Para transcribir entrevistas de un TFG, Whisper de OpenAI es la opción más precisa en español y gratuita si la ejecutas en tu propio equipo, aunque exige manejo de línea de comandos. Las herramientas comerciales resultan más cómodas, pero implican subir el audio a un servidor externo, y eso plantea una cuestión de protección de datos que la mayoría de guías pasa por alto.
Transcribir a mano una entrevista de una hora cuesta entre cuatro y seis horas de trabajo. Con diez entrevistas, la aritmética explica por qué esta decisión merece atención antes de empezar el trabajo de campo, y no después.
Comparativa rápida
| Herramienta | Coste | Español | Dónde se procesa | Requiere conocimientos técnicos |
|---|---|---|---|---|
| Whisper (local) | Gratuito, código abierto | Muy bueno | Tu ordenador | Sí, línea de comandos |
| Whisper (API) | Alrededor de 0,006 $ por minuto | Muy bueno | Servidor externo | Moderado |
| Otter.ai | Unos 300 minutos al mes gratis; plan de pago mensual | Aceptable, mejor en inglés | Servidor externo | No |
| Word (Microsoft 365) | Incluido con la licencia | Bueno | Servidor de Microsoft | No |
| Notta | Plan de pago mensual | Bueno, orientado a español | Servidor externo | No |
Un dato que ayuda a calibrar expectativas: los modelos actuales alcanzan tasas de error de palabra de entre el 3 % y el 8 % con audio limpio, equivalente a una precisión del 92 % al 97 %. En español, herramientas orientadas al inglés muestran una brecha apreciable: Otter, por ejemplo, presenta en torno a un 6,2 % de tasa de error en español frente a un 4,1 % en inglés.
«Audio limpio» significa una sola persona hablando, sin ruido de fondo y con buena grabación. Una entrevista real —cafetería, dos voces que se solapan, acento marcado, jerga disciplinar— degrada esas cifras de forma notable.
Whisper: precisión sin coste
Whisper es un modelo de reconocimiento de voz de código abierto que admite más de noventa idiomas con detección automática. Su versión más grande está entre lo mejor disponible en español, y ejecutado en tu propio equipo es completamente gratuito y sin límite de minutos.
La ventaja decisiva para un TFG con entrevistas no es el precio: es que el audio nunca sale de tu ordenador. Eso resuelve de raíz el problema de protección de datos que plantean todas las alternativas en la nube.
El inconveniente es la instalación. Requiere Python y trabajo en línea de comandos, algo asumible siguiendo una guía pero que no todo el mundo quiere afrontar en plena recta final. Existen interfaces gráficas construidas sobre Whisper que eliminan esa barrera; si optas por una, comprueba si procesa en local o reenvía el audio a un servidor, porque de ello depende toda la ventaja.
La opción intermedia es la API de OpenAI, con un coste en torno a 0,006 dólares por minuto —unos 3,6 céntimos de dólar por una entrevista de una hora—. Es cómoda y barata, pero el audio se procesa en servidores externos, con las mismas implicaciones que cualquier servicio en la nube.
Las opciones comerciales
Otter.ai ofrece alrededor de 300 minutos mensuales en su plan gratuito, suficiente para cinco entrevistas de una hora, y transcribe reuniones en directo en las principales plataformas de videollamada. Su punto débil para un trabajo en español es precisamente el idioma: rinde mejor en inglés, y la diferencia se nota en la segmentación de hablantes.
Notta está mejor orientado al español, con segmentación más fiable en variantes de España y América Latina. Es de pago desde el primer minuto útil, en un rango mensual comparable al de Otter.
Para un TFG con un volumen acotado de entrevistas, la aritmética suele favorecer combinar el plan gratuito de una herramienta con Whisper en local para el resto, antes que contratar una suscripción mensual completa.
Word y lo que ya te da tu universidad
Antes de contratar nada, comprueba qué tienes ya. La mayoría de universidades españolas facilita al alumnado una licencia de Microsoft 365, y Word incorpora una función de transcripción que sube el archivo de audio, lo transcribe con separación de hablantes y lo inserta en el documento con marcas de tiempo.
Su precisión en español es razonable y la integración con el documento donde trabajas ahorra pasos. Tiene límites mensuales de carga y la calidad depende bastante del audio, pero como opción sin coste adicional ni instalación es difícil de superar. Si tu universidad ofrece además alguna herramienta institucional de transcripción, esa suele ser la vía preferible: ya está evaluada por el servicio informático en términos de tratamiento de datos.
El matiz de protección de datos
Esta es la parte que rara vez aparece en las comparativas y que sí puede complicarte la aprobación del comité de ética.
Una grabación de voz es un dato personal: identifica a una persona física. Subirla a un servicio de transcripción supone comunicar ese dato a un tercero que lo tratará por cuenta tuya. Y si la persona entrevistada aporta información sobre salud, ideología, orientación sexual u otras categorías especiales —habitual en TFG de Enfermería, Psicología o Trabajo Social—, las cautelas se refuerzan.
