Principiante 13 minAudio

Transcripción de audio a texto: gratis, sin límite

Un portátil abierto ilumina con luz verde un escritorio oscuro.
Respuesta directa

Para transcribir audio a texto gratis y sin límites, instala un programa local basado en Whisper, el modelo de reconocimiento de voz de OpenAI publicado con licencia MIT: Buzz o Vibe (Windows, macOS, Linux). El archivo se queda en tu ordenador, sin cuenta ni cuota. Las herramientas en línea gratuitas tienen límites: 30 minutos al mes en Wave, 300 minutos al mes en Word con una suscripción a Microsoft 365 (páginas oficiales del 18 de noviembre de 2026).

Los servicios de transcripción en línea son prácticos para un archivo corto, pero imponen una cuota y reciben tu grabación. Un programa instalado en tu equipo transcribe todas las horas que quieras, en francés, sin enviar nada. Esta guía te ayuda a elegir la herramienta según tu uso, a hacer una primera transcripción y a comprobar el resultado.

Por Mohamed Meguedmi·Actualización 2026-11-18·Probado en Windows, macOS y Linux

#¿Cómo transcribir audio a texto gratis y sin límites?

Una transcripción de audio a texto realmente gratuita y sin límites pasa por un software instalado en tu ordenador, que ejecuta un modelo de reconocimiento de voz en local. El único límite pasa a ser el tiempo de cálculo de tu equipo: sin minutos contados, sin registro y sin enviar el archivo.

La transcripción automática (o reconocimiento de voz, en inglés speech-to-text) es la conversión de una grabación de voz en texto escrito mediante un modelo de inteligencia artificial. Los programas gratuitos que se presentan aquí se basan en Whisper (Vibe también ofrece otros modelos). Según su repositorio oficial, Whisper es un modelo de reconocimiento de voz de uso general y multilingüe, que también puede traducir al inglés e identificar el idioma hablado. OpenAI publica su código y sus pesos bajo licencia MIT, lo que permite tanto el uso personal como el profesional.

El repositorio de Whisper no indica ninguna duración máxima de archivo. Según su documentación, la función de transcripción lee el archivo completo y lo procesa en ventanas deslizantes de 30 segundos. Así, una entrevista de dos horas se transcribe igual que una nota de dos minutos, solo que tarda más.

Para cada caso, qué opción de transcripción gratuita (páginas oficiales consultadas el 18 de noviembre de 2026)
Tu casoOpción recomendadaPor qué
Un archivo corto, sin contenido sensibleHerramienta en línea gratuitaNada que instalar, pero con cuota mensual y el archivo se envía al servicio
Entrevistas, reuniones, consultas confidencialesBuzz o Vibe en localTranscripción sin conexión, sin cuota, sin cuenta
Subtítulos de un vídeoBuzz (SRT, VTT) o Vibe (SRT, VTT, DOCX…)Exportación directa en formato de subtítulos
Varias personas hablandoBuzz o Vibe (identificación de hablantes)Ambas aplicaciones anuncian separación por hablante
Decenas de horas, procesamiento automatizadoWhisper o faster-whisper en la línea de comandosAutomatizable con scripts, procesamiento por lotes
Dictado en directo con el micrófonoBuzz (tiempo real) o Vibe (micrófono)Transcripción del micrófono sin conexión

#Transcripción de audio a texto gratis en línea: ¿qué limitaciones tiene?

El kit completo para crear tu propio asistente de IA.

Aprovecha nuestra experiencia y un recorrido guiado para crear tu asistente local y usar tu IA en el día a día.

  • Espacio en línea de por vida
  • PDF + archivos
  • Reembolsado 30 d

Casi todas las herramientas gratuitas de transcripción de audio en línea limitan el volumen, y todas reciben tu archivo en sus servidores. Te sacan del apuro con una grabación corta y no confidencial; más allá de eso, la cuota o la cuestión de los datos se convierte en un obstáculo.

Wave
Según la página de precios de Wave consultada el 18 de noviembre de 2026, el plan gratuito cubre 30 minutos de grabación al mes. El plan Pro, ilimitado, cuesta 15 $ al mes u 80 $ al año en la web.
Microsoft Word
Según la ayuda de Microsoft consultada el 18 de noviembre de 2026, un suscriptor de Microsoft 365 puede transcribir como máximo 300 minutos de audio importado al mes. Una nota de la misma página indica que actualmente está disponible en Word para Microsoft 365 en Windows para los «Commercial Tenants», a diferencia de los entornos gubernamentales, limitados a Word para la web; la página no aclara el caso de una suscripción personal o familiar. Las grabaciones se almacenan en OneDrive.
Google Docs
La escritura por voz de Google Docs sirve para dictar con el micrófono en Chrome, Edge o Safari. La ayuda de Google aclara que es el navegador el que controla el servicio de reconocimiento de voz; la página describe el dictado, no la import d de un archivo de audio.
Otros servicios gratuitos
Las cuotas gratuitas de los servicios especializados cambian a menudo y sus páginas de precios bloquean la lectura automatizada: verifica la duración máxima por archivo, el número de archivos por día y la conservación de las grabaciones antes de enviar un documento.

