Cómo transcribir una entrevista: método y herramientas

Para transcribir una entrevista, decide primero cuánto detalle necesitas: una transcripción literal, con muletillas, pausas y repeticiones, o una limpia, que conserva todo lo que tiene significado y se lee mejor. Usa las mismas marcas de principio a fin y revisa el texto escuchando de nuevo la grabación. Un programa puede darte el primer borrador; la revisión sigue siendo cosa tuya. A continuación: el permiso para grabar, los estilos de transcripción, un mismo extracto transcrito de tres formas, las marcas, el tiempo que lleva y las herramientas para transcribir entrevistas.

Antes de grabar: permiso y protección de datos

• Pide permiso antes de pulsar «grabar» y graba también el sí. Es la forma más sencilla de demostrarlo después.
• Lo que dice el Tribunal Constitucional. En su sentencia 114/1984, de 29 de noviembre, el Tribunal Constitucional distinguió entre grabar una conversación ajena, que vulnera el secreto de las comunicaciones, y grabar una conversación en la que tú participas, que por sí sola no lo hace. Difundir lo grabado es otra cuestión y puede afectar a la intimidad. Para una investigación o una entrevista periodística, eso no sustituye al permiso: pregunta siempre.
• Una grabación de voz es un dato personal. El Reglamento General de Protección de Datos (RGPD) considera dato personal toda información sobre una persona que pueda identificarse, directa o indirectamente. Una voz grabada, un nombre o un lugar de trabajo mencionado en la transcripción pueden bastar para identificar a alguien.
• Un servicio en la nube es un encargado del tratamiento. Si una web o un programa en línea transcribe la grabación por ti, trata datos personales por tu cuenta. La Agencia Española de Protección de Datos (AEPD) recuerda que esa relación debe formalizarse en un contrato o en otro acto jurídico que vincule al encargado. Indícalo también en la hoja de información a los participantes.
• Menores de edad: la Ley Orgánica de Protección de Datos (LOPDGDD, artículo 7) solo permite basar el tratamiento en el consentimiento del propio menor cuando tiene más de catorce años; por debajo, hace falta el de quien ejerce la patria potestad o la tutela. Tu comité de ética puede exigir más.

Esto se refiere a España. En Latinoamérica rigen las leyes de cada país, y tu universidad o tu medio sabrán cuáles se aplican. No es asesoramiento jurídico: ante una duda concreta, consulta al delegado de protección de datos de tu institución.

Literal, limpia o para análisis de la conversación

• Transcripción literal: cada palabra tal como se dijo, con muletillas («eh», «o sea», «pues»), repeticiones, frases cortadas, risas y pausas. Sirve cuando importa cómo se dice algo: análisis del discurso, entrevistas en las que el tono cuenta, documentos con valor de prueba.
• Transcripción limpia: todas las palabras que aportan significado, sin muletillas, tartamudeos ni arranques en falso. Es la que necesita la mayoría de la gente para citar y para el análisis de contenido.
• Transcripción para análisis de la conversación: cuando estudias la conversación misma, es decir, los turnos, los solapamientos, la duración de las pausas o la entonación, necesitas un sistema de transcripción completo. En España existe, por ejemplo, el del grupo Val.Es.Co. de la Universitat de València, pensado para describir el español coloquial.

Las guías no coinciden en un punto: si en la transcripción limpia se puede corregir la gramática. Si vas a citar a alguien, no le corrijas, y deja tu regla por escrito para que todas las personas que transcriben hagan lo mismo. Si tu director de tesis, tu grupo de investigación o tu medio tiene sus propias normas, esas van primero.

Del sistema Val.Es.Co. conviene saber tres cosas. Combina la ortografía normal con los métodos del análisis de la conversación y se parece al sistema de Jefferson, adaptado al español. Cada signo representa un único fenómeno. Y se puede ajustar al objetivo: más estrecho, añadiendo detalles de prosodia, o más ancho, prescindiendo por ejemplo de los reinicios y solapamientos en un estudio puramente léxico.

Un extracto, tres transcripciones

Hemos inventado un breve diálogo entre una entrevistadora y una estudiante que trabaja mientras estudia, y lo hemos transcrito de las tres maneras.

