La app Notas de Voz de Apple puede transcribir tus grabaciones en iPhone 12 o posterior con iOS 18, y en Mac con macOS Sequoia y Apple Silicon. Fuera de los dispositivos, regiones e idiomas compatibles, la transcripción integrada no aparece, por lo que tendrás que subir el archivo a otra herramienta.
Esta guía cubre ambas vías, con los requisitos dichos con claridad en vez de resumidos como «los móviles modernos ya hacen esto». Incluye además una nota de voz real que puedes reproducir, su transcripción sin editar, y una respuesta medida a una pregunta que no se hace nadie: ¿comprimir una nota antes de subirla cambia lo que te devuelven?
La transcripción de notas de voz de un vistazo
| Integrada en iPhone | iPhone 12 o posterior, iOS 18 |
| Integrada en Mac | macOS Sequoia y Apple Silicon: los Mac con Intel quedan fuera |
| Idiomas integrados | Unos diez, y no en todos los países o regiones |
| Si tu dispositivo no califica | Comparte el archivo y súbelo: sin requisitos de hardware |
| Formato de las notas | .m4a en iPhone; .m4a, .mp3, .amr o .3gp en Android |
| ¿Hay que convertir antes? | No, y recomprimir perjudica de verdad: ver la prueba |
| Uso gratuito | Primeros 5 minutos sin cuenta; 3 archivos/día de 50 MB con cuenta gratuita |
| Velocidad | 0,13× el tiempo real medido en la nube frente a 0,3–5× publicado para Whisper local |
- Escucha una nota de voz real y su transcripción
- ¿Notas de Voz transcribe? Los requisitos
- Cómo ver la transcripción en la app
- Convertir una nota que la app no transcribe
- Nunca recomprimas antes: lo medimos
- Cuánto tarda: nube frente a tu portátil
- Transcribir sin conexión y gratis
- Herramientas web gratuitas comparadas
- Convertir una nota en apuntes de verdad
- Dónde falla la transcripción de notas
- Metodología y resultados
- Preguntas frecuentes
- Fuentes
Escucha una nota de voz real y su transcripción
Dale al play. Es una nota de voz auténtica —alguien pensando en voz alta, no una lectura guionizada— y la transcripción bajo el reproductor es la salida sin editar de nuestro sistema de procesamiento sobre este mismo archivo. Haz clic en cualquier línea para saltar a ella.
Este clip está aquí porque es *desordenado como lo son las notas reales*. El hablante empieza con «Okay, so…», se interrumpe a mitad del argumento con «I mean, I'm sure the vast majority of people don't use the feature» y repite una frase mientras busca cómo terminarla: «What a ridiculous idea. What a ridiculous thing to include in the camera app».
Esa es la imagen honesta de lo que da una transcripción: fiel, puntuada y buscable, y todavía no son apuntes. Convertirla en apuntes es un segundo paso.
¿Notas de Voz transcribe? Los requisitos que nadie imprime
Sí, pero «los móviles modernos hacen esto automáticamente» no es cierto, y el hueco pilla a mucha gente. Estos son los requisitos reales:
| Dispositivo | Requisito | Si quedas fuera |
|---|---|---|
| iPhone / iPad | iPhone 12 o posterior con iOS 18 | Sin transcripción en iPhone 11 o anterior, sea cual sea el iOS |
| Mac | macOS Sequoia y Apple Silicon | Sin transcripción integrada en los Mac con Intel |
| Idioma | Unos diez, incl. inglés, español, francés, alemán, portugués, italiano, japonés, coreano y chino | Sin transcripción en un idioma no admitido |
| Región | Apple indica que «no está disponible en todos los países o regiones» | La función puede faltar incluso en hardware compatible |
| Android | Sin equivalente integrado único | Depende por completo de tu app de grabación |
El requisito de Mac es el que más sorprende, y viene directamente de la página de soporte de Apple: la transcripción necesita macOS Sequoia y un Mac con Apple Silicon. En los Mac con Intel, la función no está disponible.
Si alguna fila de arriba te descarta, salta a la vía de subida. No tiene requisitos de hardware, funciona en Android y Windows y admite muchos más idiomas.
