≡En resumen
- Transcribir es pasar a texto lo que se dice en un audio o un vídeo; subtitular es sincronizar ese texto con la imagen.
- La IA ya hace un primer borrador muy aprovechable, pero nombres, cifras y términos técnicos necesitan revisión humana.
- Para cumplir WCAG, el audio grabado necesita transcripción y el vídeo grabado, subtítulos.
- Una transcripción publicada junto al vídeo o el podcast es texto indexable que buscadores e IA pueden leer y citar.
- Si transcribes reuniones o entrevistas, informa a los participantes: la voz y lo que se dice son datos personales.
01 ¿Qué es una transcripción?
En marketing y comunicación se transcriben entrevistas, webinars, vídeos corporativos, reuniones y episodios de un podcast. El texto resultante sirve para crear subtítulos, artículos, citas para redes o actas, y es la base para traducir el contenido a otros idiomas.
02 Tipos de transcripción
| Tipo | Qué incluye | Cuándo usarla |
|---|---|---|
| Literal (verbatim) | Todo lo que se oye: muletillas, repeticiones, risas, pausas | Investigación, entrevistas cualitativas, usos judiciales |
| Limpia | El contenido completo sin muletillas ni titubeos | Blogs, podcasts, vídeos corporativos: la más habitual |
| Editada | Texto reescrito para leerse bien, respetando el sentido | Artículos o entrevistas que se publican como texto |
| Con marcas de tiempo | Minuto y segundo de cada intervención o párrafo | Subtitulado, edición de vídeo, capítulos |
| Descriptiva | Diálogo más la descripción de lo visual relevante | Accesibilidad para personas sordociegas (W3C) |
| Transcripción | Subtítulos | Traducción | |
|---|---|---|---|
| Formato | Documento de texto independiente | Texto sincronizado con el vídeo (SRT, VTT) | Texto en otro idioma |
| Idioma | El mismo del audio | El mismo o traducido | Distinto |
| Uso principal | Leer, buscar, reutilizar | Ver el vídeo sin sonido o sin oír | Llegar a otro mercado |
03 Cómo transcribir un audio o un vídeo
-
1
Cuida la grabación
Un micrófono cerca de cada persona y poco ruido de fondo mejoran más la precisión que cualquier herramienta.
-
2
Elige el método
Automático para borradores rápidos; humano o mixto cuando la precisión es crítica (legal, médica, publicación).
-
3
Genera el borrador
Sube el archivo a la herramienta o transcribe en tiempo real durante la reunión.
-
4
Revisa nombres y cifras
Los errores típicos están en nombres propios, marcas, siglas, números y términos técnicos.
-
5
Identifica a los hablantes
Etiqueta quién habla y añade marcas de tiempo si vas a subtitular o citar.
-
6
Exporta en el formato adecuado
DOCX o TXT para leer, SRT o VTT para subtítulos, HTML para publicarla en la web.
Sobre formatos: SRT es el más compatible (texto numerado con tiempos de inicio y fin) y WebVTT (.vtt) es el estándar para el elemento de vídeo de HTML, porque admite estilos y posiciones. Casi todas las herramientas exportan ambos, y a partir de cualquiera de ellos se obtiene el texto limpio para publicar en la web.
04 Transcripción automática con IA: herramientas
680.000 h
de audio multilingüe usadas para entrenar Whisper
Fuente: Radford et al., artículo de Whisper (OpenAI, 2022)
+75
idiomas con subtítulos automáticos en YouTube
Fuente: Ayuda de YouTube
| Opción | Cómo funciona | Ten en cuenta |
|---|---|---|
| Whisper (OpenAI) | Modelo de reconocimiento de voz de código abierto; se puede ejecutar en tu propio servidor o usar vía API | Licencia MIT; ejecutarlo en local evita enviar audio a terceros |
| Subtítulos automáticos de YouTube | YouTube genera subtítulos al subir el vídeo y se editan en YouTube Studio | La propia ayuda de YouTube advierte de errores por acentos o ruido: revísalos |
| Videollamadas y ofimática | Muchas suites de reuniones y procesadores de texto ofrecen transcripción integrada según el plan | Comprueba dónde se guardan los datos y quién puede verlos |
| Servicios profesionales | Transcriptores humanos, a menudo sobre un borrador automático | Más lento y caro, pero necesario en contextos legales o médicos |
Integrar la transcripción en tus procesos (actas automáticas, resúmenes de llamadas, fichas de CRM a partir de reuniones) es un proyecto típico de una agencia de inteligencia artificial: se combina un modelo de voz a texto con un modelo de lenguaje que resume y extrae tareas. Y si el vídeo hay que adaptarlo a otros mercados, la transcripción es el punto de partida de la traducción automática.