Qué cambia de una versión a otra:

• La literal conserva el «eeh», la repetición «ella ya trabajaba ahí», el «ajá» de la entrevistadora y el «pa' na'» tal como sonó. La pregunta que se dice a la vez que la respuesta lleva la etiqueta [a la vez].
• La limpia quita la muletilla, la repetición y el «ajá», y escribe «para nada». La palabra inaudible sigue marcada, con su tiempo: borrarla escondería un hueco en el documento y no podrías volver a escucharla.
• Val.Es.Co. marca las pausas con barras según su duración y el silencio largo en segundos, pone las risas al margen, deja el fragmento indescifrable entre dobles paréntesis y alinea los corchetes del tramo en el que hablan las dos a la vez.

Las marcas más habituales

La notación de la columna literal es la nuestra, inspirada en las etiquetas habituales de las guías de transcripción en inglés; no es una norma oficial. Val.Es.Co. añade marcas para la entonación (flechas ascendente, descendente o mantenida), la pronunciación silabeada («pe sa do») y las palabras reconstruidas, reserva la mayúscula inicial para nombres propios, apodos, siglas y marcas, y las mayúsculas completas para el énfasis. En su corpus, las incorrecciones gramaticales no se señalan y los nombres de personas y lugares no son, por lo general, los reales.

Formato: cabecera, hablantes y marcas de tiempo

Empieza cada transcripción con una cabecera que diga de dónde sale el texto y cómo se hizo. Este modelo puedes copiarlo:

Proyecto: [nombre], entrevista 03
Audio: entrevista-03.m4a, duración [hh:mm:ss], completa
Fecha y lugar: 14/10/2026, [ciudad o videollamada]
Entrevistadora: E = [iniciales]
Persona entrevistada: L = Lucía (seudónimo)
Transcripción: [iniciales], [fecha]; revisión: [iniciales], [fecha]
Estilo: literal, con las marcas de la tabla
Programa: [nombre y versión, local o en la nube]
Anonimización: nombres, lugares y empresas sustituidos

• Hablantes: un rol o un seudónimo con dos puntos, igual en todo el archivo, y una línea en blanco entre intervenciones. Si la transcripción tiene que ser anónima, usa roles como E y P1 en lugar de nombres.
• Contexto: Val.Es.Co. acompaña cada conversación con datos de los participantes, como la relación entre ellos, la edad o el nivel sociocultural, para que quien lea pueda situarla. En una investigación, esos datos van en la cabecera o en una ficha aparte.
• Marcas de tiempo: al menos en cada cambio de hablante o cada pocos minutos, para encontrar cualquier pasaje en la grabación. Nuestra guía sobre la transcripción con marcas de tiempo explica los formatos.
• Un archivo por entrevista, con el mismo nombre para el audio y el texto, y la fecha escrita como año, mes y día para que se ordenen solos.

¿Cuánto se tarda en transcribir una entrevista?

• A mano: la guía de la Universidad de Cornell calcula entre cuatro y seis horas de trabajo por cada hora de entrevista grabada, y más con mal audio o en transcripción literal.
• Corrigiendo un borrador automático: en un estudio publicado en 2024 en la revista Forum Qualitative Sozialforschung, corregir las transcripciones de Whisper llevó de media tres horas y media por hora de entrevista, en siete entrevistas, frente a unas seis horas de transcripción manual según la bibliografía que cita. Las pruebas son de 2023 y se hicieron con entrevistas en inglés y en alemán.
• El tiempo del ordenador: la Universidad de Ginebra indica que un programa local, en un ordenador reciente sin tarjeta gráfica dedicada, tarda más o menos lo que dura la grabación usando el mejor modelo. Mientras tanto, el ordenador trabaja solo.

Transcribe cuanto antes después de la entrevista, mientras recuerdas el contexto, los nombres y los momentos difíciles de oír. Si son muchas entrevistas, no hagas varias a la vez.

Programas para transcribir entrevistas

Lo primero es saber adónde va la grabación. La Universidad de Ginebra desaconseja los servicios en línea para proyectos universitarios y recomienda programas que funcionan en tu ordenador.

