Formato de transcripción de podcast: ejemplo y plantilla

El episodio con entrevista de Ana salió el lunes. Para el miércoles, tres personas ya le habían pedido "la transcripción".

El invitado quería algo que pudiera marcar antes de citarse a sí mismo. Su editor web quería texto para la página del episodio. Su plataforma de hosting quería un archivo que Apple Podcasts y Spotify pudieran sincronizar con el audio. (Ana es una productora ficticia, pero esas tres peticiones son reales y le llegan a cualquier programa).

Las mismas palabras, tres archivos distintos. Esa es la parte del formato de transcripción de podcast que la mayoría de las guías se salta.

Esta guía trata sobre el formato de transcripción de podcast: cómo debe verse el texto terminado y qué archivo necesita cada lugar. Verás un diálogo corto de un programa ficticio presentado de cinco maneras: como página del episodio, como tabla de revisión y como archivos WebVTT, SRT y JSON. También hay una tabla de reglas, un selector de formatos y una plantilla para la página del episodio lista para copiar. Si buscas los pasos para pasar del audio a la transcripción terminada, nuestra guía de transcripción de podcasts cubre ese proceso; este artículo empieza donde el texto corregido ya está listo.

Qué incluye un formato de transcripción de podcast

Un formato de transcripción de podcast es el diseño que convierte las palabras de un episodio en texto legible: un encabezado con el programa, el episodio y el invitado, etiquetas de hablante con nombres, marcas de tiempo, etiquetas para los sonidos que importan y un salto de párrafo en cada cambio de hablante. Luego, el mismo contenido va a distintos contenedores: una página web, un documento o un archivo de subtítulos que leen las apps de podcasts.

Todo buen formato de transcripción de podcast tiene seis partes:

1. Encabezado: nombre del programa, número y título del episodio, fecha, duración, conductor e invitado con sus roles
2. Etiquetas de hablante: nombres reales, el nombre completo una vez y luego una forma corta constante
3. Marcas de tiempo: en cada cambio de hablante en la página, o en cada subtítulo de un archivo
4. Etiquetas de sonido: [risas], [música], [hablan a la vez], solo donde cambian el sentido
5. Párrafos: uno nuevo en cada cambio de hablante y, en respuestas largas, cada cuatro o cinco oraciones
6. Una nota de estilo: una línea que diga que es una transcripción literal limpia y cuándo se revisaron nombres y cifras

Las notas del episodio son otra cosa. Son el resumen corto que vende el episodio, y nuestra plantilla de notas de episodio de podcast las cubre. La transcripción es cada palabra.

Reglas del formato de transcripción de podcast

La guía del W3C sobre transcripciones es honesta en esto: "There is not a set design for transcripts". Es decir, no hay un diseño fijo. Así que define tus reglas una vez y úsalas en cada episodio. Este es un estilo de la casa que funciona para la mayoría de los programas de entrevistas.

¿No sabes qué estilo usar? Nuestra guía de transcripción literal compara los estilos con el mismo fragmento. Para un conjunto completo de reglas, consulta nuestras normas de transcripción.

¿Quieres el primer borrador antes de salir del estudio? ParrotNotes graba la entrevista en tu celular y te da la transcripción en cuanto detienes la grabación. Prueba ParrotNotes gratis en tu próximo episodio.

Un diálogo, cinco formatos de transcripción de podcast

Este es un momento de 15 segundos de The Night Desk, un programa ficticio sobre noticias locales. La conductora Ana Ruiz habla con el reportero Daniel Okafor sobre una historia del concejo municipal. Las palabras son las mismas en cada ejemplo de abajo. Solo cambia el contenedor.

1. La página del episodio (lo que ven los lectores)

Este es el ejemplo de transcripción de podcast que la mayoría imagina: texto simple, un tiempo en cada cambio de hablante y primero el nombre de quien habla (en negrita en la página publicada).

[14:02] Ana: ¿Cómo conseguiste los documentos del concejo?

[14:04] Daniel: Con una solicitud de acceso a la información. Tardó 41 días, y el primer lote llegó casi todo tachado. [risas]

[14:10] Ana: ¿Y qué hiciste?

[14:12] Daniel: Apelé esa misma tarde. La historia estaba en el segundo lote.

La especificación de transcripciones de Podcast Index también define una versión HTML de esto para tu feed RSS. Usa <cite> para el hablante, <time> para la hora de inicio y <p> para las palabras, y la llama "low-fidelity": una ayuda de accesibilidad y texto que se puede buscar, no algo que se sincroniza con el audio.

<cite>Ana Ruiz:</cite>
<time>14:02</time>
<p>¿Cómo conseguiste los documentos del concejo?</p>
<cite>Daniel Okafor:</cite>
<time>14:04</time>
<p>Con una solicitud de acceso a la información. Tardó 41 días, y el primer lote llegó casi todo tachado. [risas]</p>

2. La tabla de revisión (para el invitado o la producción)

Los invitados no quieren un archivo de subtítulos. Quieren algo que puedan comentar. Una tabla de tres columnas en Word o Google Docs cumple esa función. También es el diseño que la mayoría tiene en mente cuando busca un formato de transcripción de podcast en Word.

