Pasar audio a texto en Word: del archivo de audio a un documento limpio

El camino que funciona con cualquier versión de Word

Quien busca "pasar audio a texto en Word" suele tener una grabación (una entrevista, una reunión, una clase, un dictado propio) y necesita entregar un documento .docx. Microsoft ha ido añadiendo funciones de voz a Word que varían según la versión, la suscripción y el idioma; si te interesan, consulta la ayuda oficial de Microsoft para tu caso concreto.

Aquí explicamos un flujo que no depende de eso y sirve igual en Word 2016, en Microsoft 365, en Word para Mac o incluso en LibreOffice Writer o Google Docs:

1. Transcribir el audio con una herramienta externa.
2. Descargar el resultado como texto plano.
3. Abrirlo o pegarlo en Word sin estropear acentos ni saltos de línea.
4. Darle formato, revisarlo escuchando y pasar el corrector.

Paso 1: obtener la transcripción en texto plano

mydubly es una aplicación web para convertir audio a texto (en inglés) desde el navegador. La interfaz está en inglés; para este flujo necesitas pocos pasos:

1. Arrastra tu grabación a «Drop audio here». Acepta MP3, WAV, M4A, AAC, OGG, FLAC y WebM de hasta 2 horas. Si tu grabación es un video (por ejemplo, una reunión grabada en MP4), usa «Drop a video here».
2. Deja apagado «Audio and text output» para quedarte en «Timestamped transcript only», la opción solo de texto.
3. Pulsa «Transcribe audio» y deja la pestaña abierta.
4. Elige la descarga: «Download transcript» te da transcript.txt, el texto corrido sin tiempos; «Download timestamped transcript» te da transcript-timestamped.txt, con los minutos de cada fragmento.

El idioma se detecta solo y el reconocimiento se basa en Whisper. El audio viaja por HTTPS y, al igual que los resultados, se borra del servidor dentro de los 30 minutos posteriores a terminar el trabajo.

Conviene saber lo que no hace: no exporta directamente a .docx (el paso a Word lo haces tú, como se explica abajo), no identifica quién habla, no aplica estilos ni títulos, no resume y no tiene un editor en la propia app. Si el audio trae notas de voz de WhatsApp en .opus, antes hay que convertirlas a MP3 o M4A.

Paso 2: abrir el texto en Word sin romper tildes ni eñes

Hay dos formas de llevar el texto a Word, y cada una tiene su truco:

• Abrir el archivo .txt directamente: en Word, ve a Archivo > Abrir y selecciona el archivo (quizá tengas que cambiar el filtro a "Todos los archivos" o "Archivos de texto"). Si Word muestra el cuadro de conversión de archivos, elige Unicode (UTF-8). Si en lugar de "información" ves algo como "información", es justo ese problema de codificación: cierra sin guardar y vuelve a abrir eligiendo UTF-8.
• Copiar y pegar: abre el .txt en el Bloc de notas o en TextEdit, copia el contenido y pégalo en Word con Pegar > Mantener solo texto, para que no arrastre fuentes ni formatos extraños.

Cuando el texto ya esté dentro, guarda de inmediato como Documento de Word (.docx). Trabajar sobre el .txt hace que pierdas cualquier formato que apliques.

Paso 3: quitar o conservar las marcas de tiempo

Las marcas de tiempo son útiles mientras revisas, porque te dicen a qué minuto saltar en el audio, pero en un documento final pueden estorbar. Decide según el uso:

• Acta de reunión o artículo: normalmente sin tiempos. Lo más sencillo es descargar directamente transcript.txt en lugar de la versión con tiempos.
• Entrevista para una tesis o un reportaje: conserva algunas marcas, por ejemplo una cada pocos minutos o junto a las citas que vas a usar, para poder volver al audio.
• Revisión legal o de cumplimiento: déjalas todas; quien revise tiene que poder ubicar cada frase.

Si ya trabajaste sobre la versión con tiempos y quieres quitarlos, usa Inicio > Reemplazar, pulsa "Más" y activa "Usar caracteres comodín". Con comodines, un patrón como \[*\] encuentra cualquier texto entre corchetes; adapta el patrón al formato exacto que veas en tu archivo y prueba primero con "Buscar siguiente" antes de reemplazar todas las coincidencias.

Paso 4: dar formato de entrevista o de reunión

Un bloque de texto sin estructura cuesta leerlo. Algunas pautas que dan un aspecto profesional:

• Hablantes: como la transcripción no identifica quién habla, añade a mano una etiqueta al inicio de cada intervención (Entrevistadora:, Lic. Pérez:, P:, R:) y aplícale negrita en Word. Usar siempre la misma etiqueta te permite luego buscar y reemplazar.
• Encabezado: título, fecha, lugar, participantes y duración de la grabación, en una tabla pequeña al principio.
• Estilos: aplica Título 1 o Título 2 a los cambios de tema. Así Word puede generar una tabla de contenido y el panel de navegación te deja saltar entre secciones.
• Números de línea: en investigación y en contextos legales es habitual numerar las líneas (Disposición > Números de línea) para poder citar "líneas 120 a 134".
• Interlineado y márgenes: 1,15 o 1,5 y párrafos separados facilitan la lectura y las anotaciones al margen.

En esta guía sobre cómo dar formato a una transcripción (en inglés) hay ejemplos de formatos para distintos usos. Si tu documento es el acta de una reunión, mira también cómo hacer un acta a partir de una grabación.

El corrector de Word en español y lo que no detecta

Antes de pasar el corrector, selecciona el documento completo con Ctrl+E (en Word en español) y ve a Revisar > Idioma > Establecer idioma de corrección. Elige la variante que corresponda: Español (México), Español (Argentina), Español (Colombia), Español (España, alfabetización internacional), etc. Si el documento está marcado como inglés, el corrector subrayará cada palabra y no servirá de nada.

El corrector ortográfico, sin embargo, no detecta palabras bien escritas pero equivocadas, que son justo los errores típicos de una transcripción automática en español:

• "haber" en lugar de "a ver", o "hay", "ahí" y "ay" confundidos.
• "hecho" y "echo", "vaya" y "valla", "tuvo" y "tubo".
• Nombres propios escritos como palabras comunes ("Rosario" la ciudad frente a "rosario" el objeto).
• Preguntas sin signo de apertura (¿) o exclamaciones sin (¡).
• Cifras y fechas en formatos mezclados.

Por eso la revisión final debe hacerse escuchando el audio, no solo leyendo. Sobre los fallos de puntuación y de números, son útiles las guías de errores de puntuación en transcripciones (en inglés) y cómo escribir números en una transcripción (en inglés).

Ejemplo: una entrevista de 45 minutos convertida en documento

Una periodista de Rosario graba en su celular una entrevista de 45 minutos con una concejala. El archivo de la grabadora es M4A, así que lo sube directamente.

Al final tiene un .docx limpio que puede mandar a su editor y una transcripción con referencias exactas por si alguien cuestiona una cita. Para una entrevista larga con fines académicos, el flujo es parecido, pero con las convenciones que explicamos en transcripción de entrevistas cualitativas.