ChatGPT no tiene una forma documentada de transcribir un archivo de audio que ya tengas grabado. Su función de transcripción, Record, graba en directo desde la app de ChatGPT para Mac, solo en planes de pago y hasta 4 horas por sesión. Si el audio ya existe (una clase, una entrevista, un audio de WhatsApp), Gemini acepta archivos de hasta 10 minutos de audio en su versión gratuita, Word lo transcribe si tienes Microsoft 365 y un transcriptor como Braindump te devuelve el texto separado por hablantes y listo para exportar.
Abajo tienes qué hace cada herramienta según su propia documentación, con los límites que importan antes de subir nada.
La respuesta corta
ChatGPT Record está en la app de ChatGPT para macOS, en los planes Plus, Pro, Business, Enterprise y Edu. Graba lo que suena en ese momento (micrófono o audio del ordenador), hasta 4 horas, y no sirve para un archivo que ya tienes. Gemini sí acepta archivos de audio: hasta 10 minutos en total, o 3 horas con Google AI Pro o Ultra, y 100 MB por archivo. Word transcribe archivos wav, mp4, m4a y mp3 con una suscripción a Microsoft 365, hasta 300 minutos al mes.
Braindump es una web para subir un audio o un vídeo y recibir un título, la transcripción en párrafos y un breve resumen. Separa a los hablantes cuando hay dos o más voces y exporta a Word (DOCX), PDF o TXT. Tienes 3 transcripciones gratis al día sin tarjeta, y Pro cuesta 14,99 € al mes o 59,99 € al año, con archivos de hasta 5 horas.
| Herramienta | ¿Acepta un audio ya grabado? | Límite | Qué necesitas |
|---|---|---|---|
| ChatGPT Record | No, graba en directo | 4 horas por sesión | App de Mac y plan de pago |
| Gemini | Sí | 10 min de audio en total (3 h de pago), 100 MB por archivo | Cuenta de Google |
| Word (Transcribir) | Sí: wav, mp4, m4a, mp3 | 300 min al mes | Microsoft 365 |
| Braindump | Sí: mp3, m4a, wav, opus, mp4, mov y más | 2 h gratis, 5 h con Pro | Navegador, cuenta gratuita |
¿ChatGPT puede transcribir audio?
La función oficial de transcripción de ChatGPT se llama Record. Según la ayuda de OpenAI:
- Solo está en la app de ChatGPT para macOS, no en la web ni en el móvil.
- Es para los planes Plus, Pro, Business, Enterprise y Edu. El plan gratuito no la tiene.
- Graba en directo el micrófono o el audio del sistema. No se sube un archivo existente.
- Cada sesión dura como máximo 4 horas.
- Distingue hablantes («Speaker 1», «Speaker 2») y puedes renombrarlos.
- OpenAI dice que funciona mejor en inglés y que en otros idiomas la precisión puede variar.
¿Y adjuntar un mp3 al chat? La lista de archivos admitidos que publica OpenAI incluye XLSX, XLS, CSV, TSV, DOCX, PPTX, PDF y TXT. El audio no aparece. Así que no hay una forma documentada de pasar a texto una grabación que ya tienes, y no conviene contar con ello para una clase o una entrevista.
Tampoco hay que confundirlo con el modo de voz o el dictado: ahí hablas con ChatGPT y él te contesta, pero no transcribe un archivo.
Record tiene sentido si tienes un Mac, un plan de pago y quieres grabar una reunión en inglés mientras ocurre. Para un audio que ya existe, sigue leyendo.
Transcribir un audio con Gemini
Gemini sí acepta archivos de audio. La página de ayuda de Google da estos límites:
- Hasta 10 minutos de audio en total. Con Google AI Pro o Google AI Ultra, hasta 3 horas.
- Hasta 100 MB por archivo y hasta 10 archivos en la misma petición.
Los pasos:
- Abre gemini.google.com o la app de Gemini y adjunta el archivo.
- Escribe una petición concreta, por ejemplo: «Transcribe este audio palabra por palabra en español, sin resumir ni corregir. Separa a cada persona que habla».
- Revisa el resultado escuchando los fragmentos dudosos.
Ten en cuenta que Google describe esto como subir y analizar archivos, no como una función de transcripción. Lo que recibes es la respuesta del chat a tu petición, y la propia ayuda avisa de que con archivos muy grandes la respuesta puede pasar por alto detalles. Para una nota de voz de cinco minutos va bien. Para una clase de una hora, la versión gratuita no llega.
