18 de noviembre de 2026

Cómo transcribir audio en Google Docs (qué hace Docs y qué no hace)

Google Docs no acepta archivos de audio: solo transcribe lo que entra por el micrófono. Ve qué resuelve el Dictado por voz, qué cubren las transcripciones de Meet y cómo convertir cualquier grabación en texto editable en Docs.

Rodrigo Carvalho Rodrigo Carvalho

Cómo transcribir audio en Google Docs (qué hace Docs y qué no hace)

Grabaste la reunión, abriste Google Docs y buscaste el botón para transcribir. No existe. El menú tiene dictado por voz, hay complementos de terceros, pero ningún lugar donde dejar el archivo .m4a que está en el celular y recibir el texto de vuelta.

No es una carencia temporal. Docs trabaja con entrada de voz en vivo, por micrófono, y no con archivos. Saber exactamente dónde está esa frontera te ahorra la próxima media hora de recorrer menús.

La respuesta corta

Google Docs transcribe lo que hablas al micrófono, en tiempo real. No transcribe un archivo de audio que subas.

La página oficial de ayuda describe un único camino: abrir un documento en un navegador compatible y usar Herramientas → Dictado por voz. Aparece la caja del micrófono, haces clic y hablas; quien hace la conversión es el propio navegador, no Docs (Ayuda de Google, Escribir y editar con la voz).

Funciona en versiones recientes de Chrome, Edge y Safari, con el micrófono del equipo activo, y el español está en la lista de idiomas admitidos. Es útil, pero para otra cosa.

Para qué sirve de verdad el Dictado por voz

Fue pensado para escribir dictando, no para transcribir grabaciones.

Sirve bien cuando:

  • Necesitas redactar un informe, un correo largo o un borrador y escribes más lento de lo que hablas.
  • Tienes las manos ocupadas y quieres registrar una idea antes de que se escape.
  • Quieres dictar un pasaje corto y corregirlo ahí mismo: puedes mover el cursor y corregir sin apagar el micrófono, y hacer clic derecho en las palabras subrayadas en gris para ver sugerencias.

Sirve mal cuando:

  • El audio ya existe. La única salida sería reproducir la grabación en un parlante y dejar que el micrófono la capte. El sonido se comprime dos veces, entra el ruido de la sala y la precisión cae de inmediato.
  • Hay más de una persona hablando. El dictado por voz no separa hablantes; una reunión de cinco personas se convierte en un bloque único que no puedes atribuir.
  • El audio es largo. Una hora de reunión exige una hora con el micrófono abierto y el equipo ocupado.

Si tu caso es “tengo un archivo y quiero el texto”, el Dictado por voz no es el camino. Es el camino de quien todavía va a hablar.

Qué ofrece Google para audio ya grabado

Hay una excepción real: Google Meet transcribe reuniones. Pero es más estrecha de lo que parece.

La función está en Herramientas de la reunión → Transcripción → Iniciar transcripción, durante la llamada, y solo funciona en computadora, notebook o Android. No está en todas las cuentas: las ediciones compatibles incluyen Business Standard, Business Plus, Enterprise Starter, Enterprise Standard, Enterprise Plus, Teaching and Learning Upgrade, Education Plus y Workspace Individual. Una cuenta gratuita de Gmail no la tiene (Ayuda de Google Meet, Usar transcripciones).

Otros detalles que suelen sorprender:

  • Solo entran las palabras habladas. Los mensajes del chat quedan afuera; para incluirlos hay que grabar la llamada.
  • La transcripción no es necesariamente tuya. Se guarda en el Google Drive del organizador de la reunión, en la carpeta “Google Meet”, con una subcarpeta por reunión.
  • Son ocho idiomas: inglés, francés, alemán, italiano, japonés, coreano, portugués y español.

Es decir: funciona cuando el audio nació dentro de Meet y la cuenta es Workspace paga. Para audio de WhatsApp, de grabadora del celular, de una clase presencial, de Teams, de Zoom o de un video de YouTube, Google no ofrece transcripción en ninguno de esos productos.

El camino que funciona con cualquier archivo

Para cualquier grabación que no sea una reunión de Meet, el flujo es: convertir el audio en texto en una herramienta de transcripción y llevar el resultado a Docs, donde ocurren la revisión y el uso compartido.

