Transcribir audio a texto gratis, y quién responde de ese audio

Tienes una entrevista, una clase o una reunión grabada y necesitas el texto hoy. Se puede hacer gratis y en cuestión de minutos, pero hay dos trampas por medio: la primera es que el primer resultado del buscador suele ser una herramienta de dictado, que no sirve para esto; la segunda es que el precio que verás anunciado en las páginas de pago puede no ser el que vas a pagar.

Y hay una tercera que no sale en ninguna página de precios, y que la Agencia Española de Protección de Datos ha explicado por escrito dos veces este año: si en ese audio hay alguien más, subirlo convierte tu grabación en un tratamiento de datos personales, y el responsable no es la herramienta. Eres tú. Primero cómo se hace; después, lo que eso implica.

Dictado y transcripción no son lo mismo

El error más común es abrir Google Docs, ir a Herramientas > Escribir por voz y poner el altavoz del móvil delante del micrófono del portátil. La documentación de Google es explícita: la función es compatible con «las últimas versiones» de Chrome, Edge y Safari, y «El micrófono de tu ordenador debe funcionar y estar activado». No acepta archivos. Lo que reproduzcas por altavoz llega al micro con eco, ruido de sala y compresión, y el resultado es un texto que tardas más en corregir que en escribir de cero.

Hay un detalle en esa misma página que explica por qué la calidad es tan irregular: «Cuando activas Escribir por voz o los subtítulos, el navegador web controla el servicio de transcripción de voz. Concretamente, determina cómo se procesa tu voz y, después, envía el texto a Documentos». Es decir, quien transcribe no es Google Docs, es tu navegador. Cambiar de navegador cambia el motor.

Transcribir un archivo es otra cosa: subes el fichero de audio o vídeo y un modelo lo procesa directamente, sin pasar por el aire. Es lo que hacen las herramientas de las que hablamos abajo, y por eso la calidad no tiene nada que ver.

La ruta gratuita que funciona: TurboScribe

Es la opción más directa para alguien que solo quiere el texto y no quiere instalar nada. Funciona en el navegador, admite español y devuelve el resultado en formatos que puedes abrir en Word.

1. Entra en turboscribe.ai y crea una cuenta gratuita.
2. Pulsa el botón de subir archivo y elige tu grabación. En el plan gratuito solo puedes subir un archivo a la vez.
3. Selecciona el idioma a mano en lugar de dejar la detección automática, sobre todo si tu audio tiene términos técnicos o nombres propios.
4. Espera. El plan gratuito se procesa con prioridad baja, y su propia página lo dice sin adornos: «Espere más tiempo antes de que se transcriban sus archivos».
5. Descarga el resultado. La web ofrece DOCX, PDF, TXT y subtítulos en SRT y VTT.
6. Repasa los nombres propios, las cifras y los momentos donde dos personas hablan a la vez. Ahí es donde falla cualquier modelo.

Y repasa siempre los nombres propios y las cifras antes de dar la transcripción por buena. Cuando el audio se vuelve ambiguo, un modelo no deja el hueco en blanco: se inventa la palabra que encaja mejor con lo que hay alrededor, y lo hace con la misma letra que el resto del texto.

Un aviso sobre la traducción, porque es el segundo motivo por el que la gente entra aquí: TurboScribe anuncia «Traducción a más de 134 idiomas», pero esa línea aparece en la columna del plan de pago, no en la del gratuito. Si lo que necesitas es una entrevista en inglés convertida a texto en castellano, cuenta con que el plan gratuito te deja a medio camino.

Antes de creerte un precio, pulsa «Mensual»

Esto no es un detalle de letra pequeña: es el motivo por el que este artículo se ha tenido que corregir. Las dos páginas de precios que se abrieron para escribirlo —TurboScribe y Notta— cargan con la pestaña anual ya seleccionada, y el número grande que enseñan es el equivalente mensual de pagar doce meses por adelantado.

Las cuatro cifras están en las dos páginas, releídas el 17 de octubre de 2026; las conversiones a euros de TurboScribe las publica la propia web, no son cuentas nuestras. El descuento anual es real y está anunciado como tal —«AHORRA 50 %» en un caso, «40% OFF» en el otro—, pero el precio del compromiso no es el precio de la herramienta. Si estás probando si esto te sirve, el número que te interesa es el de la columna del medio.

