Transcribir audio a texto gratis

Hay una API HTTP justo para esto: envías la URL de un archivo y recibes el texto, el SRT y el VTT en JSON. Mismos límites, mismo motor y mismas transcripciones, sin subir nada ni pasar por el correo, y con una clave gratis que se pide en una sola llamada. La documentación de la API (en inglés).

La mayoría de los transcriptores gratis se cortan en algún punto entre los diez y los treinta minutos. Ese número no sale de lo que la gente graba de verdad; sale de lo que sale barato regalar. Así que medimos nuestro propio trabajo.

De 96 transcripciones hechas entre febrero y septiembre de 2026 (episodios de podcast, entrevistas y llamadas grabadas de nuestros propios clientes, medidas el 16 de septiembre de 2026):

• Duración mediana: 47,3 minutos. La mitad de lo que transcribimos dura más que eso.
• El 96 % duraba 90 minutos o menos. La más larga, 93,6 minutos.
• Solo el 17 % duraba 15 minutos o menos. Una versión gratis de quince minutos no habría servido para cinco de cada seis archivos.
• Un promedio de 7775 palabras, a unas 172 palabras por minuto. El 94 % era audio, no video.

Noventa minutos es donde se juntan esas dos cosas: cubre la gran mayoría de los episodios reales y es una duración que podemos permitirnos regalar. Son cifras agregadas de nuestra propia cuenta: no incluyen ningún archivo, nombre ni contenido de clientes.

Cómo se compara

Leímos las versiones gratis de otras seis herramientas de transcripción en sus propias páginas de precios y las pusimos en una sola tabla (en inglés): el archivo gratis más largo, si identifican hablantes, si necesitas una cuenta y qué pasa cuando se acaba la parte gratis. Incluye en qué perdemos nosotros.

Quién habla

La mayoría de las herramientas de transcripción ponen la identificación de hablantes detrás del pago, y nosotros también lo hicimos hasta septiembre de 2026. Era el límite equivocado. Casi todo lo que la gente envía a esta herramienta es una entrevista o una conversación entre dos, y una conversación transcrita sin turnos no es un documento más barato: es uno peor, porque quien lo lee termina haciendo ese trabajo en la cabeza.

Así que la herramienta gratis identifica hablantes. Cada turno se marca en el texto y en los subtítulos, la etiqueta aparece donde cambia quien habla y no en cada línea, y un archivo con una sola voz sale sin etiquetas. Lo que separa lo gratis de lo pagado aquí es el modelo, el tope de noventa minutos y las 3 grabaciones al mes, no que el resultado se pueda leer.

Lo que nos cuesta

La transcripción cuesta unos 15 centavos de dólar por hora de audio, y la pagamos nosotros. Por eso hay límites, y preferimos decirlos aquí a que los descubras de golpe: 3 grabaciones al mes por persona, de hasta noventa minutos cada una, y un presupuesto mensual para la herramienta en total. Si se acaba el mes, la herramienta te lo dice y te ofrece avisarte por correo cuando se renueve. No empeora a escondidas ni empieza a pedirte una tarjeta.

Qué pasa con tu archivo

Se sube a un almacenamiento privado que no se puede leer desde la web, se envía a AssemblyAI para transcribirlo y se borra a los 7 días. El texto se guarda 30 días para que los enlaces de descarga de tu correo sigan funcionando, y después también se borra. No se usa nada para entrenar nada.

Hasta dónde llega la herramienta gratis

Te da las palabras y quién las dijo. No corta clips, no pone subtítulos sobre el video ni encuentra los mejores momentos: eso lo hacen las herramientas de pago de Slice, y fingir otra cosa sería hacerte perder el tiempo. Además, está pensada para el inglés: transcribe otros idiomas y te dice cuál detectó, pero no te vamos a prometer la precisión.