Transcribir un audio con Word
Word tiene una función de transcripción, distinta del dictado normal, que acepta un archivo grabado. Según la ayuda de Microsoft:
- Abre un documento en Word para la web, o en Word de Microsoft 365 si tu versión muestra la opción.
- En la pestaña Inicio, abre el menú desplegable de Dictar y elige Transcripción.
- En el panel Transcribir, pulsa Cargar audio y elige el archivo.
- Cuando termine, la transcripción aparece en un panel lateral separada por hablantes y puedes añadirla al documento.
Lo que conviene saber antes:
- Necesitas una suscripción a Microsoft 365.
- Solo acepta wav, mp4, m4a y mp3. Un audio de WhatsApp (.opus) o un .ogg hay que convertirlo primero.
- El límite es de 300 minutos de audio subido al mes, unas cinco clases de una hora.
- Admite más de 80 variantes de idioma, entre ellas español de España.
Si ya pagas Microsoft 365 y tus archivos están en esos formatos, es una opción razonable.
Cuándo es mejor un transcriptor dedicado
Los chats de IA y Word cubren bien un audio corto. Se quedan cortos en tres casos:
- Clases y grabaciones largas. Una clase de 90 minutos no cabe en los 10 minutos de Gemini gratis, y Record no sirve porque la clase ya está grabada. Braindump acepta archivos de hasta 5 horas con Pro.
- Entrevistas con varias personas. Para un TFG, un TFM o un reportaje necesitas saber quién dice qué. Braindump separa la transcripción por intervenciones (Hablante 1, Hablante 2…) con el minuto en que empieza cada una, y puedes cambiar «Hablante 1» por «Entrevistadora» en todo el texto. Lo explicamos en cómo transcribir una entrevista.
- Un texto que tienes que entregar. La transcripción se descarga en Word (DOCX), PDF o TXT, con los nombres que hayas dado a los hablantes, y queda guardada en tu cuenta para buscarla después.
Lo mismo pasa con los audios de WhatsApp: Word no acepta .opus y ChatGPT no documenta la subida de audio. En transcribir audios de WhatsApp tienes cómo guardar el audio como archivo y pasarlo a texto.
Cómo transcribir un audio con Braindump
- Entra en braindumpnotes.app/es/transcribe desde el ordenador o el móvil e inicia sesión con Google, Apple o un código que te llega por correo.
- Elige el idioma del audio. No se detecta automáticamente, así que indícalo tú: español, catalán, inglés o cualquiera de los 59 idiomas disponibles.
- Sube el archivo: mp3, m4a, wav, aac, ogg, opus, flac, mp4, mov y otros. De un vídeo se usa la pista de audio.
- Espera unos minutos. Puedes cerrar la pestaña: la transcripción termina en el servidor.
- Abre la nota, revisa el texto y descárgalo en DOCX, PDF o TXT.
Lo que incluye y lo que no:
- Gratis: 3 transcripciones al día, sin tarjeta, con un tope total de 10 horas de audio en la cuenta gratuita. Los archivos de hasta 30 minutos llegan completos, con resumen y exportación. Los de más de 30 minutos (hasta 2 horas) se ven como vista previa: el principio del texto, y el resto con Pro.
- Pro: 14,99 € al mes o 59,99 € al año, con archivos de hasta 5 horas. Los detalles están en precios.
- No hay subtítulos (SRT o VTT) ni marcas de tiempo palabra por palabra, solo el minuto de inicio de cada intervención.
- No importa enlaces de YouTube ni de otras webs: hay que subir el archivo.
- No traduce: el texto sale en el idioma en que se habló.
- En la web no se graba: se sube un archivo ya grabado.
¿Qué herramienta elegir?
- Quieres grabar una reunión en inglés en directo y tienes un Mac con ChatGPT de pago: ChatGPT Record.
- Una nota de voz corta y no quieres instalar nada: Gemini, pidiendo una transcripción literal.
- Ya pagas Microsoft 365 y el archivo es mp3, m4a, wav o mp4: Word, hasta 300 minutos al mes.
- Una clase, una entrevista o un audio de más de 10 minutos que quieres separado por hablantes y en Word: Braindump, gratis 3 veces al día.