Traducir audio a texto: seis formas de conseguirlo y qué da cada una

Para traducir audio a texto hay que hacer dos trabajos seguidos: primero transcribir lo que se dice y después traducir ese texto. Casi todas las herramientas hacen los dos y no lo cuentan, y ahí empiezan los malentendidos: el resultado que sale por pantalla no es igual de útil que un documento, ni cuesta lo mismo, ni se consigue igual.

Abajo están las seis vías que funcionan hoy para traducir audio a texto, con lo que da cada una y lo que no: un programa que subtitula en el ordenador, los servicios que piden subir el archivo, los subtítulos del navegador, la transcripción de YouTube, la de una reunión de trabajo y la de las notas de voz del teléfono. Los datos de terceros salen de sus ayudas oficiales, consultadas en septiembre de 2026, y donde la fuente calla, aquí se dice.

En este artículo

• Transcribir y traducir son dos trabajos distintos
• Qué vía te conviene según de dónde salga el audio
• Comparativa rápida de las seis vías
• 1. Leerlo en pantalla mientras suena, con un programa para PC
• 2. Subir el archivo a un servicio de transcripción
• 3. Los subtítulos automáticos de Chrome
• 4. La transcripción que ya trae YouTube
• 5. La transcripción de una reunión de trabajo
• 6. Las notas de voz del teléfono
• Qué se pierde al pasar la voz a texto
• Cómo conseguir un texto más limpio
• Antes de subir un audio a una web
• Otras dudas sobre cómo traducir audio a texto
• Entonces, ¿cómo lo hacemos nosotros?

Transcribir y traducir son dos trabajos distintos

La transcripción convierte sonido en palabras del mismo idioma. La traducción convierte esas palabras en otro idioma. Entre las dos hay una tercera tarea que nadie anuncia y que decide la calidad final: ordenar el texto, es decir, poner puntos y comas, separar frases y marcar quién habla.

Importa porque un traductor automático trabaja por frases cerradas. Si recibe un chorro de palabras sin puntuación —que es exactamente lo que devuelve un reconocimiento de voz en bruto—, agrupa mal los sujetos y los verbos y produce un texto que se entiende a medias. La mayoría de las transcripciones traducidas que parecen «mal traducidas» en realidad están mal puntuadas antes de traducirse.

De ahí sale la primera decisión práctica: si vas a revisar el resultado, pide siempre la transcripción en el idioma original además de la traducida. Comparar las dos cuesta poco y es la única forma de saber si el fallo vino del oído o del traductor.

Qué vía te conviene según de dónde salga el audio

Comparativa rápida de las seis vías

Vía	Qué obtienes	Idiomas	Coste	Qué queda después
Programa en el PC	Texto en pantalla, original y traducido, mientras suena	Detecta el de origen; traduce a 78	15 min gratis al día; más tiempo, de pago	Nada: no se guarda
Servicio de transcripción	Documento y subtítulos descargables	125+ (según Maestra)	Desde 12 $ por 60 créditos	El archivo, en su web
Subtítulos de Chrome	Texto en pantalla de lo que suene en el navegador	Más de 100 de destino	Gratis	Nada
Transcripción de YouTube	Texto con marcas de tiempo y subtítulos traducibles	68 de origen	Gratis	Queda en el vídeo
Transcripción de la reunión	Acta en el idioma hablado	—	Licencia de la plataforma	En su nube
Notas de voz de WhatsApp	Texto de la nota, sin traducir	4	Gratis	En tu teléfono

Las seis sirven para traducir audio a texto, pero no compiten: unas devuelven un fichero y otras solo una lectura en pantalla. «—» significa que la ayuda oficial no da el dato. Los precios están en la moneda en la que los publica cada fabricante.

1. Leerlo en pantalla mientras suena, con un programa para PC

Es la vía más rápida cuando el audio está sonando ahora y lo que quieres es entenderlo, no archivarlo: una clase, una llamada, un pódcast, un vídeo que no se puede descargar. Un programa de escritorio escucha la aplicación que le digas y va escribiendo en pantalla lo que oye, ya traducido.

Traducore funciona así en Windows 10 y 11 (en Windows 11 escucha solo la aplicación elegida), y tiene una opción que aquí resulta clave: mostrar también el texto original junto al traducido. Eso convierte los subtítulos en una transcripción bilingüe que se puede seguir con la vista y comprobar sobre la marcha.

Paso a paso

1. Abre el programa que reproduce el audio: el reproductor, el navegador o la app de la reunión.
2. En el panel, elige esa aplicación como fuente. En Windows 11 se captura solo esa, así que las notificaciones del sistema no se cuelan.
3. Marca el idioma de origen y el de destino, y activa los subtítulos en pantalla.
4. Activa «mostrar también el texto original» si quieres la versión bilingüe.
5. Pulsa iniciar y coloca la ventana de subtítulos donde no tape lo que estás mirando.

Lo que conviene saber

Lo bueno: no hay que subir nada a ninguna parte, funciona con cualquier programa de Windows y el retraso es de tres a seis segundos. Lo que no hace: no deja un documento. El texto pasa por la pantalla y se va, porque no se guarda ni el audio ni la transcripción. Si lo que necesitas es un fichero, esta no es tu vía.