Sirve para cualquier página de precios, no solo para estas dos. Antes de anotar una cifra: rechaza el banner de cookies, comprueba en qué moneda te está hablando la página, pulsa la pestaña de facturación mensual aunque parezca que ya está pulsada, y abre los paneles plegados, porque ahí es donde suelen vivir los topes. Los tres minutos que cuesta hacerlo son la diferencia entre presupuestar 10 y presupuestar 20.

Si tu audio es una nota de voz de WhatsApp

Aquí no necesitas ninguna herramienta externa, y además es la opción más privada de todas. WhatsApp transcribe notas de voz dentro de la propia aplicación, y su blog oficial lo explica así: «Las transcripciones se generan en tu dispositivo, por lo que nadie más, ni siquiera WhatsApp, puede escuchar o leer tus mensajes personales».

1. Abre Ajustes > Chats > Transcripciones de mensajes de voz.
2. Activa la función y elige el idioma en el que quieres que aparezcan.
3. Vuelve al chat, mantén presionado el mensaje de voz y toca «transcribir».

La limitación es obvia y conviene decirla: solo sirve para las notas de voz que te llegan por WhatsApp. Una grabadora de móvil, un archivo que te han enviado por correo o una reunión de Zoom no entran por aquí.

Word transcribe, pero probablemente no en tu Word

Mucha gente descubre que Word tiene transcripción integrada y asume que es la solución barata porque ya paga Microsoft 365. Aquí está el cambio más importante de esta revisión, y es una mala noticia: según la nota que abre la página de soporte de Microsoft, «esta característica solo está disponible en Word para Microsoft 365 en Windows, en inquilinos comerciales». Inquilino comercial significa una cuenta de empresa u organización. Si tu suscripción es la de casa, la de particulares o familias, no cuentes con ella. La misma nota añade que en los inquilinos gubernamentales la transcripción solo está disponible en Word para la Web.

Y si la tienes, estos son los topes que publica Microsoft: 300 minutos de audio cargado al mes con una suscripción normal, y 30.000 minutos con licencia de Copilot. Admite cuatro formatos, «.wav, .mp4, .m4a y .mp3», y la función cubre «más de 80 configuraciones regionales».

1. Ve a Inicio > Dictar > Transcripción.
2. Elige el archivo de audio en el selector.
3. Deja el panel Transcribir abierto mientras trabaja: puedes cambiar de pestaña, pero no cerrarlo.
4. Cuando termine, inserta la transcripción en el documento con o sin marcas de tiempo y nombres de hablante.

Dónde acaba tu audio y quién puede leerlo

Esta parte importa más de lo que parece si lo que has grabado es una reunión de trabajo, una consulta médica o una entrevista con una fuente.

TurboScribe. Su política de privacidad dice que la empresa que está detrás, Leif Erikson Ventures, es estadounidense y que su infraestructura de datos principal está en Estados Unidos. Sobre el borrado, el compromiso concreto es de cuenta, no de archivo: si eliminas tu cuenta queda inaccesible de inmediato y, contando las copias de seguridad, se purga del todo en un plazo de 90 días. Y un silencio que conviene registrar: esa política no dice nada sobre si el audio se usa para entrenar modelos. Lo busqué el 26 de septiembre de 2026 y no aparece ni una vez. Un silencio no es un compromiso, así que trátalo como una incógnita y no subas material confidencial.

Word. Microsoft avisa de dónde queda el original, y es el detalle que se le escapa a todo el mundo: «Las grabaciones se almacenarán en la carpeta Archivos transcritos en OneDrive. Puede eliminarlo desde ahí». O sea, subes el audio para transcribirlo y te queda una copia en la nube que tienes que borrar tú.

Hay una capa más, y es la que no aparece en ninguna página de precios: si lo que subes contiene datos personales de otras personas —una entrevista, una reunión con clientes, una consulta—, quien responde de ese tratamiento no es el proveedor, eres tú. No es una opinión: la autoridad española lo ha puesto por escrito dos veces este año, y es lo que viene a continuación.

WhatsApp. Es el único de los tres que procesa el audio sin sacarlo del teléfono. Para material sensible y grabaciones cortas, es la opción más conservadora que hay en esta lista.