Agrega una cuarta columna "Revisión" si el invitado debe confirmar nombres y cifras. Así, los comentarios quedan junto a la línea exacta, con el tiempo para encontrarla en el audio.

3. WebVTT (el archivo que leen Apple Podcasts y Spotify)

Un archivo VTT es una lista de bloques de subtítulos, cada uno con un tiempo de inicio y de fin. Los nombres de los hablantes van en una etiqueta de voz, <v Nombre>, al inicio de un bloque cuando cambia el hablante. La página de transcripciones de Apple dice: "Providing a VTT file allows you to identify every speaker with each line". Es decir, un archivo VTT te permite identificar al hablante en cada línea.

WEBVTT

00:14:02.000 --> 00:14:04.500
<v Ana Ruiz>¿Cómo conseguiste los documentos del concejo?

00:14:04.500 --> 00:14:09.800
<v Daniel Okafor>Con una solicitud de acceso a la información.
Tardó 41 días, y el primer lote llegó casi todo tachado.

00:14:09.800 --> 00:14:10.700
[risas]

00:14:10.700 --> 00:14:12.000
<v Ana Ruiz>¿Y qué hiciste?

00:14:12.000 --> 00:14:16.800
<v Daniel Okafor>Apelé esa misma tarde.
La historia estaba en el segundo lote.

La especificación de transcripciones de Podcast Index recomienda líneas de 65 caracteres o menos, y señala WebVTT como el formato a elegir si solo vas a usar uno.

4. SRT (el formato de subtítulos más antiguo)

SRT tiene bloques numerados, una coma en las marcas de tiempo y ninguna etiqueta de voz. Los nombres de los hablantes van en el texto, seguidos de dos puntos, cuando cambia el hablante. La especificación de Podcast Index limita los subtítulos SRT a dos líneas de 32 caracteres, así que el mismo diálogo se divide en bloques más cortos.

1
00:14:02,000 --> 00:14:04,500
Ana: ¿Cómo conseguiste los
documentos del concejo?

2
00:14:04,500 --> 00:14:06,600
Daniel: Con una solicitud
de acceso a la información.

3
00:14:06,600 --> 00:14:09,800
Tardó 41 días, y el primer
lote llegó casi todo tachado.

4
00:14:09,800 --> 00:14:10,700
[risas]

5
00:14:10,700 --> 00:14:12,000
Ana: ¿Y qué hiciste?

6
00:14:12,000 --> 00:14:14,400
Daniel: Apelé esa
misma tarde.

7
00:14:14,400 --> 00:14:16,800
La historia estaba
en el segundo lote.

¿Ya tienes uno y necesitas el otro? El convertidor de SRT a VTT gratis cambia entre ambos en tu navegador. Si tu transcripción corregida es texto simple sin tiempos, el convertidor de TXT a SRT la reparte a lo largo de la duración del episodio como punto de partida; revisa los tiempos de los bloques contra el audio antes de subirla.

5. JSON (apps de Podcasting 2.0)

El formato JSON de Podcast Index es una version y una lista de segments, cada uno con speaker, startTime y endTime en segundos, y el texto en body. 14:02 son 842 segundos desde el inicio del episodio. En su forma más detallada, un segmento por palabra, permite que una app resalte cada palabra mientras se dice.

{
  "version": "1.0.0",
  "segments": [
    { "speaker": "Ana Ruiz", "startTime": 842.0, "endTime": 844.5,
      "body": "¿Cómo conseguiste los documentos del concejo?" },
    { "speaker": "Daniel Okafor", "startTime": 844.5, "endTime": 850.7,
      "body": "Con una solicitud de acceso a la información. Tardó 41 días, y el primer lote llegó casi todo tachado. [risas]" },
    { "speaker": "Ana Ruiz", "startTime": 850.7, "endTime": 852.0,
      "body": "¿Y qué hiciste?" },
    { "speaker": "Daniel Okafor", "startTime": 852.0, "endTime": 856.8,
      "body": "Apelé esa misma tarde. La historia estaba en el segundo lote." }
  ]
}

La mayoría de las plataformas de hosting nunca te piden este archivo. Vale la pena conocerlo si tu plataforma te deja adjuntar varios archivos de transcripción a un episodio.

Qué formato de transcripción de podcast va en cada lugar

Este es el selector, armado con las páginas de Apple, Spotify y Podcast Index (revisadas el 27 de octubre de 2026).

Dos reglas de plataforma para recordar. La página de ayuda de transcripciones de Spotify dice: "Your transcript needs to be a VTT or SRT file". El límite es de 5 MB, y Spotify advierte: "Include timestamps, otherwise your transcript won't sync during playback". Sin marcas de tiempo, la transcripción no se sincroniza. Y si activas las transcripciones automáticas de Spotify, el archivo que subiste se reemplaza.