En tu ordenador, sin subir el audio:

• noScribe es gratuito y de código abierto (licencia GPL-3.0), para Windows, macOS y Linux. Funciona completamente en local, distingue a los hablantes, entiende unos sesenta idiomas e incluye un editor para revisar el texto mientras escuchas. Lo creó el sociólogo Kai Dröge sobre Whisper, y su web está disponible en español. Su autor advierte de un dominio parecido que vende servicios de transcripción: descárgalo solo desde la web oficial o desde GitHub.
• aTrain, de la Universidad de Graz, transcribe sin conexión, reconoce a los hablantes y genera archivos que se importan en ATLAS.ti, MAXQDA y NVivo. Es el programa que recomienda la Universidad de Ginebra.
• Whisper, el modelo de código abierto de OpenAI, funciona en tu propio equipo, pero no separa a los hablantes.

En la nube:

• Word, con una suscripción a Microsoft 365, transcribe archivos .wav, .mp4, .m4a o .mp3 desde Inicio > Dictar > Transcripción > Cargar audio. Etiqueta a los hablantes como «Orador 1», «Orador 2», admite hasta 300 minutos de audio cargado al mes y guarda la grabación en la carpeta Archivos transcritos de OneDrive. Según la ayuda de Microsoft, en el escritorio la función solo está disponible en Word para Microsoft 365 en Windows con cuentas comerciales; también funciona en Word para la Web.
• MAXQDA Transcription solo ofrece la opción de transcribir las muletillas para el inglés: si necesitas una transcripción literal en español, añádelas a mano.

En octubre de 2026 medimos la precisión de Whisper y de otro motor gratuito, Vosk, con audiolibros en inglés y en alemán: el modelo predeterminado de Whisper se equivocó en menos de dos de cada cien palabras en ambos idiomas. No probamos el español ni entrevistas, en las que hablan varias personas y a veces a la vez; los detalles están en nuestra guía para transcribir audio a texto. El estudio de 2024 señala además que todos los programas probados asignaban mal párrafos y hablantes. Con cualquier herramienta, revisa nombres, cifras y los pasajes en los que hablan varias personas.

Entrevistas en dos idiomas y variedades del español

• Transcribe en el idioma original. Los estudios sobre investigación cualitativa en varios idiomas recomiendan trabajar en la lengua original todo lo posible y traducir con cuidado solo las citas que uses, a ser posible con un hablante nativo, explicando cómo lo hiciste.
• Conserva los cambios de idioma. Si alguien pasa al inglés o al catalán, ese cambio puede tener significado. Escribe las palabras originales y añade la traducción entre corchetes, o en una nota al pie, como hace Val.Es.Co. con los fragmentos en valenciano.
• Elige bien el idioma en el programa. Word ofrece por separado el español de España, México, Argentina, Colombia, Estados Unidos y otros países; elige el de la persona entrevistada. MAXQDA Transcription no transcribe grabaciones con idiomas mezclados, con una excepción: español con inglés.

Si la entrevista es en vídeo y quieres subtitularla, la transcripción revisada es una buena base; nuestra guía del archivo SRT explica el formato.

Revisar, anonimizar y citar

1. Escucha la grabación entera leyendo a la vez y corrige lo que oigas. Busca cada marca de inaudible e inténtalo otra vez.
2. Comprueba nombres, cifras y términos técnicos con tus notas; son los puntos en los que más fallan las transcripciones automáticas.
3. Seudonimiza: cambia nombres, lugares, empresas y otros datos que permitan reconocer a la persona por marcas como [compañera de piso] o por seudónimos, y guarda la tabla de correspondencias en otro sitio.
4. Recuerda que seudonimizar no es anonimizar. El RGPD define la seudonimización como un tratamiento tras el que los datos ya no pueden atribuirse a una persona sin información adicional guardada por separado, y precisa que los datos seudonimizados siguen siendo información sobre una persona identificable. Mientras exista la tabla, o un detalle delate a alguien, la transcripción sigue siendo un dato personal.
5. Cita a partir de la versión limpia, pero guarda la literal y la grabación para comprobar cualquier frase. No cambies el sentido de lo que dijo nadie.
6. Documenta el programa: en el apartado de método, indica su nombre, la versión, si funcionó en local o en la nube y cuántas revisiones hiciste.

Si de una reunión solo necesitas las decisiones y no cada palabra, escribe un acta de reunión.