Un buzón de voz se convierte en texto igual que cualquier grabación: lo guardas como archivo, lo subes y lees la transcripción. Lo único que convierte al buzón de voz en un problema propio es el audio: una línea telefónica entrega sonido mono limitado a unos 300–3400 Hz, y quien llama dice la parte importante, el número de teléfono, más rápido que ninguna otra. De eso trata todo lo que sigue.
En vez de afirmar una cifra de calidad, esta guía te deja comprobar una. Reproduce un buzón de voz real, lee la transcripción sin editar que produjo nuestro pipeline y observa cómo se comportó el mismo motor cuando el audio se degradó a condiciones telefónicas auténticas.
El buzón de voz a texto de un vistazo
| Qué necesitas | El buzón de voz guardado como archivo de audio |
| Cómo obtener el archivo | Compartir en iPhone, exportar en Android, descargar de Google Voice o buzón de voz por correo |
| Formatos aceptados | 27 extensiones de audio y vídeo, incluidos los .amr y .3gp que muchas herramientas rechazan |
| ¿Hay que convertir antes? | No. El audio con calidad telefónica se sube tal cual |
| Uso gratuito | Primeros 5 minutos sin cuenta, más de lo que dura casi cualquier mensaje |
| Tiempo de proceso típico | Segundos. Un mensaje de 16 s tardó 4,65 s en la prueba de abajo |
| Exportaciones | TXT, Markdown y JSON gratis; DOCX, PDF, SRT y VTT en planes de pago |
| Mensajes confidenciales | Transcribe en local con la app para Mac: el audio nunca se sube |
- Escucha un buzón de voz real y su transcripción
- Cómo sacar el mensaje de tu teléfono
- Qué formatos funcionan (incluido AMR)
- ¿El audio telefónico perjudica la precisión? Lo medimos
- Transcripción del operador y del iPhone
- Software de buzón de voz a texto comparado
- Cómo traducir un buzón de voz a texto
- ¿Necesitas una app?
- Dónde falla la transcripción de buzones de voz
- Metodología y resultados
- Preguntas frecuentes
- Fuentes
Escucha un buzón de voz real y su transcripción
Dale al play. La transcripción bajo el reproductor es la salida sin editar de nuestro pipeline sobre este mismo archivo: no se corrigió nada a mano. Haz clic en cualquier línea para saltar a ese momento del audio.
Fíjate en dos cosas. El motor puntuó a una persona que nunca hizo pausas para puntuar, incluido el inciso *«I've called, I want to say, five times today»*. Y mantuvo el final de frase en *«picked up once.»* aunque la voz enlazó directamente con la idea siguiente, que es justo lo que hace que una transcripción de buzón de voz se pueda ojear en lugar de ser un muro de palabras.
Cómo sacar el mensaje de tu teléfono
Aquí está la fricción real. Transcribir tarda segundos; extraer el archivo es donde la gente se atasca. Cuatro vías, de más fácil a menos:
Buzón de voz por correo. Si tu operador o centralita puede reenviarte los mensajes al correo, actívalo. El mensaje llega como adjunto WAV o MP3, ya guardado como archivo, sin acrobacias con el teléfono. Es la mejor opción con diferencia si la tienes, y es la que más gente desconoce que tiene.
iPhone. Abre la app Teléfono, ve a la pestaña Buzón de voz, toca el mensaje, luego el botón de compartir y guárdalo en Archivos (o envíatelo). El archivo sale como `.m4a`. Si no aparece el botón de compartir, el buzón de voz visual de tu operador no está entregando el audio al dispositivo: usa entonces la vía del correo.
Android. El camino depende de tu app de buzón de voz, no de Android. En Google Voice, abre el mensaje en la web y usa la opción de descarga; obtienes un `.mp3`. En una app de buzón visual del operador, busca guardar, exportar o compartir en el mensaje concreto. Los archivos de grabadoras Android suelen llegar como `.amr` o `.3gp`: mira la sección de formatos, porque ahí es justo donde fallan otras herramientas.
