Qué es la transcripción: manual vs automática y cuál elegir
2026-08-13
La transcripción es el proceso de convertir el habla en texto escrito: tomas una grabación — una entrevista, una reunión, una nota de voz, un vídeo — y obtienes un documento que se puede leer, buscar, citar y compartir. Si has llegado aquí preguntándote qué es la transcripción y cómo se hace hoy, la respuesta corta es que existen dos caminos: pagar a una persona para que escuche y teclee, o dejar que un sistema de reconocimiento de voz lo haga en minutos. Ninguno es «mejor» en abstracto; la elección correcta depende del tipo de audio, de la precisión que necesitas y del presupuesto. En esta guía verás en qué se diferencian, cuánto tardan, cómo leer los porcentajes de precisión y cómo comparar precios.
Qué es la transcripción exactamente: los tres tipos
No todas las transcripciones son iguales, y pedir la variante equivocada es la forma más rápida de pagar de más. Antes de encargar o generar una, decide cuál necesitas:
- Literal (verbatim). Recoge todo tal cual se dijo: muletillas, repeticiones y frases inacabadas incluidas. Se usa en contextos legales y en investigación cualitativa, donde cómo se dijo algo importa tanto como qué se dijo.
- Natural o limpia. Elimina el ruido verbal y los arranques en falso, pero respeta el contenido en todo lo demás. Es la opción adecuada para la mayoría de los usos: actas de reunión, entrevistas para un artículo, apuntes de clase.
- Editada. Reformula las frases para que el texto se lea como prosa. Ya no es un registro fiel sino un documento derivado: útil para publicar, arriesgada para citar.
Sea cual sea el tipo, el punto de partida es el mismo — una transcripción de audio o vídeo convertida en texto — y sobre esa base se limpia, se resume o se traduce.
Transcripción manual frente a transcripción automática
En la transcripción manual, una persona escucha la grabación y teclea. Su gran ventaja es el criterio humano: distingue voces parecidas, adivina una palabra por el contexto, entiende jerga local y sobrevive a un audio grabado desde el fondo de la sala. Sus desventajas son estructurales: es lenta, cara y escala mal — diez horas de audio son diez encargos, no un botón.
La transcripción automática usa modelos de reconocimiento de voz entrenados con enormes cantidades de habla real (explicamos cómo funcionan por dentro en esta guía sobre reconocimiento de voz con IA). Sus ventajas son la velocidad, el coste por minuto muy inferior y la escala: cien archivos cuestan el mismo esfuerzo que uno. Sus puntos débiles son los mismos que castigan a cualquier oyente: grabaciones muy sucias, varias personas hablando a la vez y nombres propios que no aparecen en ningún diccionario.
Cuánto se tarda en transcribir una hora de audio
La unidad que lo ordena todo es la hora de audio, y las dos vías juegan en ligas distintas.
Una regla habitual del sector es que un transcriptor experimentado necesita entre cuatro y seis horas de trabajo por cada hora de grabación con audio limpio — y bastante más si hay ruido, acentos marcados o varios interlocutores que se pisan. Súmale el plazo de entrega real de un profesional o una agencia: tu archivo entra en una cola, y entre enviarlo y recibir el documento suelen pasar días, no horas.
Un sistema automático transcribe esa misma hora en unos minutos: el modelo no se cansa ni cobra recargo por urgencia. El único tiempo humano que queda es el tuyo revisando el resultado.
Cómo se mide la precisión de una transcripción
El estándar del sector es el WER (word error rate, tasa de error por palabra): se compara la transcripción con una versión de referencia perfecta y se cuentan las palabras sustituidas, omitidas e insertadas, divididas entre el total. Un servicio que anuncia «95 % de precisión» está diciendo que se equivoca en unas cinco palabras de cada cien.
Dos matices para leer esas cifras con criterio:
- La precisión anunciada se midió en las condiciones del anunciante. Con audio de estudio en inglés, casi todo el mundo saca notas altísimas. Tu llamada por el altavoz del móvil es otro examen.
- No todos los errores pesan igual. Confundir «este» con «esté» apenas molesta; transcribir mal una cifra, un nombre o un «no» convierte el documento en un riesgo.
La consecuencia práctica: ignora los porcentajes de marketing y prueba con tu propio audio, con su ruido y sus acentos reales. En Oratext puedes hacerlo gratis desde la página principal, sin registrarte, y juzgar el resultado con tus ojos antes de decidir nada.
Cuándo pagar a un transcriptor humano y cuándo basta la IA
Merece la pena pagar tarifa humana cuando el error cuesta más que la tarifa:
- Documentos con valor legal o certificado, donde alguien debe responder por cada palabra.
- Audio realmente malo: grabaciones antiguas, mucho ruido de fondo, voces lejanas del micrófono.
- Conversaciones caóticas con cuatro personas interrumpiéndose sin parar.
Para casi todo lo demás — reuniones de trabajo, entrevistas que vas a analizar tú mismo, clases, notas de voz, borradores de artículos, subtítulos — la transcripción automática es suficiente y el ahorro de tiempo y dinero es enorme. Y existe el camino intermedio: la IA genera el borrador en minutos y una persona revisa solo los pasajes delicados — velocidad de máquina con criterio humano donde hace falta.
Cómo comparar precios sin perderte
No vamos a inventar tarifas — cambian según el idioma, el país y el plazo —, pero la lógica para comparar es estable:
- Reduce todo a la misma unidad: el coste por hora de audio. Los humanos cobran por minuto de grabación o por hora de su trabajo (¡que no es lo mismo!); los servicios automáticos, por minuto procesado o por suscripción con un paquete de minutos.
- Pregunta qué encarece el encargo humano: transcripción literal, marcas de tiempo, identificación de hablantes y urgencia suelen ser suplementos, y muchos profesionales aplican un pedido mínimo.
- Mira qué incluye el precio automático. Si el servicio además limpia el texto, genera el resumen o traduce, te ahorras pasos que de otro modo pagarías aparte o harías a mano.
- Calcula sobre tu volumen mensual real. Con una entrevista al trimestre casi cualquier opción vale; con horas de audio semanales, la diferencia se multiplica.
La jugada sensata es empezar por la opción barata y rápida, medir la calidad sobre tu material y reservar el presupuesto humano solo para los archivos que lo justifiquen.
¿Quieres ver qué hace la transcripción automática con tu propio audio? Pruébala gratis en oratext.com — hay demo sin registro y minutos gratuitos cada día al crear una cuenta — o reenvía una nota de voz al bot de Telegram @oratextbot.