Una transcripción de entrevista es un registro escrito en el que cada turno se atribuye a la persona que habla. No es lo mismo que un resumen: conserva el orden de la conversación y permite comprobar una cita en su contexto.
Plantilla de cabecera
```text
Proyecto: Estudio de experiencia de usuario
Fecha: 11 de agosto de 2026
Duración: 42 minutos
Entrevistadora: E01
Participante: P07 (seudónimo)
Formato: Literal limpia
Consentimiento: Referencia CONS-2026-07
```
Incluye solo los datos que tu proyecto necesite. Si el texto va a anonimizarse, no coloques la identidad real en la misma copia que compartirás.
Ejemplo de cuerpo
```text
[00:00:12] ENTREVISTADORA: ¿Cuándo empezaste a utilizar la aplicación?
[00:00:18] PARTICIPANTE: A principios de marzo, después de cambiar de equipo.
[00:00:25] ENTREVISTADORA: ¿Qué fue lo primero que te resultó difícil?
[00:00:31] PARTICIPANTE: Encontrar los proyectos antiguos. [pausa] No sabía que podía buscarlos por etiqueta.
```
Cada párrafo contiene un solo turno. Las etiquetas no cambian a mitad del documento y las marcas de tiempo permiten volver al audio.
Tres estilos habituales
Literal
Conserva muletillas, repeticiones, falsos comienzos y pausas. Es útil cuando el modo de hablar forma parte del análisis.
Literal limpia
Elimina muletillas que no aportan contenido, pero no resume ni reescribe las ideas. Es habitual en entrevistas de investigación y periodismo.
Editada
Suprime digresiones y mejora la lectura para publicación. Mantén una copia de referencia si necesitas demostrar qué se dijo realmente.
Convenciones recomendadas
No sustituyas una palabra dudosa sin indicarlo. Una transcripción transparente reconoce los límites del audio.
Marcas de tiempo
En una entrevista corta, puedes añadirlas en cada cambio de hablante. En una larga, un intervalo de 30 a 60 segundos puede ser suficiente, siempre que también marques los fragmentos inaudibles y las citas relevantes.
Revisión y anonimización
Contrasta con la grabación los nombres, las cifras, las fechas, las citas y la terminología. Si el proyecto exige anonimización, sustituye también empresas, instituciones y lugares pequeños que puedan identificar a la persona.
Guarda la clave de seudónimos por separado, con acceso restringido. Indica en la cabecera que el documento está anonimizado.
Formato de archivo
DOCX resulta práctico para revisar; PDF, para compartir una copia fija; TXT, para importar en programas de análisis; y SRT o VTT, para vídeo. Conserva una copia maestra en un formato sencillo y duradero.
Conclusión
Un buen formato facilita tres tareas: leer, citar y volver al audio. Define el estilo antes de empezar, usa etiquetas coherentes y señala las dudas en vez de ocultarlas.
Preguntas frecuentes
¿Qué es una transcripción de entrevista?
Es un registro escrito de una entrevista en el que cada intervención se atribuye a una persona. Suele incluir una cabecera, etiquetas de hablante, marcas de tiempo y notas para pausas o fragmentos inaudibles.
¿Cuál es el formato correcto?
No existe un único formato, pero conviene usar una cabecera de metadatos, un párrafo por turno, etiquetas uniformes, marcas de tiempo y corchetes para sonidos o dudas. Sigue también los requisitos de tu institución o publicación.
¿Debo incluir las preguntas?
Sí. La respuesta puede depender de cómo se formuló la pregunta, por lo que eliminarla también elimina contexto importante.
¿Cómo marco dos voces a la vez?
Indica el solapamiento con una nota como [voces solapadas] y revisa el fragmento con atención. No adivines una palabra si el audio no permite distinguirla.
¿Cómo se transcribe una entrevista de audio a texto?
Sube la grabación a una herramienta de transcripción con la detección de hablantes activada, renombra a cada hablante y revisa el texto con el audio antes de citarlo. Después añade una cabecera con fecha, participantes, duración y consentimiento, deja un párrafo por turno y marca entre corchetes pausas, risas o fragmentos inaudibles.
¿Por qué la transcripción automática pone SPEAKER_00 y SPEAKER_01 en lugar de nombres?
Porque la detección de hablantes distingue voces, pero no sabe quién es quién. Asignar los nombres es un paso humano de unos segundos: buscas la primera línea en la que alguien se identifica y renombras a cada hablante en todo el documento. Revisa con el audio el primer minuto y las interrupciones, donde se concentran los errores de atribución.
¿Qué diferencia hay entre transcripción literal, literal limpia y editada?
La literal conserva muletillas, repeticiones, falsos comienzos y pausas, y sirve cuando el modo de hablar forma parte del análisis. La literal limpia quita las muletillas sin resumir ni reescribir, y es la habitual en investigación y periodismo. La editada suprime digresiones para publicar; en ese caso guarda una copia de referencia de lo que se dijo realmente.
¿Cada cuánto hay que poner marcas de tiempo en una entrevista?
En una entrevista corta, en cada cambio de hablante. En una larga, un intervalo de 30 a 60 segundos suele bastar, siempre que también marques los fragmentos inaudibles, por ejemplo [inaudible 00:14:22], y las citas relevantes. Su función es permitir volver al audio, no llenar el texto de números.
¿Cómo se anonimiza la transcripción de una entrevista?
Sustituye el nombre de la persona por un seudónimo o código (por ejemplo, P07) y también empresas, instituciones y lugares pequeños que puedan identificarla. Guarda la clave de seudónimos por separado y con acceso restringido, no pongas la identidad real en la copia que vas a compartir e indica en la cabecera que el documento está anonimizado.