Último recurso: volver a grabar. Si nada funciona, reproduce el mensaje por el altavoz y grábalo con otro dispositivo. La calidad baja, y es el único método de esta lista que añade una penalización real de precisión: el micrófono capta la sala además del mensaje.
Qué formatos de buzón de voz funcionan, incluido AMR
El buzón de voz llega en un conjunto de formatos más estrecho que el audio general, y uno de ellos es un punto de fallo habitual.
| Formato | De dónde sale un buzón de voz así | Aceptado |
|---|---|---|
| .m4a | Compartir desde la app Teléfono del iPhone | Sí |
| .mp3 | Descarga de Google Voice, adjunto del operador | Sí |
| .wav | Buzón de voz por correo, centralitas de oficina | Sí |
| .amr, .3gp | Apps de buzón y grabadoras de llamadas de Android | Sí, sin conversión |
| .aac, .ogg, .opus | Apps de mensajería y notas de voz reenviadas | Sí |
| .aiff, .caf | Grabaciones en macOS de un mensaje reproducido | Sí |
| .mp4, .mov | Grabación de pantalla de un buzón reproduciéndose | Sí, se extrae la pista de audio |
AMR es el que importa. Es el códec que las grabadoras de voz y de llamadas de Android llevan años usando, y varias herramientas de transcripción en navegador lo rechazan y piden convertir a MP3 antes. Ese consejo cuesta un paso de conversión y una segunda generación de compresión con pérdida sobre un audio que ya viene limitado en banda. Nosotros aceptamos `.amr`, `.amr-wb`, `.3gp` y `.3g2` directamente: la lista blanca que aplica nuestra validación de subida cubre 27 extensiones en total, así que la respuesta práctica para el buzón de voz es que lo que sea que produjo tu teléfono se subirá.
¿El audio telefónico perjudica la precisión? Lo medimos
Esta es la pregunta que hay debajo de toda búsqueda sobre buzón de voz a texto: *la grabación es pésima, ¿va a funcionar siquiera?* En lugar de citar un porcentaje, hicimos la prueba.
Tomamos una grabación limpia de 44,1 kHz en estéreo de un mensaje hablado y produjimos una segunda copia codificada a condiciones telefónicas auténticas: mono, 8 kHz, filtrada entre 300 y 3400 Hz y pasada por el códec mu-law que usan los operadores. Ambas pasaron por el mismo motor con los mismos ajustes.
| Original de estudio | Copia en banda telefónica | |
|---|---|---|
| Audio | 44,1 kHz estéreo | 8 kHz mono, mu-law, 300–3400 Hz |
| Texto de la transcripción | Idéntico, palabra por palabra | |
| Segmentos devueltos | 7 | 3 |
| Tiempo de proceso | 4,65 s para 16,16 s de audio | |
Limitar el audio a la banda de una línea telefónica no cambió nada en las palabras. Lo que cambió fue la segmentación: el motor fundió frases cortas en bloques más largos, porque las señales que usa para colocar un límite (pausas breves, la respiración) son justo lo que atenúa el filtro de banda. En la práctica, eso significa que una transcripción de buzón de voz puede llegar en menos líneas y más largas que las mismas palabras dichas ante un buen micrófono, pero no con palabras distintas.
Es un solo clip, no un benchmark. Sí establece lo que conviene saber: el ancho de banda telefónico no es la razón por la que una transcripción de buzón de voz sale mal. Las razones están más abajo, y todas viven en el lado de quien llama.
Transcripción del operador y del iPhone
Antes de convertir nada a mano, comprueba qué tienes ya, y por qué suele decepcionar.
