Las mejores IA para transcribir audio, clases y reuniones

Whisper es el modelo de reconocimiento de voz de OpenAI y sigue siendo, con diferencia, el que mejor entiende el español de todos los que probamos: nombres propios, tecnicismos, acentos latinoamericanos e incluso frases a medio terminar. En la clase con ruido de fondo fue el único que no inventó palabras en los tramos difíciles.

Su gran baza es que es gratuito y abierto. Puedes usarlo de tres formas: subiendo el audio a ChatGPT o a cualquier servicio que lo incorpore, ejecutándolo en tu propio ordenador con una de las muchas aplicaciones de escritorio que lo empaquetan, o llamándolo por API si necesitas automatizar. Ejecutarlo en local tiene además una ventaja enorme para material sensible: el audio no sale de tu equipo.

Si Whisper es el motor, Notta es el coche completo. Subes el archivo —o grabas directamente desde el móvil o el navegador— y en pocos minutos tienes la transcripción puntuada, dividida por hablantes y con marcas de tiempo, lista para exportar a Word, PDF, SRT o texto plano. Es la que recomendamos a quien no quiere pelearse con nada.

En nuestras pruebas quedó muy cerca de Whisper en precisión y bastante por delante en comodidad: la separación de hablantes funcionó bien en la reunión de cuatro personas, y su resumen automático con los puntos clave y las tareas pendientes ahorra otro buen rato de trabajo. El plan gratuito da minutos limitados al mes; para uso intensivo hay que pasar por caja.

Otter es el veterano de las reuniones. Su gracia es que se une a la videollamada —Zoom, Meet o Teams— y transcribe en directo mientras habláis, de modo que al colgar ya tienes el acta con los puntos tratados y las tareas asignadas. Para equipos que viven en reuniones, ese automatismo vale más que unas décimas de precisión.

El pero es claro para nuestro público: su mejor rendimiento está en inglés. En español cumple, pero cometió más errores que Notta o Whisper, sobre todo con nombres propios y con dos personas hablando a la vez. Si tus reuniones son en inglés, es la número uno sin discusión; si son en español, hay opciones mejores.

TurboScribe está pensado para el volumen: archivos largos y muchos de golpe. Arrastras varias grabaciones, las deja en cola y te avisa cuando están. Usa un motor de la familia de Whisper, así que la precisión en español es notable, y exporta a los formatos habituales, subtítulos incluidos.

Su plan gratuito permite unas pocas transcripciones al día con un límite de duración por archivo, suficiente para un uso ocasional. Si transcribes clases o podcasts cada semana, el plan de pago sale a cuenta frente a pagar por minutos en otros servicios. No destaca en separación de hablantes ni en resúmenes: es una herramienta para sacar texto, y en eso es muy eficaz.

Descript hace algo distinto: convierte la transcripción en el propio editor del audio. Borras una frase del texto y esa frase desaparece de la grabación. Elimina muletillas y silencios de forma automática y permite montar un pódcast o un vídeo sin abrir un editor tradicional.

Como transcriptor puro no gana a los anteriores en español, pero si tu objetivo final no es el texto sino un audio o un vídeo publicable, es la herramienta que más tiempo te ahorra de toda la lista. Tiene plan gratuito con minutos limitados y una curva de aprendizaje corta para lo potente que es.

Mucha gente no sabe que ya paga por un transcriptor decente. Word en la web incluye una función «Transcribir» que sube tu archivo, lo convierte en texto con marcas de tiempo y separación de hablantes, y lo inserta en el documento con un clic. Para quien tiene Microsoft 365, es la opción de coste cero adicional.

La precisión en español es correcta sin más —le cuesta el audio con ruido y los solapamientos—, y hay límites mensuales de minutos. Pero está donde ya trabajas, no obliga a registrarse en otro servicio y el resultado cae directamente en el documento que ibas a escribir de todas formas.