#¿Qué programa gratuito de transcripción de audio a texto instalar?

Si quieres usarlos sin línea de comandos, Buzz y Vibe son los dos programas de transcripción de audio gratuitos y de código abierto más directos: una ventana, un archivo que arrastrar y un texto que exportar. Whisper, whisper.cpp y faster-whisper son adecuados para usuarios que se manejan bien con la terminal.

Programas de transcripción gratuitos y locales, según sus repositorios oficiales a 18 de noviembre de 2026
SoftwareVersión y fechaSistemasLicenciaPuntos fuertes
Buzz1.4.5, 23 de agosto de 2026Windows, macOS (Apple Silicon e Intel), LinuxMITArchivos, enlaces de YouTube, micrófono en directo, hablantes, carpeta vigilada, exportación a TXT, SRT, VTT
Vibe3.3.5, 13 de noviembre de 2026Windows, macOS, LinuxMITLotes de archivos, hablantes, exportación a SRT, VTT, TXT, HTML, PDF, JSON, DOCX, modelos Whisper, Nemotron 3.5 y Parakeet TDT v3
Whisper (OpenAI)Paquete PyPI 20250625Windows, macOS, Linux (Python)MITReferencia oficial, línea de comandos y Python
whisper.cpp1.9.5, 6 de octubre de 2026Windows, macOS, LinuxMITC/C++ sin dependencias, posible solo con procesador, Metal en Mac, Vulkan
faster-whisperPaquete PyPI 1.2.1Windows, macOS, Linux (Python)MITHasta 4 veces más rápido que Whisper según sus autores

Buzz es una aplicación de escritorio que, según su repositorio, transcribe y traduce audio sin conexión en tu ordenador gracias a Whisper. La versión 1.4.5, la última publicada al 18 de noviembre de 2026, está disponible para Mac Apple Silicon y Mac Intel; el repositorio advierte que es la última para Mac Intel, ya que Buzz ahora requiere un chip Apple Silicon. En Windows, el instalador no está firmado y Windows muestra una advertencia; el repositorio indica que hagas clic en More info y luego en Run anyway (Informations complémentaires y luego Exécuter quand même en un Windows en francés).

Vibe es una aplicación de transcripción de código abierto cuyo repositorio promete una transcripción totalmente sin conexión, sin que ningún dato salga del dispositivo. Vibe publica instaladores para Mac con Apple Silicon y Mac con Intel, Windows y Linux. Vibe también permite grabar desde un teléfono mediante un código QR, aunque el procesamiento lo sigue haciendo el ordenador.

#¿Cómo transcribir un audio a texto con Buzz o Vibe?

Transcribir un audio a texto con Buzz o Vibe se hace en cinco pasos: instalar la aplicación desde su página oficial, elegir un modelo, importar el archivo, indicar el idioma y exportar el texto. Calcula unos minutos de preparación, más la descarga del modelo la primera vez.

  1. 01
    Instalar la aplicación oficial
    Descarga Buzz desde el enlace de SourceForge indicado en su repositorio de GitHub (o mediante Flatpak y Snap en Linux), o Vibe desde su página oficial de descargas. Evita los sitios espejo que no mencionan los proyectos.
  2. 02
    Elegir un modelo adecuado para el equipo
    En los ajustes de la aplicación, selecciona un modelo Whisper. El modelo small es adecuado para un portátil sin tarjeta gráfica; turbo o large requieren más memoria. El modelo se descarga una sola vez y luego se reutiliza sin conexión.
  3. 03
    Importar el archivo de audio o vídeo
    Arrastra el archivo a la ventana de Buzz o de Vibe. Ambas aplicaciones aceptan audio y vídeo; Vibe también acepta varios archivos a la vez para procesarlos por lotes.
  4. 04
    Indicar el idioma francés
    Elige el francés en lugar de la detección automática: como el idioma ya se conoce, la transcripción evita así un error de detección al inicio de una grabación con ruido o con música.
  5. 05
    Exportar y revisar
    Exporta en TXT para texto sin formato, en SRT o VTT para subtítulos, o en DOCX con Vibe. Revisa los nombres propios, las cifras y los fragmentos en los que varias personas hablan a la vez.