Los otros límites, sin adornos: es solo para Windows, traduce a 78 idiomas sin la misma calidad en todos y tiene 15 minutos gratis al día, sin tarjeta; para más tiempo, los planes publicados aquí. Para escuchar en directo en un par concreto de idiomas, el caso más común está detallado en cómo traducir audio de inglés a español.

2. Subir el archivo a un servicio de transcripción

Es la vía obligada cuando hace falta un documento: una entrevista que hay que citar, una clase que hay que estudiar, un vídeo al que hay que ponerle subtítulos. Se sube el fichero, el servicio lo procesa y devuelve texto, subtítulos con marcas de tiempo o las dos cosas, normalmente con la opción de traducirlo a otro idioma.

Como referencia de precios y alcance, Maestra anuncia compatibilidad con «125+ idiomas» tanto en transcripción como en traducción de voz. Su modelo de pago por uso son 12 $ por 60 créditos, y sus planes de transcripción, subtítulos y locución van de 23 a 359 $ al mes con facturación anual; el doblaje con sincronía labial se cobra aparte, a 2 $ por minuto. La comparamos a fondo en esta comparativa.

Tres cosas que conviene mirar antes de elegir servicio, porque ninguna sale en la portada:

• Si el minuto se cuenta por idioma. Traducir el mismo archivo a tres idiomas puede consumir tres veces el saldo. En varios planes, los minutos de traducción se descuentan «por idioma».
• Si devuelve el original además de la traducción. Sin la transcripción de partida no hay forma de auditar un error.
• Cuánto tiempo guardan el archivo. Muchas webs no publican el periodo de retención, y ese silencio ya es una respuesta.

3. Los subtítulos automáticos de Chrome

Chrome puede generar subtítulos de cualquier audio que suene dentro del navegador y, con la Traducción instantánea, pasarlos a otro idioma. Se activan en «Configuración» → «Accesibilidad», y para subtitular en un idioma que no sea el inglés hay que añadir el paquete correspondiente en «Gestionar idiomas». La lista de idiomas de destino, según la ayuda, pasa de cien.

Es gratis y no pide cuenta, pero tiene dos condiciones que deciden si te sirve. La primera: solo cubre el audio de Chrome, así que un fichero abierto en un reproductor local o una llamada en una app de escritorio quedan fuera. La segunda es de privacidad y merece leerse despacio: según la propia ayuda, los subtítulos se generan en tu equipo y no salen de él, pero al activar la traducción ese texto se envía a Google.

4. La transcripción que ya trae YouTube

Si el audio está en un vídeo público, la transcripción probablemente ya existe. YouTube genera subtítulos automáticos en 68 idiomas de origen, y desde el menú de subtítulos se puede pedir «Traducir automáticamente» a otro idioma, siempre que el vídeo tenga subtítulos de partida: si el icono está en gris, no hay nada que traducir.

Los avisos de la propia ayuda son importantes aquí. La calidad «puede variar» y empeora con mala pronunciación, acentos, dialectos o ruido de fondo. Y hay vídeos que directamente no tienen subtítulos automáticos: los muy largos, los de sonido malo, los que empiezan con un silencio largo o aquellos en los que varias personas hablan a la vez. En emisiones en directo, los subtítulos automáticos «solo están disponibles en inglés». El procedimiento completo, con los fallos habituales, está en esta guía de vídeos de YouTube.

5. La transcripción de una reunión de trabajo

Teams transcribe la reunión, pero conviene no confundir la transcripción con los subtítulos traducidos, porque no son lo mismo ni duran lo mismo. La ayuda de Microsoft lo dice con claridad: Teams no guarda los subtítulos, y para quedarse con un registro hay que usar la transcripción. Y añade un matiz que pilla a mucha gente: las transcripciones traducidas solo están disponibles en directo; cuando la reunión termina, lo que queda es el idioma original.

Lo mismo pasa con las grabaciones: las de Teams capturan «solo el audio original» y no incluyen el audio de la interpretación. En Zoom, la ayuda describe subtítulos traducidos en directo y avisa de que «pueden no ser exactos», pero no documenta que esa traducción quede guardada al terminar. Es decir, si querías un acta en tu idioma, la única forma es copiar el texto traducido durante la reunión, o pasar después la transcripción original por un traductor de texto. Cómo se activa cada cosa está en la guía de Teams, y el panorama general de lo que traduce cada plataforma, en esta guía sobre traducción en directo.

6. Las notas de voz del teléfono

WhatsApp transcribe notas de voz, y la función se genera en el propio dispositivo. Viene desactivada por defecto y solo la ve quien recibe el mensaje. Ahora, la parte que hay que decir claro: esa transcripción sale en el mismo idioma de la nota, y la ayuda de Android solo reconoce cuatro idiomas para ella —inglés, portugués, español y ruso—. La propia ayuda avisa de que puede tardar unos segundos y «no ser precisa».

