Cómo pasar audio a texto con IA gratis paso a paso

Pasar audio a texto con IA gratis permite convertir una nota de voz de WhatsApp, una reunión, una entrevista o una clase en un documento que puedes buscar, corregir y resumir.

No existe un único método perfecto para todos los casos. WhatsApp ya puede transcribir sus propios mensajes de voz en dispositivos compatibles; NotebookLM resulta más práctico para subir archivos de audio; Gemini sirve para clips cortos; y el dictado de Google Docs está pensado para convertir en texto lo que dices en directo. Si grabas reuniones con frecuencia, también existen grabadoras, tarjetas y auriculares con IA que envían el audio a una aplicación para transcribirlo y resumirlo.

Elección rápida: para una nota de voz, prueba primero la transcripción integrada de WhatsApp. Para un MP3, M4A o WAV guardado en el ordenador, utiliza NotebookLM. Si el audio dura menos de diez minutos, Gemini puede ayudarte a analizarlo. Para tomar notas mientras alguien habla, usa el dictado de Google Docs. Compra un dispositivo específico solo si grabas con frecuencia y necesitas empezar con un botón, más autonomía o dejar libre el teléfono.

Guía contrastada el 11 de agosto de 2026. Las funciones y límites gratuitos cambian con frecuencia. Comprueba la documentación oficial enlazada al final antes de trabajar con una grabación importante.

Qué herramienta gratuita elegir

Los límites de la tabla proceden de la ayuda oficial de NotebookLM, sus límites de uso, Gemini y Google Docs. “Gratis” no significa ilimitado ni garantiza el mismo acceso en todas las cuentas o regiones.

Método 1: transcribir un audio de WhatsApp

La opción más sencilla para una nota de voz es utilizar la función integrada de WhatsApp. Meta explica que la transcripción se genera localmente en el dispositivo y que el mensaje de voz personal continúa protegido por el cifrado de extremo a extremo. El español está entre los idiomas compatibles.

Cómo activar las transcripciones

1. Actualiza WhatsApp desde la tienda de aplicaciones.
2. Abre Ajustes y entra en Chats.
3. Busca Transcripciones de mensajes de voz y activa la función.
4. Selecciona español como idioma de transcripción.
5. Vuelve al chat, mantén pulsado el mensaje de voz y elige Transcribir.

El nombre exacto de los menús puede variar entre Android y iPhone. Si la opción no aparece, comprueba el idioma del teléfono, reinicia la aplicación y espera a que la función llegue a tu versión o dispositivo. No instales una aplicación desconocida solo para transcribir una nota privada.

La transcripción puede contener errores. Los nombres propios, los audios con ruido, las palabras técnicas y las personas que hablan muy rápido suelen necesitar una revisión manual.

Método 2: pasar un archivo de audio a texto con NotebookLM

NotebookLM es la opción más completa de esta guía para archivos guardados. Admite MP3, M4A, WAV, AAC, OGG, OPUS y otros formatos. Cuando importas el audio, la herramienta crea una transcripción y la guarda como una fuente dentro del cuaderno. Después puedes consultar esa fuente, resumirla o transformar su contenido.

Paso a paso

1. Entra en NotebookLM con tu cuenta de Google.
2. Crea un cuaderno nuevo.
3. Selecciona la opción para añadir una fuente y elige un archivo desde el ordenador.
4. Sube la grabación y espera a que termine la importación. Un audio largo o de baja calidad puede tardar o fallar.
5. Abre la fuente creada para consultar la transcripción.
6. Pide una versión corregida o un resumen, pero conserva siempre la transcripción original para poder comparar.

Google indica que cada fuente puede tener hasta 500.000 palabras o 200 MB y que un cuaderno estándar admite hasta 50 fuentes. El archivo de audio debe subirse desde el dispositivo: la ayuda oficial señala que los audios alojados en Google Drive no se importan directamente como audio.

Trabaja únicamente con la fuente de audio que acabo de subir.

1. Devuélveme una transcripción fiel, sin resumir.
2. Separa a los participantes como Persona 1, Persona 2, etc., solo cuando el cambio de voz sea claro.
3. Mantén nombres, cifras y términos técnicos tal como se oyen.
4. Escribe [inaudible] cuando no puedas identificar un fragmento.
5. No completes frases ni inventes palabras para que el texto parezca coherente.

Al final, crea una lista separada con los fragmentos que necesitan revisión.

NotebookLM puede responder basándose en las fuentes y mostrar referencias dentro del cuaderno, pero eso no elimina la necesidad de escuchar los fragmentos dudosos. En una entrevista, un acta o un trabajo académico, revisa siempre los nombres, las cifras y las citas que vayas a publicar.

Método 3: transcribir un audio corto con Gemini

Gemini permite adjuntar archivos de audio y hacer preguntas sobre ellos. En una cuenta sin plan de pago, Google publica un máximo total de diez minutos de audio por solicitud; los planes Google AI Pro y Ultra amplían ese total hasta tres horas. Los archivos que no son vídeo pueden ocupar hasta 100 MB.