En Sintesy, el recorrido completo es este:

  1. Envía el archivo. En el panel, haz clic en Nuevo → Enviar archivo, o simplemente arrastra el archivo a cualquier lugar de la pantalla. Acepta audio (mp3, m4a, wav, ogg, opus, aac, flac, amr, wma, entre otros), video (mp4, mov, mkv, webm, avi), PDF, DOCX y TXT. Los PDF escaneados pasan por OCR, así que un documento fotografiado también produce texto.
  2. Recibe la síntesis. La salida no es solo la transcripción: llega un resumen, un mapa mental y, cuando el contenido es accionable, un checklist. La transcripción es lo que llevas a Docs; el resumen es lo que lees antes de revisar 40 minutos de habla.
  3. Llévalo al documento. En el plan gratuito, selecciona el texto de la transcripción y pégalo en Docs. En Pro, usa Descargar → Exportar como DOCX, sube el archivo a Google Drive y ábrelo con Docs: Google convierte el .docx en un documento editable automáticamente. Es el camino que conserva títulos y listas en lugar de aplastarlo todo en un solo párrafo.
  4. Atajo para el celular. Si el audio llega por WhatsApp, puedes reenviarlo al número conectado a tu cuenta y recibir de vuelta el aviso con el enlace de la síntesis, sin pasar por la computadora.

Si el origen es una reunión, el flujo de transcripción a resumen, mapa mental y checklist es el mismo, con una diferencia: empiezas con un enlace de Meet, Teams o Zoom en lugar de un archivo.

¿Dictado por voz, transcripciones de Meet o una herramienta de transcripción?

Dictado por voz (Docs)Transcripciones de MeetSintesy
Acepta archivo de audioNoNoSí (audio, video, PDF, DOCX, TXT)
Funciona con una grabación antiguaNoNoSí
Separa hablantes / identifica participantesNoSí, dentro de la llamadaNo — el audio enviado no llega separado por hablante
IdiomasLista amplia, incluido el español8 idiomasPortugués, inglés y español en la síntesis
Dónde queda el textoEn el documento que estás escribiendoDrive del organizadorTu cuenta, con exportación
CostoIncluido en DocsEdiciones Workspace pagasPlan gratuito con límites; Pro sin topes de duración

La lectura práctica: usa el Dictado por voz cuando tú eres la fuente del texto; las transcripciones de Meet cuando la conversación ocurre en Meet y la empresa paga Workspace; una herramienta de transcripción cuando el audio viene de cualquier otro lugar.

Los límites que aparecen a mitad de camino

Conviene conocerlos antes de empezar, porque todos aparecen en el peor momento: cuando la reunión ya terminó y necesitas el texto.

En el plan gratuito de Sintesy: 60 minutos de audio por día, hasta 10 síntesis por día y archivos de hasta 20 MB. La transcripción, el resumen y el checklist se entregan hasta 2.500 caracteres. Para un mensaje de voz de dos minutos eso es más que suficiente. Para una reunión de una hora el texto llega cortado, y ahí es exactamente donde se rompe el flujo “transcribir y llevarlo a Docs”.

En el plan Pro: sin el corte de 2.500 caracteres, cargas de hasta 2 GB (PDF hasta 64 MB), exportación a PDF, DOCX, SVG e imagen, y sin tope de transcripciones.

Si tu uso es ocasional —una clase, una entrevista, un audio de cliente por semana— el gratuito alcanza. Si vives de esto, el corte de caracteres es el primer límite con el que vas a chocar.

Cinco errores que cuestan tiempo

1. Buscar una carga de audio en el menú de Docs. No existe. La entrada es el micrófono. Cada intento cuesta unos minutos de búsqueda.

2. Reproducir el audio en un parlante para dictarlo en Docs. La calidad se degrada dos veces y la transcripción sale peor que la de cualquier herramienta que lea el archivo original.

3. Exportar a PDF y tratar de pegar el texto en Docs. El PDF no devuelve texto editable de forma confiable. Usa DOCX o copia la transcripción desde la propia app.

4. Suponer que las transcripciones de Meet cubren reuniones presenciales. Solo existen dentro de una llamada de Meet, en una cuenta Workspace elegible. Una reunión en la sala física no entra.

5. Dejar el texto solo en la app. Una transcripción que nunca se convierte en un documento revisado y compartido muere en el historial. Docs es el destino correcto justamente porque allí el texto se comenta, se corrige y se envía a quien no tiene cuenta en ningún lado.

Docs es el destino, no la herramienta

La confusión es comprensible: Google ofrece transcripción en un producto (Meet) y dictado por voz en otro (Docs), así que esperar que Docs haga lo mismo con un archivo es natural. Simplemente no es lo que hace.

El flujo que no frustra es el inverso del que casi todos intentan: el audio se vuelve texto en la herramienta de transcripción, y Docs recibe ese texto para la parte en la que es imbatible: revisar, comentar, versionar y compartir con quien necesita leerlo. Si la grabación es de una reunión y quieres comparar opciones de transcripción por origen, vale ver también cómo transcribir audio en Word: las fronteras de cada editor son parecidas, y las salidas también.