Guía

M4A, MP3, WAV, MOV: cómo sacar texto de lo que sea que grabaste

El formato en el que quedó tu grabación no debería decidir si puedes transcribirla. Casi nunca lo decide, pero hay algunas trampas reales.

30 August 2026

Busca «m4a a texto» y encontrarás cien sitios que quieren que subas el archivo. Casi nunca los necesitas: el formato rara vez es el obstáculo real y, cuando lo es, la solución no es una web conversora.

Esto es lo que significa en la práctica cada formato que puedes tener entre manos.

La respuesta corta #

Para transcribir, una buena herramienta convierte internamente lo que le des a lo mismo — audio mono de 16 kHz — y trabaja a partir de ahí. El contenedor es un detalle. Lo que importa es:

1. ¿Hay siquiera una pista de audio ahí dentro?
2. ¿Se comprimió tanto que se perdió el detalle del habla?
3. ¿Puede la herramienta abrir ese contenedor concreto?

Solo la tercera pregunta depende de la extensión del archivo, y solo en un par de casos incómodos.

Los formatos #

M4A — Lo que es una nota de Voice Memos del iPhone. Audio AAC en un contenedor MP4. Comprimido, pero con los bitrates que usan los teléfonos la calidad es buena y la transcripción no se ve afectada. Es el archivo que más gente quiere transcribir, y no supone ningún problema.

MP3 — El universal. La misma historia: con pérdida, pero bien en la práctica. Los MP3 de bitrate muy bajo (64 kbps o menos, habituales en archivos antiguos de pódcast y en grabaciones de centralitas telefónicas) sí perjudican la precisión de forma medible, porque la compresión elimina las frecuencias altas que distinguen consonantes parecidas. Nada puede devolverlas.

WAV — Sin comprimir. El mejor caso para la precisión y el peor para el tamaño de archivo: dos horas son varios cientos de megabytes, y por eso los servicios basados en subida se atascan precisamente con los WAV. A la transcripción local le da igual.

AAC — El códec que hay dentro de la mayoría de archivos M4A; a veces aparece como un .aac suelto. Las mismas propiedades que M4A.

CAF — El Core Audio Format de Apple. Aparece con herramientas de grabación de macOS y iOS. Poco común fuera de ahí, y cualquier cosa construida sobre los frameworks de audio de Apple lo maneja sin problema.

OGG / Opus — El lado web y Android del mundo. Las notas de voz de WhatsApp son Opus. Un códec excelente para voz a bitrates bajos, de verdad mejor que MP3 al mismo tamaño. Algunas herramientas nativas de Apple no pueden abrirlo sin un paso de decodificación, lo que es una limitación de herramientas y no de calidad.

MOV y MP4 — Vídeo. La transcripción solo necesita la pista de audio, que se extrae primero. Prácticamente toda grabación de pantalla, vídeo de móvil y archivo de cámara es uno de estos.

Las trampas que sí son reales #

Un archivo de vídeo sin pista de audio #

Evidente una vez lo sabes, invisible hasta entonces. Algunas grabaciones de pantalla se capturan sin audio, y algunas cámaras escriben un archivo de audio aparte. Una herramienta de transcripción no puede hacer nada con un vídeo mudo, y una buena debería decirlo en lugar de devolver una transcripción vacía.

Archivos MOV antiguos #

No todos los archivos .mov son iguales. Los archivos de QuickTime más antiguos pueden contener un único flujo MPEG multiplexado, sin pista de audio separada a la que los frameworks modernos puedan acceder. Las propias herramientas de Apple informarán de cero pistas de audio. Si un .mov antiguo concreto falla en todas partes mientras que los modernos funcionan, normalmente es por esto. Volver a exportarlo desde QuickTime Player es la solución práctica.

Cualquier cosa con bitrate muy bajo #

Por debajo de unos 64 kbps para voz pierdes precisión, transcribas con lo que transcribas. Si puedes elegir en el momento de grabar, este es el ajuste que merece la pena cuidar, mucho más que qué app uses después.

Un archivo que no es lo que dice su extensión #

Renombrar recording.aiff a recording.mp3 no lo convierte, y las herramientas que se fían de la extensión fallarán de forma confusa. Si un archivo se comporta de forma extraña, comprueba qué es en realidad (file recording.mp3 en Terminal te lo dirá).

¿Hace falta convertir primero? #

Normalmente no, y convertir puede costarte algo.

Cada conversión entre formatos con pérdida — de MP3 a M4A, por ejemplo — decodifica y vuelve a codificar, perdiendo un poco más de detalle cada vez. Si tu objetivo es una transcripción precisa, pasarle el archivo original a una herramienta que lo lea directamente es estrictamente mejor que convertirlo antes.

La excepción es un formato que tu herramienta realmente no pueda abrir. Entonces convierte una sola vez, desde el original, a WAV y no a otro formato con pérdida.

Qué admitimos #

Offline Transcription lee MP3, WAV, M4A, AAC, CAF y OGG para audio, y MOV y MP4 para vídeo, tanto en Mac como en iPhone. Todo se convierte internamente al mono de 16 kHz que espera el modelo, así que sueltas el archivo original y no hace falta nada más.

Los archivos no admitidos o no decodificables se listan con un motivo claro en lugar de fallar en silencio, incluido el caso del .mov antiguo de más arriba, que conservamos como caso de prueba precisamente porque es el que falla en todas partes.

La versión corta #

El formato casi nunca es el problema. La compresión por debajo de unos 64 kbps sí es un problema real, los archivos de vídeo sin pista de audio son un problema real y los archivos MOV antiguos son un problema real ocasional. Todo lo demás — M4A, MP3, WAV, AAC, CAF, OGG, MP4 — se transcribe directamente, y convertir primero suele empeorar las cosas ligeramente en vez de mejorarlas.