En Linux, el repositorio de Buzz indica el siguiente comando de instalación con Flatpak. Para usar Whisper desde la línea de comandos, la documentación oficial indica que hay que instalar el paquete de Python y la herramienta ffmpeg, y después lanzar la transcripción con el modelo turbo.

Terminal (Linux): instalar Buzz
flatpak install flathub io.github.chidiwilliams.Buzz
Terminal: Whisper oficial (macOS con Homebrew)
pip install -U openai-whisper
brew install ffmpeg
whisper audio.flac audio.mp3 audio.wav --model turbo
→
Comprobar que todo ha funcionado
Una transcripción correcta produce un texto con marcas de tiempo que sigue la grabación de principio a fin. Escucha tres pasajes al azar, al principio, en el medio y al final: si el texto se desincroniza o repite una frase en bucle, vuelve a ejecutarla con un modelo más grande o forzando el idioma.

#¿Qué equipo necesitas para transcribir audio en local?

La transcripción de audio en local funciona en un ordenador normal, incluso sin tarjeta gráfica: whisper.cpp anuncia inferencia solo con el procesador, y el modelo small requiere menos de 1 GB de memoria. Una tarjeta gráfica o un Mac con Apple Silicon reduce notablemente el tiempo de espera.

Memoria necesaria por modelo de Whisper, según los repositorios openai/whisper (tarjeta gráfica) y whisper.cpp (memoria RAM); velocidades relativas medidas por OpenAI en inglés en una tarjeta A100
ModeloParámetrosVRAM con openai/whisperMemoria con whisper.cppVelocidad relativa publicada
tiny39 Maproximadamente 1 GBunos 273 MBunas 10 veces large
base74 Maproximadamente 1 GBunos 388 MBunas 7 veces large
small244 Maproximadamente 2 GBunos 852 MBunas 4 veces large
medium769 Maproximadamente 5 GBunos 2,1 GBaproximadamente 2 veces large
large1 550 Munos 10 GBunos 3,9 GBreferencia
turbo809 Munos 6 GBno publicadounas 8 veces large

Para estimar el tiempo, el repositorio de faster-whisper publica una prueba de rendimiento con 13 minutos de audio. Con el modelo small en un procesador Intel Core i7-12700K (8 hilos), openai/whisper tarda 6 min 58 s, whisper.cpp 2 min 05 s y faster-whisper en int8 1 min 42 s. Con el modelo large-v2 en una tarjeta NVIDIA RTX 3070 Ti de 8 GB, faster-whisper en fp16 tarda 1 min 03 s. Estas cifras las publican los autores de faster-whisper, con versiones anteriores de las herramientas (faster-whisper 1.1.0, whisper.cpp 1.7.2); tu tiempo dependerá de tu equipo y de la grabación.

En un Mac con Apple Silicon, whisper.cpp procesa en el chip gráfico mediante Metal y puede delegar parte del trabajo al Neural Engine con una compilación Core ML. En PC, la aceleración se hace con CUDA para las tarjetas NVIDIA; Buzz también anuncia Vulkan para la mayoría de las demás tarjetas, incluidas las integradas. No mezcles ambos mundos: un ajuste de CUDA no se aplica a un Mac.

#¿Es fiable la transcripción de audio a texto en francés?

La transcripción de audio a texto en francés es compatible con los modelos multilingües de Whisper, pero su calidad depende del idioma, del modelo y de la grabación. El propio repositorio oficial lo dice: el rendimiento de Whisper varía mucho según el idioma. El francés figura en la lista oficial de idiomas del modelo.

Modelo
El modelo turbo es, según OpenAI, una versión optimizada de large-v3, más rápida y con una pérdida de precisión mínima. No está entrenado para traducción: para traducir al inglés, usa medium o large.
Idioma forzado
La documentación oficial muestra la opción --language con el ejemplo --language Japanese; para una grabación en francés, indica French, o elige el francés en Buzz o Vibe.
Captura de audio
Un micrófono cerca de la persona que habla, sin música de fondo, le da al modelo una señal más nítida. Buzz ofrece separar la voz antes de transcribir para las grabaciones con ruido.
Nombres propios y siglas
Los nombres de personas, de marcas y las siglas son fuentes frecuentes de errores: prevé una revisión específica, sobre todo si el acta se va a difundir.
i
Anunciado, publicado, comprobado
Las cifras de velocidad y memoria de esta guía son las que publican los propios proyectos. No se ha realizado ninguna prueba para esta guía: solo una escucha de control de tus propios archivos te dirá si la calidad es suficiente para tu uso.