05 Transcripción y accesibilidad: qué exige WCAG
| Criterio | Nivel | Qué pide |
|---|---|---|
| 1.2.1 Solo audio y solo vídeo (grabado) | A | Una alternativa en texto (transcripción) para el audio grabado, como un podcast |
| 1.2.2 Subtítulos (grabado) | A | Subtítulos para el audio de los vídeos grabados |
| 1.2.4 Subtítulos (en directo) | AA | Subtítulos para el audio de las emisiones en directo |
| 1.2.8 Alternativa multimedia (grabado) | AAA | Transcripción descriptiva de los vídeos grabados |
| 1.2.9 Solo audio (en directo) | AAA | Alternativa en texto para audio en directo |
Ojo con un matiz: para una persona sorda no basta con el diálogo. Los subtítulos accesibles indican también quién habla cuando no se ve y los sonidos que importan para entender la escena, como «» o «». Y el subtitulado automático de YouTube ayuda, pero sin revisar no garantiza el cumplimiento: una cifra o un nombre mal transcritos cambian el mensaje.
06 El valor SEO de las transcripciones
Un buscador entiende un vídeo por su título, su descripción y el texto que lo rodea. La transcripción añade todo lo que se dice: términos, preguntas y respuestas que la gente busca. La W3C lo cita como ventaja añadida de las transcripciones, y para la búsqueda con IA es aún más relevante: los asistentes citan texto, no minutos de vídeo.
- ✓Publica la transcripción en la misma página que el vídeo o el episodio, en HTML, no solo en un PDF.
- ✓Divídela con subtítulos H2 o H3 por temas y añade marcas de tiempo enlazables.
- ✓Sube el archivo de subtítulos revisado a YouTube en lugar de dejar solo los automáticos.
- ✓Convierte los fragmentos más útiles en un artículo, preguntas frecuentes o publicaciones para redes.
- ✓Revisa que nombres de marca y productos estén bien escritos: es lo que se indexará.
Una empresa de software graba un webinar de una hora. Con la transcripción revisada publica la grabación con el texto completo, un artículo de 1.500 palabras con las ideas clave, una página de preguntas frecuentes con las dudas del chat, subtítulos en español e inglés y diez citas para LinkedIn. El mismo material se reaprovecha como vídeo corporativo corto para la home.
07 Usos en empresa y privacidad
Reuniones y llamadas
Actas y tareas automáticas; conviene avisar al inicio de que se graba y se transcribe.
Entrevistas y research
Citas exactas de clientes para estudios de mercado o investigación de usuarios.
Vídeo y podcast
Subtítulos, textos para la web y material para redes a partir de cada pieza.
Atención al cliente
Transcripción de llamadas para detectar motivos de contacto y entrenar a asistentes.
Y si en lugar de transcribir lo que ya se ha dicho quieres generar el vídeo a partir de un texto, puedes producir vídeos con avatar IA que ya salen con guion y subtítulos listos para publicar.
Preguntas frecuentes sobre Transcripción
Significa pasar a texto escrito lo que se dice en un audio o un vídeo. También se llama transcripción al documento resultante.
La transcripción es un texto independiente para leer; los subtítulos son ese texto dividido y sincronizado con la imagen para verlo mientras se reproduce el vídeo.
Puedes usar los subtítulos automáticos de YouTube, la transcripción integrada de algunas suites ofimáticas o ejecutar Whisper, que es de código abierto. En todos los casos revisa el resultado.
Sirve como borrador de calidad con buen audio, pero falla en nombres propios, cifras, acentos marcados y ruido. Para publicar o para usos legales necesita revisión humana.
Según WCAG, el vídeo grabado necesita subtítulos (nivel A) y el audio grabado, una transcripción (nivel A). Si tu web está obligada por la normativa de accesibilidad, debes cumplirlo.
Sí: convierten el contenido hablado en texto indexable que buscadores y asistentes de IA pueden leer, entender y citar.
La que recoge todo lo que se oye, incluidas muletillas, repeticiones y pausas. Se usa en investigación o en contextos legales; para publicar se prefiere la transcripción limpia.
Los más habituales son SRT, compatible con casi cualquier reproductor y red social, y WebVTT, el formato que usa el vídeo HTML en la web. Ambos contienen el texto y los tiempos de cada línea.
Fuentes consultadas
Sobre el autor
Development Manager en appyweb
Dirige el equipo de desarrollo de appyweb: aplicaciones web y móviles, SaaS, integraciones y arquitectura de software.
Ver perfil y artículos → Ver perfil en LinkedIn ↗