minutos de medios al mes y 100 créditos de IA de una sola vez; la página señala que los detalles pueden cambiar | Si el plan y los minutos se aplican a tu cuenta y flujo de transcripción actuales |
Las cifras y condiciones se consultaron el 19 de noviembre de 2026. Los productos actualizan planes y disponibilidad; confirma el panel de tu cuenta y la documentación enlazada antes de organizar una entrega. «Gratis» no significa necesariamente uso ilimitado, exportación incluida o procesamiento privado. Si una página no especifica un límite concreto para la duración individual, no se puede deducir uno a partir del número de minutos mensuales.
Whisper es la opción con mayor control sobre el lugar de procesamiento si lo ejecutas realmente en local. Su documentación presenta transcribe() para procesar un archivo y explica que el audio se trabaja mediante ventanas sucesivas; no publica un límite de duración como cupo de servicio. Eso no significa que un ordenador modesto complete cualquier grabación con rapidez: el modelo elegido, la memoria, el procesador o GPU y el formato del audio afectan al proceso.
Gemini Notebook permite importar varios formatos de audio y convierte el audio en texto para añadirlo como fuente. La ayuda de Google enumera español y advierte que las importaciones pueden fallar si la calidad es baja. Sus límites de archivo y fuentes no garantizan que cada cuenta pueda procesar una grabación de cualquier duración: hay límites de uso y la función disponible puede variar. Google Docs, por su parte, documenta escritura por voz desde el micrófono; no la confundas con subir y transcribir automáticamente una grabación preexistente.
Descript cambia las unidades de uso entre planes y documentación de legado. La página consultada para planes actuales describe 60 minutos de medios mensuales en Free, mientras que otras páginas de ayuda pueden reflejar planes antiguos o migraciones. Por eso, antes de cargar una entrevista de varias horas, revisa el plan que aparece en tu cuenta y si la transcripción consume esos minutos. No extrapoles una cifra de una página de ayuda antigua.
Proceso con un archivo autorizado
Antes de abrir una herramienta, confirma que tienes permiso para grabar, transcribir y utilizar el resultado para el fin previsto. En una entrevista de cliente, una reunión interna o material de producción, puede haber datos personales, información comercial o acuerdos de confidencialidad. Sigue la política de tu organización y revisa las condiciones del proveedor antes de subir el audio.
- Conserva una copia original sin editar y trabaja sobre un duplicado con un nombre neutro.
- Comprueba duración, tamaño, formato, calidad de voz y presencia de música o ruido. Si el servicio tiene un máximo de carga, el tamaño puede ser más determinante que la duración.
- Elige local o nube según privacidad, facilidad y capacidad del equipo. Evita subir audio reservado a una cuenta personal no autorizada.
- Selecciona español cuando la opción exista. Si hay varias lenguas, voces solapadas o jerga del sector, anota nombres propios, siglas y términos antes de revisar.
- Genera el borrador y conserva la salida original. No sustituyas la grabación por el texto generado.
- Escucha el audio mientras lees: revisa nombres, cifras, fechas, negaciones, turnos, frases cortadas y fragmentos inaudibles.
- Exporta al formato que necesites y vuelve a abrirlo para confirmar que el texto, los acentos, los tiempos y las etiquetas se mantienen.
En producción audiovisual, por ejemplo, una entrevista de 90 minutos puede convertirse en base para buscar citas, preparar un guion o redactar notas de rodaje. Marca los pasajes interesantes con minuto y segundo, y valida la frase completa en el audio. Un resumen automático puede mezclar intervenciones: no lo uses como transcripción literal ni como cita para publicar.
Si tienes que fragmentar y reunir el texto
Cuando un archivo supera el límite efectivo de una herramienta, dividirlo puede ayudar, pero añade trabajo manual. No hay que asumir que la plataforma va a unir los resultados, mantener tiempos absolutos o resolver cortes entre palabras. Haz primero una copia y usa segmentos consecutivos, con un pequeño solapamiento solo si después vas a revisar las duplicaciones.
Lleva un registro sencillo de los fragmentos:
| Fragmento | Inicio en el original | Fin en el original | Archivo de salida | Revisión |
|---|---|---|---|---|
| 01 | 00:00 | 20:00 | entrevista-01.txt | nombres y apertura |
| 02 | 20:00 | 40:00 | entrevista-02.txt | continuidad y solapamiento |
| 03 | 40:00 | 60:00 | entrevista-03.txt | cierre y tiempos |
Los intervalos de la tabla son un ejemplo de organización, no un límite recomendado por ninguna herramienta. Anota el inicio real de cada corte. Si la transcripción devuelve tiempos relativos al fragmento, suma el tiempo de inicio para convertirlos a tiempos del audio completo. Al reunir, elimina únicamente duplicaciones comprobadas y escucha las uniones para detectar frases truncadas. Si no puedes verificar un pasaje, indícalo como dudoso en vez de inventar una continuación.