1. Abre Gemini e inicia un chat nuevo.
2. Pulsa el botón para añadir archivos y selecciona la grabación.
3. Espera a que termine la carga.
4. Pega el prompt de transcripción literal que aparece debajo.
5. Compara una muestra del resultado con el audio original.

Transcribe este audio en español de la forma más literal posible.

- No hagas un resumen.
- No corrijas el sentido de las frases.
- Marca [inaudible] cuando no estés seguro.
- Separa los hablantes solo si puedes distinguirlos.
- Después de la transcripción, enumera aparte los nombres, cifras y términos dudosos.

Gemini es útil cuando además quieres obtener tareas, preguntas o un resumen de un clip corto. No lo trates como una copia palabra por palabra garantizada: un asistente general puede ordenar, condensar u omitir partes aunque le pidas literalidad.

Método 4: escribir lo que se dice en directo con Google Docs

El dictado por voz de Google Docs sirve para hablar ante el micrófono y ver cómo aparece el texto. En un documento abierto, entra en Herramientas → Escritura por voz, selecciona español, pulsa el micrófono y comienza a hablar.

Esta función está pensada para voz en directo, no para subir una grabación. Reproducir un audio por los altavoces para que el micrófono lo capture es un apaño posible, pero pierde calidad, mezcla el ruido de la habitación y dificulta distinguir hablantes. Para un archivo ya grabado, NotebookLM suele ser una opción más adecuada.

Grabadoras y dispositivos con IA para reuniones y clases

Una grabadora con IA combina un micrófono dedicado con una aplicación que transcribe, distingue participantes y genera resúmenes o tareas. Su principal ventaja no es una inteligencia especial dentro del aparato, sino poder empezar a grabar rápidamente, reservar la batería del teléfono y capturar mejor reuniones largas.

No son una solución completamente gratuita. Primero pagas el dispositivo y después dependes de los minutos incluidos o de un plan para la transcripción y las funciones avanzadas. Comprueba también si puedes exportar el audio y el texto antes de elegir un modelo.

Cuál elegir según el uso

• Reuniones presenciales: busca micrófonos capaces de recoger varias voces, autonomía suficiente y una señal visible de grabación.
• Llamadas telefónicas: confirma que el modelo puede capturar llamadas en tu teléfono. Las restricciones cambian entre Android, iPhone, aplicaciones y países.
• Clases y conferencias: prioriza la calidad del micrófono, el almacenamiento local y la posibilidad de exportar el audio original.
• Ideas mientras caminas: un dispositivo corporal como NotePin o unos auriculares con botón de grabación son más cómodos que una grabadora de mesa.
• Uso ocasional: empieza con el móvil o una grabadora convencional. Comprar hardware con IA suele compensar solo cuando grabas varias horas al mes.

Antes de pagar, revisa cinco puntos: minutos mensuales, idiomas, exportación, almacenamiento y política de datos. Pregunta además qué ocurre si cancelas el plan: el aparato debería seguir permitiéndote recuperar tus grabaciones aunque pierdas los resúmenes avanzados.

Cómo limpiar la transcripción sin cambiar lo que se dijo

Una transcripción automática contiene muletillas, frases incompletas y errores de puntuación. Puedes pedir a una IA que prepare una versión legible, pero conviene separar la corrección editorial de la transcripción original.

Corrige esta transcripción sin añadir información nueva.

- Añade puntuación y divide el texto en párrafos.
- Elimina repeticiones accidentales y muletillas solo cuando no cambien el significado.
- Conserva cifras, nombres, opiniones y matices.
- No conviertas una duda en una afirmación.
- Mantén las marcas [inaudible].
- Resalta entre corchetes cualquier corrección de la que no estés seguro.

Devuelve primero la versión corregida y después una lista de cambios dudosos.

Si quieres adaptar el encargo a tu caso, consulta la guía sobre cómo escribir prompts sencillos que funcionan.

Qué hacer después con el texto

• Reunión: extrae decisiones, tareas, responsables y fechas. Comprueba cada compromiso en el audio.
• Clase: crea un esquema, un glosario y preguntas para estudiar. No sustituyas los materiales oficiales por el resumen.
• Entrevista: conserva una versión literal y crea otra editada. Verifica todas las citas antes de publicarlas.
• Nota de voz: conviértela en una lista de acciones o en un mensaje breve para responder.
• Presentación: transforma las ideas principales en un guion y después sigue esta guía para hacer una presentación con IA.

También puedes reunir la transcripción con documentos relacionados y aplicar el método para resumir un PDF con IA. Mantén identificada la procedencia de cada afirmación para no mezclar lo dicho en el audio con información añadida por el modelo.