La AEPD ha escrito sobre esto dos veces, y casi nadie lo ha leído

Hasta aquí, herramientas. Ahora la parte que decide si puedes usarlas con lo que has grabado. La Agencia Española de Protección de Datos publicó dos entradas sobre transcripción de voz con IA: la primera el 14 de enero de 2026, «Transcripción de voz con IA: implicaciones para la protección de datos», y la segunda el 20 de abril de 2026, dedicada a responsabilidad, derechos y transparencia. No son un reglamento ni una guía oficial, pero son la autoridad española diciendo por escrito cómo lee este caso concreto, y en español.

El punto de partida es más amplio de lo que casi nadie supone: la voz es un dato personal. La Agencia lo formula así: «la voz de una persona debe considerarse un dato personal, en la medida en que puede identificar o hacer identificable a una persona física, directa o indirectamente». Y matiza que no es automático ni homogéneo: depende del contexto, de los medios razonablemente utilizables y del estado de la técnica, y añade que «se puede anonimizar utilizando distintas técnicas».

No viaja sola, y esta es la parte que se olvida. Junto al audio van el número desde el que se llama, la dirección IP de la conexión y las cookies del aplicativo. De esa información adicional, la AEPD dice que «también constituye datos personales». El fichero que subes no es lo único que subes.

Si subes la grabación, el responsable eres tú

Esto choca de frente con la forma en que se venden estas herramientas. La segunda entrada dice que una organización que incorpora un servicio de transcripción de voz a sus procesos «actuará como responsable del tratamiento», y lo dice «con independencia de si estamos ante herramientas propias o de terceros». No hay reparto cómodo: la responsabilidad no se queda en el proveedor por el hecho de que el modelo sea suyo.

De ahí sale una obligación concreta al elegir herramienta, y la Agencia insiste en que no se agota al contratar: la diligencia «debe mantenerse durante todo el ciclo de vida del tratamiento». Y nombra qué hay que evaluar, antes y de forma continua: «errores sistemáticos, sesgos lingüísticos o la posible inferencia de información sensible».

Puesto al lado de lo de arriba, esto cambia cómo se lee el silencio de TurboScribe sobre el entrenamiento. No es una curiosidad de letra pequeña: es justo el tipo de información que, según la Agencia, necesitas para decidir con conocimiento, y no está en su política.

Dos tratamientos, no uno: transcribir y reentrenar

La primera entrada separa algo que las páginas de producto presentan junto. En un transcriptor con IA puede haber «dos tratamientos de datos con finalidades distintas»: transcribir la voz —por ejemplo, para levantar el acta de una reunión— y ajustar el sistema con muestras de voz, esto último «ya sea por el propio responsable o, lo que es más común, por el proveedor del servicio».

Y lo que ocurre si tu audio acaba en el segundo tiene nombre: quien reentrena el sistema para sus propios fines «asume el rol de responsable según el RGPD», con una base legal distinta de la de la transcripción. Dicho de otra forma, el proveedor dejaría de ser un encargado del tratamiento que trabaja por cuenta tuya y pasaría a tratar esos datos por su cuenta y para lo suyo.

Hay un escalón más, y conviene conocerlo antes de elegir herramienta por sus funciones: si el servicio detecta emociones o infiere categorías especiales —salud, creencias, identificación biométrica—, la Agencia avisa de que eso queda sujeto a un régimen estricto y puede llegar a implicar «sistemas de IA prohibidos por el Reglamento (UE) 2024/1689». La función que un vendedor te enseña como extra puede ser exactamente la que no puedes usar.

El aviso que casi nadie da: la grabación tiene que notarse mientras ocurre

De todo lo que dice la AEPD, esto es lo más fácil de incumplir sin querer. La transparencia no se agota con un aviso al principio: «Los interesados deben ser conscientes de que sus datos están siendo tratados mientras ese tratamiento se produce». Y propone cómo conseguirlo: «un indicador visible y activo», ya sea «un aviso en pantalla, una señal luminosa, un tono audible periódico» u otro mecanismo equivalente, que informe de forma continua durante toda la sesión.

Además, la información sobre la grabación y sus fines tiene que llegar de manera efectiva a todos los participantes antes del inicio de la sesión. Un por cierto, esto se está grabando a mitad de reunión no cubre eso.

¿Y basta con pedir permiso? Depende, y la Agencia lo acota bien. El consentimiento tiene que ser «un acto afirmativo claro que refleje una manifestación de voluntad libre, específica, informada, e inequívoca», no una casilla activada por defecto; quien lo retire no puede sufrir perjuicio por ello, y retirarlo ha de ser tan sencillo como fue darlo. Pero avisa de algo que cambia el caso más habitual de todos: hay que valorar si ese consentimiento puede estar «viciado en una relación empleado-empleador». Si eres quien manda y pides permiso para grabar, ese permiso no vale lo mismo.