Cómo ver la transcripción en la app Notas de Voz
En un dispositivo compatible es la vía más rápida, porque la grabación ya está donde tiene que estar:
1. Abre Notas de Voz y selecciona la grabación.
2. Toca el icono de transcripción bajo la onda: en iPhone, desliza hacia arriba desde la zona de la onda para que aparezca.
3. Lee la transcripción y copia el texto adonde lo necesites.
Conviene conocer dos límites antes de depender de ella. La transcripción integrada es solo texto: no hay marcas de tiempo por las que navegar, ni etiquetas de hablante, ni exportación a documento o subtítulos. Y es todo o nada: no hay forma de forzar el idioma, así que una nota grabada en un idioma no admitido, o que cambia de idioma a mitad, no da nada en lugar de un resultado parcial.
Para releer un recordatorio rápido sobra. Para una entrevista, una clase o cualquier cosa que necesites citar por tiempo, no llega.
Convertir una nota que la app no transcribe
La vía de subida evita esos requisitos de hardware y versión de macOS, y permite trabajar con los idiomas disponibles en TranscribeNext.
1. Consigue el archivo. En Notas de Voz, toca la grabación, luego el botón de compartir y guárdala en Archivos. Obtienes un `.m4a`. En Android, exporta o comparte desde tu app de grabación: puede salir `.m4a`, `.mp3`, `.amr` o `.3gp`.
2. Sube el original. Suéltalo en el formulario del principio de esta página o en el cargador completo. No lo conviertas antes: en la siguiente sección está el motivo medido.
3. Fija el idioma si lo sabes. La detección automática vale para una nota clara en un idioma común; un idioma fijo es mejor con acentos, ruido o grabaciones cortas.
4. Revisa y exporta. Corrige nombres y números, y llévatelo en TXT, Markdown, JSON o —en plan de pago— DOCX, PDF, SRT o VTT.
Sobre AMR y 3GP: las grabadoras de Android llevan años usando estos códecs, y varios transcriptores online los rechazan de plano pidiendo convertir a MP3 antes. Nosotros aceptamos `.amr`, `.amr-wb`, `.3gp` y `.3g2` directamente, junto con otras 23 extensiones, así que no hay paso de conversión.
Nunca recomprimas una nota antes: lo medimos
El consejo habitual de «convierte la nota a MP3 antes de subirla» no solo es innecesario. Medimos lo que cuesta de verdad.
Tomamos la nota de voz de 51 segundos de la demo de arriba y produjimos tres versiones de la misma grabación: el original de 320 kbps, una copia de 96 kbps y otra de 48 kbps. Las tres pasaron por el mismo motor con los mismos ajustes.
| Segmento en | 320 kbps (original) | 96 kbps | 48 kbps |
|---|---|---|---|
| 9 de 12 segmentos salieron idénticos en las tres | |||
| 0:30 | …you leave it. | …you leave it. | …you leave it somewhere. |
| 0:33 | So I'm like, can't move it… | So I'm going to can't move it… | Can't move it. Can't use it… |
| 0:38 | That's insane. | It's insane. | That's insane. |
De ahí salen tres conclusiones, y solo la primera es evidente.
La compresión no degrada la transcripción de forma uniforme. En un rango de tasa de bits de 6,7×, tres cuartas partes de la transcripción fueron idénticas. El motor no empeora silenciosamente en todas partes al bajar la calidad.
El daño se concentra donde el hablante ya era confuso. Las tres discrepancias caen dentro de un tramo de ocho segundos —de 0:30 a 0:38—, justo donde abandona una frase y la reinicia. En el resto de la nota no se movió nada.
Cada tasa de bits lee mal ese tramo de forma distinta. 96 kbps produjo «So I'm going to can't move it», que no es una frase; 48 kbps eliminó el arranque fallido por completo. Recodificar no añade un error predecible: vuelve a tirar los dados sobre el pasaje ambiguo.
Conclusión: sube el archivo que grabó tu teléfono. Y al revisar una transcripción, concentra la atención en las partes donde sabes que farfullaste: ahí es donde discreparon todas las versiones, y donde tu memoria es la única fuente fiable.