Cómo conseguir una transcripción más precisa

• Graba cerca de quien habla: la distancia y el eco perjudican más que muchas diferencias entre herramientas.
• Reduce el ruido: cierra ventanas, silencia notificaciones y evita colocar el micrófono junto al teclado.
• No hagáis turnos simultáneos: dos voces superpuestas son difíciles de separar automáticamente.
• Prepara un glosario: facilita antes los nombres, marcas, siglas y términos técnicos esperados.
• Divide archivos largos: utiliza bloques naturales por temas o pausas, sin cortar una frase por la mitad.
• Conserva el audio original: el texto es una interpretación automática y puede necesitar una segunda escucha.
• Comprueba una muestra: revisa el principio, una parte central y el final, además de todos los datos importantes.

Privacidad, permiso y grabaciones sensibles

Antes de grabar o transcribir una conversación, informa a las personas participantes y obtén el permiso que exijan la ley, el contrato y la política de tu organización. Las reglas dependen del país y del contexto; esta guía no sustituye el asesoramiento legal.

Evita subir a una cuenta personal reuniones confidenciales, conversaciones de clientes, datos médicos, información laboral restringida o declaraciones de menores sin una autorización clara. Elimina nombres y datos innecesarios, comparte únicamente el fragmento imprescindible y revisa la política de privacidad de la herramienta.

La transcripción nativa de WhatsApp tiene una ventaja concreta: Meta afirma que se procesa en el dispositivo y que nadie más, ni siquiera WhatsApp, puede escuchar el mensaje ni leer su transcripción. Esa protección no se extiende automáticamente a una copia que tú exportes y subas después a otro servicio.

En NotebookLM, Google publica protecciones específicas para cuentas de Workspace y Education, pero las condiciones pueden diferir en cuentas personales. Si vas a aplicar estas herramientas en un negocio, revisa también la guía de IA para pymes.

Errores habituales al convertir audio en texto

• Confundir transcripción con resumen: pide primero el texto fiel y crea el resumen en un segundo paso.
• Dar por correctos los nombres: revisa personas, empresas, lugares, cifras, fechas y tecnicismos.
• Inventar hablantes: si las voces no se distinguen, es preferible no asignar nombres.
• Borrar lo inaudible: una marca de duda es más honesta que una frase reconstruida por la IA.
• Subir archivos demasiado largos: comprueba los límites actuales y divide la grabación por temas.
• Publicar una cita sin escucharla: vuelve al audio y confirma las palabras y su contexto.

Preguntas frecuentes

¿Se puede pasar un audio de WhatsApp a texto sin instalar nada?

Sí, si la función de transcripciones está disponible en tu versión de WhatsApp. Actívala en los ajustes de chats, selecciona español y mantén pulsada la nota de voz para transcribirla.

¿Qué IA transcribe archivos de audio gratis?

NotebookLM admite archivos de audio y genera una transcripción al importarlos como fuente. Gemini también acepta audio, pero la cuenta gratuita limita a diez minutos la duración total por solicitud y el resultado puede ser menos literal.

¿Puedo transcribir una reunión de una hora?

Sí, siempre que tengas permiso y el archivo cumpla los límites de la herramienta. Para una grabación larga, NotebookLM es más apropiado que la versión gratuita de Gemini. Divide el audio si falla la importación o quieres revisarlo por secciones.

¿La transcripción automática es exacta?

No siempre. La precisión cambia según el ruido, el micrófono, el acento, la velocidad, el vocabulario y el número de participantes. Revisa manualmente cualquier parte que vaya a utilizarse como cita, acta o prueba.

¿Google Docs puede transcribir un MP3?

No directamente. Su escritura por voz está diseñada para recibir sonido del micrófono. Reproducir un MP3 ante el micrófono reduce la calidad; para subir el archivo utiliza una herramienta que admita audio como fuente.

Conclusión

Para pasar audio a texto con IA no necesitas empezar por una aplicación de pago. WhatsApp resuelve muchas notas de voz sin sacar el contenido del dispositivo, mientras que NotebookLM permite trabajar con archivos habituales y convertir después la transcripción en un resumen, un acta o material de estudio.

Utiliza Gemini para clips cortos y Google Docs para dictado en directo. En todos los casos, conserva la grabación, marca los fragmentos dudosos y escucha de nuevo cualquier nombre, cifra o cita importante. La IA acelera la primera versión; la revisión humana convierte esa versión en un texto fiable.

Fuentes y metodología

La guía se contrastó el 11 de agosto de 2026 con información oficial de Meta sobre la transcripción privada de mensajes de voz en WhatsApp; la ayuda de Google sobre tipos de fuentes de NotebookLM, sus límites de uso, la subida de archivos en Gemini y la escritura por voz de Google Docs. Para los dispositivos se consultaron las fichas oficiales de Plaud NotePin, Mobvoi TicNote y viaim RecDot. No se probaron físicamente estos productos ni todas las combinaciones de país, cuenta, sistema operativo, dispositivo y formato; las prestaciones, la interfaz y los límites pueden cambiar.

Revisión editorial: InteligenciaArti. Última comprobación de datos: 11 de agosto de 2026.