Si la transcripción se equivoca con un nombre, eso se rectifica

Más arriba está dicho que un modelo, cuando el audio se vuelve ambiguo, no deja el hueco en blanco: inventa la palabra que encaja. La AEPD llega a la misma frontera por el lado jurídico: «La transcripción no es un texto neutro, sino que es una representación atribuida a una persona concreta», y quien la encarga está obligado a cumplir «los principios del artículo 5 del RGPD», incluido el de exactitud.

La consecuencia práctica: si la transcripción atribuye a alguien algo que no dijo, o le cambia el apellido, se activa la obligación de rectificar «sin dilación indebida», conforme al artículo 16 del RGPD. Y como las limitaciones de estos sistemas son conocidas y previsibles, la Agencia dice que no vale esperar a que salte el error. Hay que anticiparse: informar a los interesados de las posibles inexactitudes, revisar con supervisión humana y tener un procedimiento de corrección que funcione.

Traducido a lo que haces un martes por la tarde: repasar los nombres propios y las cifras antes de dar la transcripción por buena no es pulcritud. Es la medida que la autoridad espera de quien sube el archivo.

Cuándo merece la pena pagar y cuándo no

No pagues si transcribes una o dos grabaciones sueltas al mes y ninguna pasa de media hora: tres archivos diarios gratuitos cubren eso de sobra. Tampoco pagues Notta esperando resolver archivos largos con su plan gratuito: son 120 minutos al mes, pero con un tope de 3 minutos por conversación y sin exportar, porque «Exportar transcripciones» aparece en la lista de lo que añade el plan de pago. Su propia sección de preguntas lo remata: como usuario gratuito solo puedes ver los tres primeros minutos de una transcripción, y por eso recomiendan exportarla antes de bajar de plan.

Y ojo con comparar solo los minutos, que es el error clásico al mirar planes gratuitos. Notta da 120 minutos al mes, que suena a más que TurboScribe hasta que echas la cuenta —tres archivos de hasta media hora son hasta noventa minutos al día— y ves el resto de la fila: 50 subidas al mes, 10 resúmenes con IA y ese tope de tres minutos por conversación. Un total generoso partido en trozos inservibles no es una oferta generosa.

Sí compensa pagar cuando tienes audios de más de 30 minutos con regularidad, cuando necesitas subir un lote entero de una vez o cuando la espera del plan gratuito te bloquea el trabajo. Y aquí la cuenta hay que hacerla con el precio de verdad: 20 dólares al mes, no diez, salvo que te comprometas a un año entero.

Última recomendación práctica, independiente de la herramienta: graba en un formato sin comprimir cuando puedas, acerca el micrófono a quien habla y evita las salas con eco. Ningún modelo arregla un audio malo, y la diferencia entre una grabación limpia y una mala se nota más en el resultado que la diferencia entre pagar y no pagar.

Reparto de fechas, porque importa más que la cifra. Los precios y los límites de TurboScribe y de Notta se releyeron el 17 de octubre de 2026, con el banner de cookies rechazado y la pestaña mensual pulsada a mano en las dos. Los dólares y los euros de Notta no se han movido desde septiembre; sí se han movido las conversiones a euros que publica TurboScribe —de 17,56 a 17,80 el mes, y de 105,35 a 106,79 el año—, que es un buen recordatorio de que un precio en otra moneda cambia sin que el proveedor toque nada. Lo de Microsoft, WhatsApp y Google se leyó el 26 de septiembre de 2026 y no se ha vuelto a comprobar; va dicho para que no lo tomes por reciente. Las dos entradas de la AEPD se leyeron el 17 de octubre de 2026 en su propio blog. Esta web no prueba las herramientas ni mide su acierto: describe lo que publican sus fabricantes y lo que publica la Agencia.

No soy abogado y esto no es asesoramiento jurídico. Lo de arriba describe lo que dicen dos entradas del blog de la AEPD y los artículos del RGPD que ella misma cita; tu caso —quién graba, para qué, quién sale dentro y con qué herramienta— puede cambiar la respuesta. Si el audio lleva datos de clientes, de pacientes o de empleados, pregúntaselo a alguien que firme.