La transcripción integrada de Zoom requiere el plan Business a 199 dólares por usuario al año. Omítelo. Graba localmente, arrastra el .m4a a una aplicación gratuita de Windows y obtén la transcripción completa en minutos.
Funciona con cualquier nivel de Zoom, incluido el plan gratuito.
Abre Zoom, ve a Configuración, Grabación y activa Grabación local. Elige una carpeta que puedas encontrar más tarde (la predeterminada es Documentos, Zoom). La grabación local está disponible para los usuarios gratuitos de Zoom siempre que seas el anfitrión de la reunión. Si no eres el anfitrión, pídele que grabe él mismo o que te conceda permiso de grabación.
Mientras estás en la llamada, haz clic en Grabar en la barra de herramientas de Zoom (o presiona Alt+R) y elige Grabar en esta computadora si tienes opciones locales y en la nube. Zoom mostrará un pequeño indicador de Grabación en la esquina para que todos lo sepan. Cuando termine la llamada, sal de la reunión normalmente. Zoom tarda uno o dos minutos en convertir la grabación en los archivos finales.
Abre el Explorador de archivos y navega a Documentos, Zoom. Dentro verás una subcarpeta con fecha para cada grabación. Abre la más reciente. Encontrarás audio_only.m4a (el audio de la llamada, archivo más pequeño) y zoom_0.mp4 (el video de pantalla compartida). Para la transcripción solo necesitas el archivo de audio. El archivo de video también funciona si lo prefieres; StarWhisper extrae el audio de .mp4 automáticamente.
Instala StarWhisper si aún no lo has hecho. Ábrelo y arrastra audio_only.m4a desde el Explorador de archivos a la ventana. La aplicación detecta el idioma y comienza a transcribir. Una llamada de una hora normalmente se procesa en 5 a 15 minutos en una CPU moderna, o 1 a 3 minutos en una GPU NVIDIA. El progreso se muestra en tiempo real. Puedes dejarlo ejecutándose en segundo plano.
La transcripción aparece en la ventana de StarWhisper. Léela, copia el texto completo al portapapeles o guárdalo en un archivo .txt. Pégalo en Notion, OneNote, Google Docs o tu sistema de notas de reuniones. La transcripción es texto sin formato sin etiquetas de orador, lo que mantiene el archivo portátil y fácil de limpiar. Costo total cero. Sin carga, sin actualización a Zoom Business, sin tarifas por minuto.
Un flujo de trabajo gratuito que hace lo que hace el plan de 199 dólares.
Zoom Business cuesta alrededor de 199 dólares por usuario al año. Este flujo de trabajo se mantiene en el nivel gratuito de Zoom y utiliza la transcripción local gratuita de StarWhisper. El ahorro anual se acumula rápidamente para usuarios individuales o equipos pequeños.
Tanto la grabación local de Zoom como la transcripción de StarWhisper viven en tu disco duro. No hay carga a los servidores de Zoom para la transcripción, ni ningún bot de reuniones de terceros uniéndose a la llamada.
El mismo flujo de trabajo maneja Microsoft Teams, Google Meet, Webex, Slack Huddles o cualquier otra llamada grabada localmente. El archivo de audio es lo único que importa.
¿Trabajas con un equipo entre Berlín, Tokio y São Paulo? Whisper detecta automáticamente el idioma de cada grabación. Detalles del soporte multiidioma.
La misma instalación también te permite dictar por voz directamente en el chat de Zoom (o cualquier otro campo de texto). Consulta la guía de voz a texto en Zoom para el flujo de trabajo de pulsación prolongada.
Los propietarios de GPU NVIDIA procesan una reunión de una hora en 1 a 3 minutos a través de CUDA. Sin una GPU, aún obtienes una velocidad utilizable en CPUs modernas. Detalles de GPU.
Zoom incluye transcripción automática de reuniones, pero solo en el plan Business y superiores. Al momento de escribir, el plan Business cuesta aproximadamente 199 dólares por usuario al año (149 a 199 dependiendo de la duración del contrato y la cantidad de licencias). Para un freelancer individual o un equipo pequeño donde la mayoría de las llamadas no necesitan transcripción en tiempo real, eso es mucho dinero para una función que usarías ocasionalmente.
La transcripción oficial de Zoom también tiene limitaciones que sorprenden a la gente la primera vez. El audio se procesa en la nube de Zoom, por lo que sale de tu red. Las grabaciones se almacenan en los servidores de Zoom, sujetas a las políticas de retención de Zoom. Y está bloqueado para llamadas de Zoom específicamente: no puede transcribir una llamada grabada de Microsoft Teams o una entrevista de podcast que hiciste en otro lugar.
Esta guía describe la alternativa que la mayoría de la gente termina usando. Mantén el nivel gratuito de Zoom, usa la Grabación local integrada (que es gratuita) y procesa el archivo resultante con StarWhisper en tu PC con Windows. Costo total: cero. Ahorro anual total frente a Zoom Business: 199 dólares por licencia.
Cuando grabas una reunión de Zoom localmente como anfitrión, Zoom captura el audio mezclado de cada participante (tu micrófono más las transmisiones de micrófono de todos los demás). Eso se guarda como audio_only.m4a. También graba la cuadrícula de video y la pantalla compartida en zoom_0.mp4. Para la transcripción solo necesitas el .m4a.