Cuánto tarda: la nube frente a tu portátil
Las dos vías funcionan. Se diferencian en aproximadamente un orden de magnitud, y el consejo generado por IA que te manda a una herramienta local por privacidad casi nunca menciona el coste.
| Vía | Velocidad | Nota de 1 minuto | Nota de 1 hora |
|---|---|---|---|
| Nuestro sistema de procesamiento en la nube | 0,13× el tiempo real (medido) | ~8 s | ~8 min |
| Audacity + OpenVINO, modelo base | ~0,3× el tiempo real (publicado) | ~18 s | ~18 min |
| Audacity + OpenVINO, large-v3 | ~3–5× el tiempo real (publicado) | ~3–5 min | ~3–5 h |
La cifra de 0,13× es tiempo de motor medido sobre el clip de la demo: 6,65 segundos para 51,12 segundos de audio. Los multiplicadores de Audacity son los que publica su propio proyecto para los tamaños de modelo del complemento. La columna de una hora es aritmética sobre esas tasas, no una medición: los archivos reales varían, y la cifra en la nube excluye la subida, que para una nota de una hora por datos móviles puede superar a la propia transcripción.
La lectura honesta: la transcripción local es realmente gratuita y realmente privada, y con el modelo más grande puede llevarte toda la tarde. Elígela cuando el contenido lo exija, no por defecto.
Transcribir notas sin conexión y gratis
Si la nota es confidencial —una conversación con un cliente, un apunte médico, un asunto legal— el argumento del procesamiento local no es el precio, sino que el audio nunca sale de la máquina.
Audacity es la vía gratuita. Su efecto OpenVINO Whisper ejecuta el modelo Whisper de OpenAI enteramente en tu ordenador, en Windows, Mac y Linux, sin topes de minutos, sin suscripción y sin marca de agua. Ofrece cinco tamaños de modelo desde `base` hasta `large-v3`, además de una variante con diarización de hablantes, y los 99 idiomas de Whisper. El coste es la configuración —instalar el complemento, descargar un modelo— y el tiempo de proceso de la tabla anterior.
TranscribeNext para Mac es la misma idea con menos montaje: arrastras una nota, se transcribe en el propio dispositivo con Apple Silicon, con etiquetas de hablante y formatos de exportación, y solo usa la nube si se lo pides.
En cualquier caso la idea es la misma: si la grabación es sensible, no la subas a ningún sitio, tampoco aquí.
Herramientas web gratuitas comparadas
Cifras publicadas por cada proveedor, verificadas en julio de 2026. Cambian: confírmalas antes de fiarte.
| Nivel gratuito | Tope por archivo | AMR / 3GP | Prueba reproducible | |
|---|---|---|---|---|
| TranscribeNext | Primeros 5 min sin cuenta; 3 archivos/día con cuenta gratuita | 50 MB Gratis · 2 GB Plus · 5 GB Premium | Sí, directo | Sí, en esta página |
| HappyScribe | Primeros 10 minutos gratis | 45+ formatos | No publicado | No |
| AudioScribe | Hasta 5 min sin registro | 100 MB | Indica que AMR no es compatible | No |
| TalkNotes | 1 minuto, sin cuenta | 5 MB | No publicado | No |
| NoteGPT | Nivel gratuito; lote de 20 archivos | 5 GB por archivo | No publicado | No |
| Audacity (offline) | Ilimitado, gratis | Ninguno | Depende de los decodificadores de tu compilación | No |
Dos apuntes. Los 10 minutos gratis de HappyScribe son lo más generoso entre las herramientas de navegador, y publica una cifra de precisión —«hasta 96% en audio claro»— que, como toda cifra de proveedor, está medida sobre su propio audio y no es comparable entre herramientas. Por eso esta página publica un clip que puedes comprobar y una prueba que puedes repetir en su lugar.
Y nuestra propia fila no es ilimitada: los 5 minutos gratuitos son un límite de vista previa, y la exportación a DOCX/PDF/SRT/VTT está en los planes de pago. Las cuentas gratuitas obtienen TXT, Markdown y JSON.
Convertir una nota de voz en apuntes de verdad
Una transcripción no son apuntes, y la demo de arriba muestra exactamente por qué: reinicios, muletillas, una frase repetida. Nadie quiere releer eso.