Las tres comprobaciones que debes hacer antes de subir un solo archivo:
- Qué dice tu consentimiento informado. Si prometiste que solo tú accederías a las grabaciones, subirlas a un servicio externo incumple ese compromiso. Si prevés usar una herramienta en la nube, dilo en el documento de consentimiento desde el principio.
- Qué dice la normativa de tu universidad. Algunos comités de ética restringen expresamente el uso de servicios no auditados institucionalmente para datos de investigación.
- Dónde se procesan y cuánto se conservan los datos. Consulta la política del proveedor: si el audio se almacena para entrenar modelos, es un problema añadido.
La solución más limpia cuando hay datos sensibles es transcribir en local con Whisper. Como alternativa, anonimiza el audio antes de subirlo —sustituyendo nombres propios y referencias identificativas—, aunque con voz reconocible la anonimización es siempre parcial. Los umbrales que activan la necesidad de aprobación previa están en cuándo necesitas la aprobación del comité de ética.
La revisión manual es innegociable
Ninguna herramienta acierta el cien por cien, y sus errores no se reparten al azar. Se concentran en terminología especializada, nombres propios, siglas y expresiones locales, que suele ser exactamente el contenido con más peso analítico de tu entrevista.
Presupuesta entre 20 y 40 minutos de revisión por cada hora de audio. Sigue siendo una fracción de las cuatro a seis horas de la transcripción manual, pero no es tiempo cero. El procedimiento eficaz consiste en escuchar el audio a velocidad aumentada mientras sigues el texto y corriges sobre la marcha.
Decide además, antes de empezar, el nivel de detalle de tu transcripción: si vas a marcar pausas, risas, titubeos o solapamientos. Un análisis del discurso los necesita; un análisis temático de contenido, normalmente no. Aplicar el criterio a mitad de camino obliga a rehacer lo anterior. Las convenciones y la parte previa de grabación están en cómo grabar y transcribir entrevistas.
Cómo declararlo en el método
Es un uso instrumental de la IA que no afecta al contenido de tu análisis, pero conviene declararlo por transparencia. Una línea basta: «Las entrevistas se transcribieron mediante [herramienta] y las transcripciones fueron revisadas y corregidas manualmente por el autor contrastándolas con las grabaciones originales.»
Esa frase aporta información metodológica útil y cierra cualquier duda posterior sobre el proceso. Con las transcripciones ya verificadas, el paso siguiente es la codificación, desarrollada en análisis de datos cualitativos: codificación y categorías. Y si aún estás decidiendo el enfoque general del trabajo, la comparación está en metodología cualitativa y cuantitativa.
Tesify ayuda a redactar los apartados de método, resultados y discusión a partir del material que tú aportas, con formato de citas en APA 7 y revisión de originalidad antes del depósito. La transcripción y la codificación de tus entrevistas siguen siendo trabajo tuyo.
Preguntas frecuentes
¿Cuál es la mejor app para transcribir entrevistas en español?
Whisper de OpenAI ofrece la mejor precisión en español y es gratuito si lo ejecutas en tu propio equipo, aunque requiere manejo de línea de comandos. Si prefieres una interfaz sin configuración, las herramientas comerciales resultan más cómodas, a costa de subir el audio a un servidor externo.
¿Hay herramientas gratuitas para transcribir entrevistas?
Sí. Whisper es de código abierto y gratuito ejecutándolo en local. Otter.ai ofrece alrededor de 300 minutos mensuales sin coste, y Word incluye transcripción para las cuentas de Microsoft 365, que muchas universidades facilitan al alumnado. Comprueba primero si tu universidad ya te da acceso.
¿Qué precisión tiene la transcripción automática en español?
Los modelos actuales alcanzan tasas de error de palabra de entre el 3 % y el 8 % con audio limpio, es decir, una precisión del 92 % al 97 %. La precisión cae con ruido de fondo, solapamiento de voces, acentos marcados y terminología técnica, que son condiciones habituales en una entrevista real.
¿Puedo subir a la nube la grabación de una entrevista de mi TFG?
Depende de lo que hayas comprometido en el consentimiento informado y de las normas de tu universidad. Una grabación de voz es un dato personal, y si la persona entrevistada aporta datos de salud u otras categorías especiales, las cautelas aumentan. Si el consentimiento no contemplaba el tratamiento por terceros, transcribe en local.
¿Hay que revisar a mano la transcripción automática?
Siempre. Ninguna herramienta acierta el cien por cien, y los errores se concentran precisamente en la terminología especializada y en los nombres propios, que suelen ser lo más relevante de tu entrevista. Calcula entre 20 y 40 minutos de revisión por cada hora de audio transcrito.
¿La transcripción automática cuenta como uso de IA que hay que declarar?
Conviene declararla, aunque sea un uso instrumental sin efecto sobre el contenido. Basta con una línea en el apartado de método indicando la herramienta empleada y que la transcripción fue revisada y corregida manualmente. Es información metodológica útil y evita cualquier duda posterior.
Fuentes: documentación de OpenAI sobre Whisper y precios de su API, información pública de planes de Otter.ai y Notta, documentación de Microsoft sobre la función de transcripción en Word, y Reglamento (UE) 2016/679 de Protección de Datos.