Los operadores normalmente venden la transcripción como complemento de pago al buzón de voz visual, en lugar de incluirla. La disponibilidad, el precio y la calidad varían por operador, plan y país, así que consulta la página de tu propio operador y no un artículo comparativo. La queja habitual no es que cueste dinero, sino que la transcripción es un bloque de texto sin puntuar con el número de teléfono destrozado: la transcripción del operador ha funcionado históricamente con modelos de voz más antiguos y baratos que los de un transcriptor especializado.
El iPhone tiene dos cosas distintas que es fácil confundir. Live Voicemail transcribe el mensaje entrante en el propio dispositivo y en tiempo real, mientras la persona habla, para que puedas leerlo y decidir si lo coges; su cobertura de idiomas y regiones es reducida, así que comprueba si siquiera aparece en tus Ajustes. Aparte, que un mensaje que ya tienes muestre transcripción en la pestaña Buzón de voz depende del buzón de voz visual de tu operador, no de Apple.
Google Voice transcribe automáticamente y permite descargar el audio, lo que lo convierte en el mejor punto de partida: obtienes una primera transcripción gratis y el `.mp3` original para volver a transcribirlo como es debido si esa primera pasada destrozó un nombre.
Usa un transcriptor especializado cuando la transcripción del operador no baste, cuando necesites el mensaje como documento o cuando esté en un idioma que tu operador no transcribe.
Software de buzón de voz a texto comparado
Cifras publicadas por cada proveedor, verificadas en julio de 2026. Cambian: confírmalas antes de fiarte.
| Nivel gratuito | AMR / 3GP | Prueba reproducible | Exportaciones | |
|---|---|---|---|---|
| TranscribeNext | Primeros 5 min sin cuenta; 3 archivos/día de 50 MB con cuenta gratuita | Sí, directo | Sí, en esta página | TXT, MD y JSON gratis; DOCX, PDF, SRT y VTT de pago |
| AudioScribe | Hasta 5 min sin registro; archivos de 25 min con cuenta | Indica que AMR no está soportado | No | TXT, SRT y VTT con cuenta de pago |
| Ticnote | Máx. 50 MB; registro para archivos mayores | No publicado | No | No publicado en la página de la herramienta |
| Complemento del operador | Normalmente de pago, junto al buzón visual | N/A: transcribe en la red | No | Ninguna: el texto aparece en la app |
| Google Voice | Gratis con un número de Google Voice | N/A: transcribe en el servicio | No | Descarga del audio en .mp3 |
Dos apuntes honestos sobre nuestra propia fila. El tope gratuito de 5 minutos es generoso para el buzón de voz en concreto (los operadores limitan los mensajes muy por debajo), pero es un límite de vista previa, no un nivel gratuito ilimitado. Y la exportación a Word y PDF es de pago: las cuentas gratuitas obtienen TXT, Markdown y JSON, suficiente para leer, buscar y pegar un mensaje, pero no para producir un documento con formato.
Cómo traducir un buzón de voz a texto
Hazlo en dos pasos, no en uno, y el resultado mejora notablemente.
1. Transcribe primero en el idioma hablado. Fija el idioma a mano en vez de dejar la detección automática: un mensaje corto y limitado en banda le da muy poco material a la detección, y un idioma mal detectado produce un disparate convincente en lugar de un error evidente.
2. Corrige nombres y números contra el audio mientras aún lo tienes abierto. Son los elementos que un traductor no puede reparar, y un dígito equivocado sobrevive a la traducción con aspecto perfectamente plausible.
3. Después traduce el texto. Una transcripción limpia es una entrada limpia; un motor de traducción que parte del audio telefónico acumula dos fuentes de error y oculta cuál de las dos falló.
La excepción es quien cambia de idioma a mitad del mensaje, algo frecuente en el buzón de voz y que ni la detección automática ni un idioma fijo resuelven bien. Transcribe con el idioma dominante y corrige a mano el fragmento cambiado: suele ser una frase.
¿Necesitas una app de buzón de voz a texto?
Para convertir mensajes que ya tienes: no. El navegador sirve en cualquier dispositivo, e instalar algo para transcribir un archivo es un esfuerzo que no hace falta gastar.