#Con un software de transcripción local, ¿qué sigue enviándose a Internet?

Con un software de transcripción local, el audio y el texto se quedan en tu ordenador, pero algunas funciones adicionales se conectan a Internet. Conocerlas te permite mantener un procesamiento realmente sin conexión para los archivos sensibles.

Descarga de modelos
El primer inicio descarga el modelo elegido. Después, la transcripción ya no necesita conexión.
Enlaces de sitios de vídeo
Buzz y Vibe pueden transcribir un vídeo de YouTube a partir de su enlace: la aplicación descarga el vídeo de Internet antes de transcribirlo localmente.
Resúmenes de Vibe
Vibe ofrece resúmenes mediante la API de Claude, un servicio en línea que en ese caso recibe el texto de la transcripción. La opción Ollama del mismo programa hace el análisis en local.
Actualizaciones automáticas
Vibe anuncia actualizaciones automáticas, que se conectan con el servidor del desarrollador. No afectan a tus archivos, pero un equipo totalmente aislado de la red no las recibirá.
Word y OneDrive
En cambio, la transcripción de Word almacena la grabación en OneDrive, y Microsoft advierte que su duración depende de la velocidad de tu conexión a Internet: es mejor evitarla para una entrevista confidencial.
!
Grabar a alguien
Una herramienta local protege el archivo, no el marco legal de la grabación: avisa a las personas grabadas antes de una reunión o entrevista, y guarda la transcripción con el mismo cuidado que el audio.
Preguntas frecuentes
¿Existe alguna transcripción de audio a texto gratuita sin registro?+
Sí. Buzz y Vibe se instalan y funcionan sin ninguna cuenta, y Whisper desde la línea de comandos tampoco la necesita. En ese caso, la transcripción de audio a texto se hace en tu ordenador, gratis y sin cuotas. En línea, los servicios sin registro suelen limitar la duración o el número de archivos transcritos.
¿Es realmente ilimitada una transcripción de audio local?+
Una transcripción de audio local no tiene cuota de minutos: el único límite es el tiempo de cómputo de tu equipo y el espacio en disco. Whisper procesa el audio en ventanas de 30 segundos, así que una grabación de varias horas se transcribe sin cortarla manualmente, solo que tarda más.
¿Se puede transcribir audio a texto en directo?+
Sí. Buzz transcribe el micrófono en tiempo real y ofrece una ventana de presentación para mostrar la transcripción durante un evento; Vibe también transcribe el micrófono y el audio del sistema. Para el reconocimiento de voz en directo, Vosk es otra opción sin conexión, presentada en una guía específica del sitio.
¿Cuánto tarda la transcripción de una hora de audio?+
La duración depende del modelo y del equipo. La prueba de rendimiento publicada por faster-whisper indica 1 min 42 s para 13 minutos de audio con el modelo small en int8 en un Intel Core i7-12700K, y 1 min 03 s con large-v2 en una RTX 3070 Ti. Con una simple regla de tres (60 ÷ 13 ≈ 4,6), una hora de audio requeriría unos 8 y 5 minutos en equipos comparables: es una estimación, no una medición publicada.
¿Se puede usar Whisper, Buzz o Vibe con fines profesionales?+
Sí. Whisper publica su código y sus pesos con licencia MIT, y tanto Buzz como Vibe también tienen licencia MIT, lo que permite el uso comercial. Con datos sensibles, la transcripción local evita enviar la grabación a un proveedor, pero sigue siendo necesario el consentimiento de las personas grabadas.
¿Hace falta una tarjeta gráfica para transcribir audio a texto?+
No. Según whisper.cpp, el modelo small de Whisper funciona solo con el procesador y con menos de 1 GB de memoria. Una tarjeta gráfica NVIDIA o un Mac Apple Silicon acelera la transcripción y permite usar con comodidad turbo, que requiere unos 6 GB de memoria de vídeo con openai/whisper.

#Fuentes y verificación del 18 de noviembre de 2026

Las versiones, licencias, funciones, requisitos de memoria y cuotas citados se recopilaron el 18 de noviembre de 2026 en los repositorios oficiales de los proyectos y en las páginas de ayuda y de precios de los desarrolladores; las cuotas de los servicios en línea y las versiones del software pueden cambiar en cualquier momento.

¿Esta guía te ha ayudado?

¿Un comentario, un error, una precisión? Avísanos, eso mejora la guía para todos.