Lo que NO obtienes de forma predeterminada es audio por orador. La grabación es una sola pista mezclada. Esto significa que StarWhisper producirá una transcripción continua sin etiquetas de orador. Para la mayoría de los casos de uso de elementos de acción y decisiones, esto está bien: es rápido de leer y reconstruir quién dijo qué cuando recuerdas la discusión. Si la diarización de oradores es crítica para tu flujo de trabajo, necesitarías un servicio de transcripción en la nube de pago o una configuración local más avanzada. Comentario honesto.
Zoom también graba el texto de tu pantalla compartida. La transcripción solo cubre el audio hablado, no el texto en la pantalla. Si alguien compartió un documento con información crítica, guarda ese documento por separado.
Configuración única en Zoom que hace que el resto de este flujo de trabajo sea sencillo:
Eso es todo. Las reuniones futuras se grabarán localmente en esa carpeta. Solo tienes que configurar esto una vez por máquina.
Transcribir una reunión grabada es más rápido que el tiempo real, a veces mucho más rápido. La velocidad exacta depende de tu hardware y del modelo Whisper que utilices. Números aproximados para el modelo medio predeterminado en máquinas representativas:
| Hardware | Reunión de 30 min | Reunión de 60 min | Reunión de 2 h |
|---|---|---|---|
| CPU de portátil moderno (i7 o Ryzen 7) | 3 a 6 min | 6 a 12 min | 12 a 25 min |
| NVIDIA RTX 3060 (CUDA) | 30 a 60 seg | 1 a 2 min | 2 a 5 min |
| NVIDIA RTX 4090 (CUDA) | 10 a 20 seg | 20 a 40 seg | 1 a 2 min |
| CPU antigua (más de 5 años) | 10 a 20 min | 25 a 45 min | 50 a 90 min |
Para la mayoría de los portátiles de oficina comprados en los últimos tres años, espera que una reunión de una hora se transcriba en 6 a 12 minutos. Eso es más rápido que volver a escuchar la reunión a velocidad de 2x. Si haces mucha transcripción de reuniones y tienes una GPU NVIDIA disponible, habilitar el paquete CUDA reduce el tiempo en un orden de magnitud.
Caso de uso separado que vale la pena mencionar. Más allá de transcribir reuniones grabadas, la característica principal de StarWhisper es el dictado por voz por pulsación prolongada en cualquier campo de texto. Durante una llamada de Zoom puedes usarlo para escribir en el chat de Zoom por voz sin romper el contacto visual con tu cámara.
El flujo de trabajo: haz clic en la entrada del chat de Zoom, mantén presionada la tecla de acceso rápido de StarWhisper (por defecto es Alt Derecho), habla el mensaje, suelta. Tu voz se convierte en texto escrito. Esto es útil para enviar mensajes detallados a los asistentes mientras se comparte la pantalla, capturar notas rápidas durante una llamada sin usar alt-tab para ir a una aplicación de notas o ejecutar un hilo de chat abierto junto con la conversación verbal.
Para el flujo de trabajo completo de dictado en tiempo real con Zoom, consulta la guía dedicada de voz a texto en Zoom. El motor de transcripción es el mismo; solo el disparador es diferente.
Este flujo de trabajo mantiene el audio de la reunión y la transcripción en tu dispositivo. La grabación local de Zoom se guarda en tu disco duro. El Modo Local de StarWhisper lo procesa localmente. La transcripción resultante es un archivo .txt en tu PC. Nada de esto sale de tu red a menos que elijas compartirlo (pegarlo en un documento en la nube, enviarlo por correo electrónico, subirlo).
Compáralo con las alternativas. Otter.ai se une a tu reunión como un bot y sube el audio a los servidores de Otter. Notta hace lo mismo. Incluso la propia transcripción de Zoom procesa el audio en la nube de Zoom. Para llamadas confidenciales (discusiones de fusiones y adquisiciones, evaluaciones de desempeño, entrevistas a clientes bajo NDA), el flujo de trabajo solo local es una mejora significativa. La página de arquitectura de privacidad y sin conexión cubre el análisis completo del flujo de datos.
Si estás en una industria regulada (atención médica, legal, servicios financieros), la misma arquitectura respalda tu postura de cumplimiento. Las preguntas frecuentes sobre cumplimiento HIPAA explican lo que significa el procesamiento local para la información de salud protegida específicamente.
Los representantes de ventas que hacen llamadas de descubrimiento, los reclutadores que hacen entrevistas y los gerentes de cuentas que hacen renovaciones se benefician de las transcripciones de llamadas grabadas. El flujo de trabajo aquí es el mismo: graba localmente, transcribe después. Si deseas una mirada más profunda a cómo los equipos de ventas y las funciones de RR. HH. están utilizando la transcripción local, consulta las páginas específicas por rol. La guía de voz a texto para gerentes de RR. HH. cubre los flujos de trabajo de selección de candidatos. La página de voz a texto para creadores de contenido cubre los flujos de trabajo de podcasts y entrevistas que se superponen mucho con la transcripción de llamadas de ventas.
Dicta por voz directamente en el chat de Zoom durante una llamada en vivo.
Mismo flujo de trabajo de grabación local para llamadas de Teams y transcripciones de Teams.
Convierte grabaciones de Drive de sesiones de Google Meet en texto buscable.