En el feed, la etiqueta podcast:transcript apunta a cada archivo con su url y su type (por ejemplo text/vtt o application/json). Puedes agregar una etiqueta por formato, y rel="captions" marca un archivo como subtítulos. La mayoría de las plataformas de hosting escriben esta etiqueta por ti.

Piensa en Marco, un productor independiente ficticio. Durante un año envió a sus invitados el mismo archivo VTT que subía a su plataforma de hosting. La mitad le respondía preguntando qué eran las flechas y los números.

Ahora envía la tabla de revisión, hecha con el mismo texto corregido, y el VTT va solo a la plataforma. Las correcciones de los invitados vuelven en un día en lugar de una semana, porque la gente puede leer lo que está revisando.

Plantilla de transcripción de podcast para la página del episodio

Copia esta estructura en el editor HTML de tu sitio, o recréala con los bloques de títulos y párrafos de tu CMS. Sigue el consejo del W3C de poner la transcripción "right under" el contenido, es decir, justo debajo y en la misma página, con títulos y enlaces donde ayuden.

<section id="transcripcion">
  <h2>Transcripción: [Título del episodio]</h2>
  <p>[Nombre del programa], episodio [número]. Publicado el [fecha]. Duración [MM:SS].<br>
     Conducción: [Nombre completo], [rol]. Invitado: [Nombre completo], [rol].<br>
     Literal limpia, con edición ligera. Nombres y cifras revisados contra el audio el [fecha].</p>

  <h3>[00:00] Introducción</h3>
  <p><strong>[Conductor]:</strong> [Palabras.]</p>
  <p><strong>[Invitado]:</strong> [Palabras.]</p>

  <h3>[MM:SS] [Título del capítulo]</h3>
  <p><strong>[Conductor]:</strong> [Pregunta.]</p>
  <p><strong>[Invitado]:</strong> [Respuesta.] [risas]</p>

  <h3>[MM:SS] [Mensaje del patrocinador]</h3>

  <h3>[MM:SS] Cierre</h3>
  <p><strong>[Conductor]:</strong> [Agradecimiento, dónde encontrar al invitado, próximo episodio.]</p>
</section>

Los títulos de capítulo usan los mismos tiempos que tus notas del episodio, para que el lector pueda saltar entre ambos. Para el proceso completo y una versión en texto simple de este diseño con un ejemplo de transcripción de podcast más largo y ya completo, consulta la guía de transcripción de podcasts.

Revisión de accesibilidad para el formato de página

Una transcripción es la forma en que las personas que no pueden oír el audio acceden al episodio. El Criterio de conformidad 1.2.1 de WCAG 2.2 pide, para el audio pregrabado, una alternativa que "presents equivalent information", es decir, que ofrezca información equivalente. Antes de publicar, verifica que el formato de la página:

• Sea texto real en la página, no un PDF para descargar ni una captura de pantalla
• Esté en la página del episodio, o a un enlace claro de distancia del reproductor
• Nombre a cada hablante, para que un lector de pantalla anuncie quién habla
• Marque entre corchetes los sonidos con significado, como risas o música
• Use títulos para los capítulos, para que se pueda saltar con el teclado o un lector de pantalla
• Incluya marcas de tiempo solo cuando sean útiles ("only when useful", como dice el W3C); una por cambio de hablante es suficiente

Ahora imagina cómo Ana prepara el episodio 42. Graba la entrevista en su celular con ParrotNotes, corrige el borrador contra el audio y lo exporta como texto. Con ese único archivo pega la versión para la página en la plantilla, le envía a Daniel la tabla de revisión y arma una copia VTT con tiempos para su plataforma de hosting. Una sola revisión, tres formatos, todos con las mismas palabras.

Define tu formato de transcripción de podcast una sola vez

Las palabras de un episodio no cambian, pero el formato de transcripción de podcast sí: nombres en negrita y tiempos ocasionales para la página, una tabla para el invitado, bloques con tiempos para las apps. Define tus reglas una vez (etiquetas, marcas de tiempo, sonidos, literal limpia), mantén una versión maestra corregida y genera cada formato a partir de ella.

Tres ideas clave:

• Página: hablantes con nombre, un tiempo en cada cambio de hablante, títulos de capítulo, justo debajo del reproductor
• Personas: una tabla de tres columnas que puedan comentar
• Apps: VTT con etiquetas de voz, o SRT, con marcas de tiempo en cada bloque

Si tus entrevistas empiezan en el celular, ParrotNotes te da el borrador de la transcripción en cuanto detienes la grabación, con un resumen y los puntos clave, y lo exporta como texto o markdown en el plan gratis. Descarga ParrotNotes gratis y ten listo en minutos, no en noches enteras, el texto maestro para cualquier formato de transcripción de podcast. Para entrevistas que no son podcasts, nuestros ejemplos de transcripción de entrevistas muestran las mismas ideas para el periodismo y la investigación.