Hablantes, corrección y exportación
El reconocimiento de voz y la diarización son tareas distintas. Una herramienta puede generar texto sin separar voces; otra podría etiquetar segmentos como «Hablante 1» y «Hablante 2». Esa etiqueta no confirma el nombre ni garantiza que la asignación sea correcta, sobre todo con interrupciones, voces parecidas o conversación simultánea. Escucha cada cambio de turno y asigna nombres solo cuando puedas identificarlos con seguridad y tengas autorización para incluirlos.
Para revisar con criterio, prioriza los errores que cambian el sentido: una negación, el nombre de un producto, una cifra o quién dijo qué. Puedes normalizar muletillas para una versión de lectura, pero guarda también el borrador y deja claro que has editado el discurso. Si necesitas citas, conserva las palabras exactas y el minuto de referencia.
Elige una salida según el uso. TXT o un documento sirve para leer y buscar; SRT o VTT conserva tiempos para subtitulado. No todos los servicios ofrecen los mismos formatos en el plan gratuito, así que comprueba esa función antes de empezar. Si solo obtienes subtítulos, quitar los códigos de tiempo no valida el texto ni conserva necesariamente las etiquetas de voz. Nuestra guía de transcribir vídeo a texto explica la diferencia entre transcripción y subtítulos; para una herramienta concreta, consulta Memo AI y su flujo de transcripción.
Privacidad: local no significa riesgo cero
Whisper puede ejecutarse en local, pero tú debes verificar que esa instalación procesa el archivo localmente y que no hay otro servicio conectado en el flujo. Comprueba también temporales, carpetas de salida, copias de seguridad y quién tiene acceso al ordenador. En servicios alojados, revisa la política de privacidad, retención y condiciones aplicables a tu cuenta antes de importar el audio.
Pide autorización cuando corresponda y limita el acceso al original y a la transcripción. No cargues conversaciones confidenciales como prueba de una herramienta. Si el proveedor no permite comprobar cómo se tratará el material o tu organización prohíbe el uso, no proceses ese archivo allí: elige una alternativa aprobada o consulta al responsable de privacidad.
Costes y cambios de plan
El gasto puede aparecer al superar un cupo, necesitar exportaciones, colaborar con un equipo o usar una función de pago. Revisa si el límite es mensual, puntual, por usuario o por archivo; si los minutos se renuevan; y qué ocurre al agotarlos. Pruebas y ofertas promocionales también pueden cambiar. No tomes una página antigua de precios como garantía de lo que tendrás disponible en tu cuenta actual.
Para comparar, calcula cuántos minutos necesitas transcribir al mes y añade margen para repeticiones y pruebas. Si el volumen es ocasional, una opción gratuita puede bastar; para trabajo recurrente, compara coste, privacidad, calidad en español, formatos exportables y tiempo de corrección, no solo el titular «gratis».
Preguntas frecuentes
¿Cuánto audio permite cada opción gratis?
No hay una cifra homogénea. Whisper no publica un cupo gratuito de minutos porque es un proyecto que puedes ejecutar localmente; Gemini Notebook publica límites de archivo y fuentes, mientras que Descript describe minutos de medios en su plan Free. Comprueba las condiciones actuales de la cuenta y no conviertas un límite de tamaño o fuentes en una duración supuesta.
¿Se puede trabajar sin subir el archivo?
Sí, con un flujo local como Whisper, siempre que la instalación y el equipo estén configurados para ello. En una aplicación en la nube, importar el audio implica usar el servicio. Verifica también si las funciones añadidas, como resumen o traducción, conectan con otros proveedores.
¿Cómo unir fragmentos?
Registra el minuto de inicio y fin de cada parte, ordena las transcripciones y suma el desplazamiento a los tiempos si son relativos a cada fragmento. Escucha las uniones y elimina duplicaciones solo después de cotejarlas. La concatenación automática no debe darse por supuesta.
¿Reconoce español y hablantes?
Whisper describe reconocimiento multilingüe y Google enumera español para la importación de audio en Gemini Notebook. Eso no garantiza precisión en cada acento ni confirma que esas opciones separen e identifiquen hablantes. Revisa nombres y turnos escuchando la grabación.
Siguiente paso
Una transcripción útil empieza con una herramienta adecuada, pero termina con una revisión responsable y una exportación comprobada. Si trabajas en producción, edición o creación de contenidos, puedes conocer el curso IA para Audiovisual, orientado a flujos de producción audiovisual; consulta la ficha para ver sus contenidos y condiciones. También puedes empezar por el test ¿Cuánto te queda? para identificar qué habilidades te interesa reforzar.