WhatsApp sí traduce los mensajes escritos de un chat, también en el teléfono, con seis idiomas en Android y más de diecinueve en iPhone. Así que el apaño para una nota de voz en otro idioma es encadenar dos pasos: transcribirla y traducir el texto. Ni la ayuda ni el blog documentan la traducción directa de una nota de voz.

La app de Google Traductor tiene además un modo Transcribir en Android que va escribiendo lo que alguien dice «casi en tiempo real» y guarda las transcripciones, lo que la hace útil para una charla presencial. En cambio, la app de Microsoft Translator avisa de que no admite traducir fuentes externas ni archivos, como películas o clips de vídeo.

Qué se pierde al pasar la voz a texto

Hay pérdidas que no dependen del servicio que elijas, porque están en la naturaleza del trabajo:

• La puntuación es una interpretación. Nadie pronuncia las comas. El sistema decide dónde van, y de esa decisión depende el sentido de la frase.
• Quién dice cada cosa. Separar hablantes es un problema aparte. Sin esa separación, una entrevista se convierte en un monólogo incoherente.
• Nombres, siglas y cifras. Son lo primero que se rompe, y lo que más caro sale si el texto acaba en un informe.
• Los solapes. Cuando dos personas hablan a la vez, la transcripción funde las dos frases en una que no dijo nadie.
• El tono. Un «claro, claro» resignado y uno entusiasta se escriben igual.
• Los silencios. Una pausa larga antes de responder no aparece en el documento, y en una negociación decía tanto como las palabras.

Cómo conseguir un texto más limpio

• Arregla el audio antes, no el texto después. Un archivo con menos ruido mejora el resultado más que cambiar de herramienta: el reconocimiento es la capa que más errores aporta.
• Indica el idioma a mano. La detección automática falla con frases cortas, con acentos marcados y cuando alguien mete palabras en inglés.
• Corta los archivos largos. Trozos de veinte o treinta minutos se procesan mejor y permiten revisar por partes.
• Revisa primero nombres y números. Con buscar tres o cuatro términos clave se detecta el 80 % de los errores que importan.
• Corrige el original antes de traducir. Diez minutos de puntuación en la transcripción ahorran una hora de arreglos en la versión traducida.
• Guarda las marcas de tiempo. Permiten volver al audio y comprobar cualquier frase dudosa sin escuchar el archivo entero.

Antes de subir un audio a una web

Este es el punto que más se salta y el que más problemas da en un entorno profesional. Subir un archivo a un servicio es entregar la voz de las personas que aparecen en él, y eso tiene consecuencias. Cuatro preguntas antes de arrastrar el fichero:

• ¿Tienes permiso de quien habla? Una reunión grabada con clientes o pacientes no es tuya para repartirla.
• ¿Cuánto tiempo lo guardan? Si la web no publica un periodo de retención, asume que se queda.
• ¿Se usa para entrenar modelos? Algunos servicios lo descartan por escrito; otros no dicen nada, que no es lo mismo.
• ¿Hace falta subirlo, en realidad? Si solo quieres entender el contenido, una vía que procese en tu propio equipo evita el problema entero.

Otras dudas sobre cómo traducir audio a texto

¿Cómo traducir un audio de voz?

Si es un fichero y quieres un documento, súbelo a un servicio de transcripción y pídele también la traducción. Si está sonando y solo quieres entenderlo, subtítulos en directo en el ordenador. Y si es una nota de voz del teléfono, transcríbela primero con la función del propio chat y traduce después ese texto, porque la traducción directa de notas de voz no está documentada.

¿Cómo traducir un audio grabado?

Con un grabado tienes una ventaja que no existe en directo: el sistema puede oírlo entero antes de decidir, así que la calidad es mejor y puedes revisar el resultado sin prisa. Lo eficiente es transcribirlo primero en su idioma, corregir a mano los nombres y la puntuación, y traducir después el texto ya limpio.

¿Cómo puedo transcribir audio de inglés a español?

Ojo con el término, porque aquí se mezclan dos cosas. Transcribir es escribir lo que se oye en el mismo idioma; pasarlo al español ya es traducir. Lo que suele querer decir esta pregunta es «transcríbelo en inglés y tradúcelo al español», y eso son las dos etapas del principio. Casi todos los servicios de transcripción lo hacen en un mismo paso, pero merece la pena pedir las dos versiones.

¿Cómo traducir un audio que está en otro idioma?

Antes de elegir herramienta, comprueba de qué idioma se trata y si la que vas a usar lo admite como origen, que no es lo mismo que admitirlo como destino. Es el error más frecuente: muchas listas largas de idiomas son de destino, y la lista de idiomas hablados que el sistema entiende es bastante más corta.

Entonces, ¿cómo lo hacemos nosotros?

No usamos siempre lo mismo: traducir audio a texto se resuelve distinto según si el resultado tiene que sobrevivir a la sesión. Para entender una clase, una llamada o un vídeo, subtítulos en el ordenador con el original al lado, y no queda nada guardado, que muchas veces es lo que se quiere. Para una entrevista que hay que citar, un servicio de transcripción, pidiendo siempre las dos versiones y corrigiendo el original antes de traducir. Y si el audio lleva datos de clientes, no sube a ninguna web: se resuelve en el equipo, aunque dé algo más de trabajo.