Una app se gana su sitio en dos casos. El primero es el volumen: si quieres que cada mensaje entrante se transcriba solo en lugar de exportar y subir uno a uno, para eso está una app o el complemento del operador. El segundo es la confidencialidad: el mensaje de un cliente, un resultado médico, una comunicación de RR. HH. Ahí el argumento no es la comodidad, sino que el audio nunca sale del equipo: TranscribeNext para Mac transcribe en local en Apple Silicon, así que un mensaje sensible no se sube a ninguna parte.
Dónde falla la transcripción de buzones de voz
Como mostró la prueba de arriba, el ancho de banda telefónico no es el culpable. Estos sí lo son, más o menos por frecuencia:
El patrón: todo lo de esta lista ocurrió antes de que el audio llegara a ti. Nada de lo que elijas después arregla a alguien que masculló un número dentro de un coche en marcha, y por eso conviene verificar nombres y cifras en vez de fiarse de cualquier transcripción, también de la nuestra.
Metodología y resultados
Fecha de la prueba: 27 de julio de 2026
Clip de origen: «Woman Leaving a Phone Message» de Sample_Me, publicado en Freesound bajo CC0 1.0 (dedicación al dominio público). 16,1 s, originalmente 44,1 kHz estéreo.
Copia en banda telefónica: generada con ffmpeg — mezclada a mono, remuestreada a 8 kHz, filtrada entre 300 y 3400 Hz, codificada con el códec mu-law y luego empaquetada para la web. Es el archivo que sirve el reproductor de arriba, así que la transcripción que lees es la del audio que escuchas.
Motor: pipeline de producción de TranscribeNext, Whisper large, idioma fijado a inglés, diarización desactivada, perfil por defecto; ajustes idénticos para ambas versiones.
Resultado: transcripciones idénticas palabra por palabra. El original de estudio devolvió 7 segmentos; la copia telefónica, 3. El proceso tardó 4,65 s para 16,16 s de audio.
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.
Es un clip en un día concreto, no un benchmark. Se publica para que la afirmación pueda comprobarse en lugar de creerse.
Última comprobación: 27 de julio de 2026
Preguntas frecuentes
¿Cómo convierto un buzón de voz a texto? Guarda el mensaje como archivo de audio, súbelo a una herramienta de transcripción y lee el resultado. En iPhone, abre la app Teléfono, ve a Buzón de voz, selecciona el mensaje y usa el botón de compartir para guardarlo como .m4a. En Android, exporta el mensaje desde tu app de buzón de voz o grabador de llamadas, o descárgalo desde Google Voice como MP3. Muchos operadores también pueden enviarte los mensajes por correo como adjunto de audio, que es la vía más cómoda porque el archivo llega listo para subir.
¿Puedo transcribir un buzón de voz gratis? Sí, para mensajes cortos. TranscribeNext transcribe gratis los primeros 5 minutos de cualquier archivo sin cuenta, lo que cubre prácticamente cualquier buzón de voz, porque el formato está pensado para ser breve. Una cuenta gratuita lo amplía a 3 archivos al día de 50 MB cada uno y exporta TXT, Markdown y JSON. Las exportaciones a PDF y Word están en los planes de pago.
¿El mal audio del teléfono perjudica la precisión? Menos de lo que la gente cree. Tomamos una grabación limpia de 44,1 kHz de un mensaje hablado, la recodificamos a condiciones telefónicas reales (mono, 8 kHz, filtro de banda 300-3400 Hz y códec mu-law, el que usan los operadores) y pasamos ambas versiones por el mismo motor. Las transcripciones salieron idénticas palabra por palabra. Solo cambió la segmentación: el archivo de estudio se dividió en 7 segmentos y el telefónico en 3. Lo que sí perjudica la precisión es el ruido de fondo de quien llama, las voces superpuestas y los nombres y cifras dichos entre dientes.