El orden fiable es transcribir y luego estructurar, dos pasos y no uno:
1. Transcribe la nota para que las palabras existan como texto buscable.
2. Resume en decisiones, tareas y preguntas abiertas, con un resumen de IA o editándolo tú.
Hacerlo en ese orden importa. Un resumen generado directamente desde el audio oculta qué paso falló cuando el resultado está mal: no puedes saber si te oyó mal o te entendió mal. Con la transcripción delante puedes comprobar primero una cosa y luego la otra.
Esta es también la respuesta honesta a «convertir una nota de voz en apuntes» como función única: las herramientas que la ofrecen están encadenando esos dos pasos. Saberlo te permite corregir la transcripción antes de que el resumen se construya encima.
Dónde falla la transcripción de notas de voz
Las notas de voz fallan de forma distinta a las reuniones, porque normalmente estás solo, cerca del micrófono y pensando en vez de exponiendo:
Nada de esto se arregla eligiendo otra herramienta. Se arregla releyendo los pasajes donde sabes que no fuiste claro, que es un hábito de cinco segundos, no un flujo de trabajo.
Metodología y resultados
Fecha de la prueba: 27 de julio de 2026
Clip de origen: «Timelapse Excess», de la biblioteca de notas de voz de David Blue — una nota de voz auténtica grabada por él mismo, publicada en dominio público (archive.org, Public Domain Mark; el repositorio del propio autor lleva una dedicación al dominio público tipo Unlicense). 51,1 s, mono, originalmente 48 kHz a 320 kbps.
Archivo servido: recodificado con ffmpeg a mono de 24 kHz a 48 kbps (307 KB). El original pesaba 2,95 MB, en su mayor parte por una portada incrustada de 4008×4008. El reproductor de arriba sirve este archivo, y la transcripción mostrada es la suya.
Prueba de compresión: la misma grabación codificada a 320 kbps (original), 96 kbps y 48 kbps, cada una transcrita con ajustes idénticos: Whisper large, idioma fijado a inglés, diarización desactivada, perfil por defecto.
Resultado: 9 de 12 segmentos idénticos en los tres tasas de bits. Los 3 que cambiaron caen entre 0:30 y 0:38, el tramo donde el hablante abandona y reinicia una frase. Cada tasa de bits produjo una lectura distinta de ese tramo.
Velocidad: 6,65 s de tiempo de motor para 51,12 s de audio (≈0,13× el tiempo real). Excluye la subida.
Cifras de comparación: multiplicadores publicados por Audacity para OpenVINO Whisper, de ~0,3× el tiempo real (base) a ~3–5× (large-v3). La columna de una hora de la tabla de velocidad es aritmética sobre esas tasas publicadas, no una medición nuestra.
Transcripción mostrada: salida del motor sin editar. Los tiempos de inicio y fin de cada línea están medidos; el resaltado por palabra se interpola dentro de cada línea medida, porque nuestro backend actual devuelve tiempos por segmento y no por palabra.
Un clip en un día concreto. Se publica para que las afirmaciones puedan repetirse en lugar de creerse.
Última comprobación: 27 de julio de 2026
Preguntas frecuentes
¿Notas de Voz transcribe las grabaciones? Sí, en hardware compatible. La app Notas de Voz de Apple transcribe grabaciones en iPhone 12 o posterior con iOS 18, y en un Mac con macOS Sequoia y Apple Silicon. La página de soporte de Apple indica que la función no está disponible en todos los países o regiones. Consulta allí la lista vigente de idiomas compatibles.
¿Se puede transcribir una nota de voz en un iPhone antiguo o un Mac con Intel? Con la transcripción integrada de Apple, no. Un iPhone 11 o anterior y cualquier Mac con Intel quedan fuera de los requisitos, tenga instalada la versión de iOS o macOS que tenga. En esos dispositivos, comparte la nota como archivo y súbela a una herramienta de transcripción en el navegador, que no tiene ningún requisito de hardware.
¿Cómo consigo la transcripción de una nota de voz? En un dispositivo compatible, abre la grabación en Notas de Voz y toca el icono de transcripción bajo la onda, y luego copia el texto. En cualquier otro dispositivo, pulsa el botón de compartir en la grabación, guárdala en Archivos como .m4a y sube ese archivo a una herramienta de transcripción. La vía del navegador además te da marcas de tiempo y formatos de exportación que la transcripción integrada no ofrece.
