Transcribir audio a texto gratis con IA: Whisper, Buzz y otras opciones

La forma más completa de transcribir audio gratis es Whisper, el modelo de reconocimiento de voz que OpenAI publicó como código abierto. Funciona en tu ordenador, entiende español y no manda el audio a ningún sitio. La manera más cómoda de usarlo es Buzz, un programa gratuito para Windows, macOS y Linux que lo lleva dentro. Si solo quieres dictar algo o transcribir una nota de voz, Windows, Google Docs, Android y el iPhone ya traen herramientas propias, aunque varias procesan la voz en la nube.

Qué es Whisper

Whisper es un modelo de reconocimiento de voz de uso general, con licencia MIT. Además de transcribir en muchos idiomas (español, catalán, gallego y euskera incluidos), sabe identificar en qué idioma se habla y traducir al inglés. No es una web ni una aplicación: es el modelo, y hay programas que lo usan por debajo.

Viene en varios tamaños, y elegir bien es la mitad del trabajo. Según su documentación, estos son los requisitos aproximados de memoria de vídeo y la velocidad relativa frente al modelo grande:

Modelo	Memoria de vídeo	Velocidad relativa
tiny	unos 1 GB	unas 10 veces más rápido
base	unos 1 GB	unas 7 veces
small	unos 2 GB	unas 4 veces
medium	unos 5 GB	unas 2 veces
large	unos 10 GB	referencia
turbo	unos 6 GB	unas 8 veces

El turbo es una versión optimizada del grande que pierde muy poca precisión y es el que usa por defecto. OpenAI avisa de que esas velocidades se midieron en inglés y con una gráfica de centro de datos, y de que el resultado varía mucho según el idioma y el equipo. Con un audio limpio en español yo empezaría por turbo si la gráfica lo aguanta, y por small si no.

La forma sencilla: Buzz

Buzz es un programa de escritorio, también con licencia MIT, que transcribe y traduce audio sin conexión usando Whisper. Abre archivos de audio y vídeo, transcribe en directo desde el micrófono, separa a quien habla y exporta a TXT si quieres el texto o a SRT y VTT si lo que buscas son subtítulos.

Su página de instalación explica cómo conseguirlo en cada sistema:

• En Windows, con el instalador que enlaza esa página. No está firmado, así que Windows te avisará al abrirlo y la documentación indica pulsar en «More info» y luego en «Run anyway».
• En Mac, con el .dmg. Las versiones nuevas exigen un procesador Apple, y la última que funciona en Mac con Intel es la 1.4.5.
• En Linux, desde Flathub con flatpak install flathub io.github.chidiwilliams.Buzz o con sudo snap install buzz.

El uso, según su guía de importación, es abrir el archivo con «Import Media File» en el menú File (o Ctrl+O), elegir tarea, idioma y modelo, y pulsar «Run». Cuando el estado pasa a «Completed», haces doble clic en la fila y tienes la transcripción para revisarla y exportarla. Ellos mismos recomiendan indicar siempre el idioma en vez de dejar que lo detecte, y coincido: con el español puesto a mano te ahorras sorpresas.

Whisper desde la terminal

Si te manejas con la línea de comandos, puedes usar Whisper tal cual lo publica OpenAI. Necesita Python y FFmpeg. En Ubuntu o Debian, el README oficial instala FFmpeg así:

sudo apt update && sudo apt install ffmpeg

Y Whisper con pip. En las distribuciones actuales lo limpio es hacerlo dentro de un entorno virtual de Python:

python3 -m venv ~/whisper
~/whisper/bin/pip install -U openai-whisper

Para transcribir una entrevista en español y sacar solo el texto y los subtítulos:

~/whisper/bin/whisper entrevista.mp3 --model turbo --language Spanish --output_format txt
~/whisper/bin/whisper entrevista.mp3 --model turbo --language Spanish --output_format srt

Si no indicas formato, genera todos a la vez (txt, vtt, srt, tsv, json y jsonl) en la carpeta donde estés. La primera vez descarga el modelo, así que tarda más.

Lo que ya tienes en Windows, Google Docs, Android y iPhone

Para dictar o para transcripciones cortas no hace falta instalar nada. Eso sí, conviene saber qué hace cada una con tu voz.

Windows 10 y 11. Con la tecla Windows + H se abre la escritura por voz en cualquier cuadro de texto, y en Windows 11 admite español de España. Microsoft explica que usa reconocimiento en línea, basado en sus servicios de Azure, y que necesita conexión a internet. Sirve para dictar, no para pasarle un archivo grabado.

Google Docs. En el menú Herramientas está Escribir por voz, que funciona en Chrome, Edge y Safari y entiende español de España y gallego, entre muchos otros. Google aclara que es el navegador el que gestiona el servicio de transcripción. También es para dictar con el micrófono.

Word con Microsoft 365. La función Transcribir sí acepta archivos grabados y separa a cada persona que habla, pero es de pago. Con una suscripción a Microsoft 365 el límite es de 300 minutos de audio subido al mes, y las grabaciones se guardan en OneDrive. Fíjate también en la nota de Microsoft: a fecha de octubre de 2026 dice que solo está disponible en Word para Microsoft 365 en Windows para cuentas de organizaciones, así que con una suscripción personal puede que no te aparezca.

Android. Transcripción instantánea muestra en pantalla lo que se dice a tu alrededor, en tiempo real. En los Pixel viene instalada y en otros móviles se descarga de Google Play. Necesita internet salvo que descargues un idioma para usarlo sin conexión, algo que Google limita a determinados dispositivos.

iPhone. La app Notas graba y transcribe audio en el iPhone 12 y posteriores si el idioma del dispositivo es uno de los admitidos, y el español lo es. Puedes buscar dentro de la transcripción, copiarla o añadirla a la nota.

Local o en la nube: qué pasa con tu audio

Para mí es lo primero que hay que mirar antes de elegir, sobre todo con grabaciones de reuniones, entrevistas o consultas médicas.

Herramienta	Dónde se procesa	Precio
Whisper y Buzz	En tu ordenador	Gratis
Escritura por voz de Windows	En línea, servicios de Azure	Incluida en Windows
Escribir por voz de Google Docs	La gestiona el navegador	Gratis
Transcribir de Word	Grabaciones guardadas en OneDrive	Suscripción a Microsoft 365
Transcripción instantánea	En línea, o sin conexión con idiomas descargados	Gratis
Notas del iPhone	Apple no lo detalla en su ayuda	Incluida en iOS

Mi recomendación es sencilla. Para dictar un correo, la escritura por voz de tu sistema y listo. Para transcribir una grabación larga o con datos de otras personas, Buzz con Whisper en tu equipo. Puede ir más lento que un servicio en la nube si tu ordenador es modesto, pero el audio no sale de tu disco. Y si después quieres resumir o limpiar esa transcripción con un chat, aquí tienes qué ofrece gratis cada asistente de IA.