¿El voicemail-to-text acepta archivos AMR de Android? El nuestro sí. AMR y AMR-WB son los códecs que las grabadoras de voz y de llamadas de Android llevan años usando, y varias herramientas online los rechazan de plano, por lo que se recomienda convertir a MP3 antes. TranscribeNext acepta .amr, .3gp y .3g2 directamente, junto con otras 24 extensiones de audio y vídeo, así que no hace falta ningún paso de conversión.
¿Puedo traducir un buzón de voz a texto en otro idioma? Sí, en dos pasos y no en uno. Primero transcribe el mensaje en el idioma en que se habló, fijando el idioma a mano en lugar de confiar en la detección automática si cuesta entender a quien llama. Después traduce la transcripción resultante. Transcribir primero es lo que hace utilizable la traducción: un motor de traducción que parte del audio telefónico en bruto acumula dos fuentes de error, mientras que una transcripción corregida le da una entrada limpia.
¿Los operadores ofrecen buzón de voz a texto? La mayoría sí, normalmente como complemento de pago al buzón de voz visual, y la calidad y disponibilidad varían según operador, plan y país: consulta la página de tu operador antes de dar por hecho que lo tienes. En iPhone, Live Voicemail transcribe el mensaje entrante en el propio dispositivo y en tiempo real mientras la persona habla, pero su cobertura de idiomas y regiones es reducida; aparte, que un mensaje guardado muestre transcripción en la app Teléfono depende del buzón de voz visual de tu operador.
¿Existe alguna app de buzón de voz a texto? Varias, pero para un uso ocasional basta con el navegador: no necesitas instalar nada para convertir un archivo que ya tienes. Una app tiene sentido cuando quieres que cada mensaje entrante se transcriba automáticamente en lugar de convertirlos uno a uno. Para mensajes confidenciales, una app local que transcribe en el propio dispositivo evita subir el audio a ninguna parte.
¿Qué precisión tiene la transcripción de un buzón de voz? Los porcentajes de precisión que publican los proveedores se miden sobre su propio audio y no son comparables entre sí, así que desconfía de cualquier cifra aislada. Lo que sí es previsible es dónde falla la transcripción: nombres propios, números de teléfono dictados deprisa, mucho ruido de fondo en el lado de quien llama, dos personas hablando y cambios de idioma a mitad del mensaje. Verifica siempre nombres y cifras contra el audio antes de actuar.
¿Es legal transcribir un buzón de voz? Un mensaje dejado para ti va dirigido a ti, y transcribirlo para tu propio uso no suele plantear problemas; pero las leyes sobre grabaciones, las políticas laborales y las normas de protección de datos varían por país y por contexto, sobre todo con mensajes de trabajo o de clientes que pienses guardar o compartir. Si el mensaje es sensible, transcríbelo en el propio dispositivo en lugar de subirlo, y revisa tus obligaciones antes de republicar las palabras de nadie.
¿Cuánto puede durar un buzón de voz? Los operadores suelen limitar cada mensaje a unos pocos minutos, muy por debajo de cualquier límite de transcripción: un buzón de voz nunca va a chocar con un tope de tamaño de archivo. TranscribeNext permite 50 MB y 2 horas por archivo en el plan gratuito, 2 GB y 5 horas en PRO y 5 GB y 8 horas en BUSINESS, así que la restricción nunca es el mensaje en sí.
Fuentes
Guías relacionadas: Mejores apps de Mac para transcribir audio · Cómo convertir M4A a texto · Cómo transcribir archivos de audio rápidamente · Consejos de transcripción para entrevistas
Convierte tu buzón de voz ahora
Guarda el mensaje como archivo y suéltalo en el formulario del principio de esta página: los primeros 5 minutos son gratis y sin cuenta, más de lo que dura cualquier mensaje que tu operador vaya a guardar. Para mensajes que prefieras no subir en absoluto, TranscribeNext para Mac los transcribe en el propio dispositivo.