¿Cómo convierto una nota de voz a texto en Android? Android no tiene un equivalente integrado único, así que el método depende de tu app de grabación. Exporta o comparte la grabación como archivo (normalmente .m4a, .mp3, .amr o .3gp) y súbela a una herramienta de transcripción. Conviene comprobar AMR y 3GP antes de elegir herramienta: varias las rechazan y piden convertir a MP3 antes, lo que añade una recodificación innecesaria.
¿Debo comprimir una nota de voz antes de subirla? No, sube el original. Pasamos la misma nota de voz de 51 segundos por nuestro sistema de procesamiento en tres tasas de bits: el original de 320 kbps, una copia de 96 kbps y otra de 48 kbps. Nueve de los doce segmentos de la transcripción salieron idénticos en las tres. Los tres que cambiaron caen dentro del mismo tramo de ocho segundos en el que el hablante reinicia la frase, y cada tasa de bits leyó ese farfullo de forma distinta. La compresión no degrada la transcripción de manera uniforme: vuelve a tirar los dados en los pasajes que ya eran confusos.
¿Cuánto tarda en transcribirse una nota de voz? La transcripción en la nube es una fracción de la duración de la grabación; la local puede ser varias veces esa duración. Nuestro sistema de procesamiento tardó 6,65 segundos de motor para una nota de 51 segundos, unas 0,13× el tiempo real. El complemento OpenVINO Whisper de Audacity publica en torno a 0,3× el tiempo real para su modelo base y 3–5× para large-v3, así que una nota de una hora son minutos en la nube y potencialmente horas en local con el modelo más grande.
¿Existe alguna app que transcriba notas de voz? En un iPhone compatible, la propia app Notas de Voz es la app: no hay que instalar nada. Más allá de eso, instalar una app compensa en dos casos: cuando quieres que cada grabación se transcriba automáticamente en lugar de una a una, y cuando las grabaciones son confidenciales y quieres transcribirlas en el propio dispositivo para no subir nada. Para conversiones ocasionales basta con el navegador.
¿Cómo convierto una nota de voz en apuntes? Transcríbela primero y estructura el texto después. La transcripción en bruto de alguien pensando en voz alta no son apuntes: contiene reinicios, muletillas y repeticiones, como muestra la demo de esta página. Consigue la transcripción y luego usa un resumen con IA para extraer decisiones y tareas, o edítala tú. Transcribir y resumir son dos pasos distintos, y hacerlos en ese orden es lo que vuelve utilizable el resultado.
¿Puedo transcribir notas de voz sin conexión y gratis? Sí. El complemento OpenVINO Whisper de Audacity ejecuta el modelo Whisper de OpenAI enteramente en tu ordenador, gratis en Windows, Mac y Linux, sin topes de minutos ni suscripción, y el audio nunca sale de la máquina. La contrapartida es tiempo y configuración: instalas un complemento, descargas un modelo y el proceso tarda entre 0,3× y 5× la duración de la grabación según el modelo.
¿Qué formatos usan las notas de voz? Notas de Voz de Apple guarda en .m4a. Las grabadoras de Android varían: .m4a, .mp3, .amr y .3gp son formatos habituales. TranscribeNext admite más de 30 extensiones de audio y vídeo, incluidas .amr, .3gp y .3g2, así que normalmente puedes subir directamente el archivo generado por tu teléfono.
Fuentes
Guías relacionadas: Buzón de voz a texto · Cómo convertir M4A a texto · Cómo transcribir audio en Word · Mejores apps de Mac para transcribir audio
Transcribe tu nota de voz ahora
Si tu iPhone califica, la transcripción ya está en la app Notas de Voz: abre la grabación y desliza hacia arriba. Si no, comparte la nota como archivo y suéltala en el formulario del principio de esta página: los primeros 5 minutos son gratis y sin cuenta. Para notas que prefieras no subir, TranscribeNext para Mac las transcribe en el propio dispositivo.
Notas de Voz guarda en M4A, así que la transcripción de M4A tiene los detalles del formato. Para moverte por una nota larga después, consulta la transcripción con marcas de tiempo.