Blog••Periodismo

Transcripción con marcas de tiempo: cómo obtenerla de cualquier grabación

Sarah Johnson

Sarah Johnson

Escribe sobre ventas de campo, notas de reuniones y flujos de trabajo por voz en ParrotNotes. El equipo de producto de ParrotNotes revisa cada artículo antes de publicarlo.

Transcripción con marcas de tiempo: cómo obtenerla de cualquier grabación

Son las 4:40 p. m. y el editor de Paula tiene una sola pregunta sobre su nota de los autobuses escolares: "¿Dónde dice lo de las once rutas?". La entrevista dura 52 minutos. Sin tiempos en sus notas, estaría arrastrando el control de un lado a otro hasta el cierre.

Con una transcripción con marcas de tiempo, busca "once", lee [00:14:36] y vuelve a escuchar seis segundos. (Paula es un ejemplo, no una reportera real.)

Una marca de tiempo te lleva de una línea de texto al audio que la respalda, y la mayoría de las grabaciones te la pueden dar sin pagar un servicio de transcripción. De dónde salen los tiempos depende de dónde está la grabación:

Tu grabaciónRuta más rápida a las marcas de tiempoQué obtienes
Archivo de audio o video en una Mac o PC con WindowsWord para la web (Microsoft 365) o la herramienta gratuita WhisperSecciones con tiempo en Word; un archivo SRT o VTT desde Whisper
Grabación del celular, iPhone o AndroidUna app de grabación que transcriba; luego reproduces desde el textoUna transcripción ligada al audio dentro de la app
Zoom, Teams o Google MeetLa transcripción de la propia reuniónUn archivo VTT (Zoom, Teams) o un documento de Google (Meet)
Video de YouTubeMostrar transcripción debajo del videoLíneas con tiempo que puedes pulsar y copiar

Cada ruta se explica paso a paso más abajo, después de ver los formatos. ¿Vas a grabar tú la entrevista esta semana? ParrotNotes graba en tu iPhone o celular Android, con el permiso de la otra persona, y te da una transcripción y un resumen cuando terminas.

¿Qué es una transcripción con marcas de tiempo?

Una transcripción con marcas de tiempo es el texto escrito de una grabación con marcadores que muestran cuándo se dijo cada parte. Speechpad, una empresa de transcripción, lo define así: "Timestamps are markers in the transcription to indicate when the adjacent text was spoken". Es decir, las marcas de tiempo son marcadores que indican cuándo se dijo el texto que tienen al lado.

La forma habitual son horas, minutos y segundos entre corchetes, contados desde el inicio de la grabación. Así, [00:01:15] significa un minuto y quince segundos después del inicio. Las normas de transcripción de GoTranscript usan la misma forma, [00:00:00], y la piden en negrita.

¿Para qué sirven las marcas de tiempo en una transcripción? Te permiten encontrar una cita, volver a escuchar los segundos exactos antes de poner las palabras entre comillas y enviar al lector al 14:36 en lugar de "más o menos a un cuarto de la grabación". Los subtítulos también dependen de ellas: un archivo de subtítulos es una transcripción en la que cada línea tiene un tiempo de inicio y uno de fin.

Formatos de marcas de tiempo: los mismos 40 segundos, de cuatro maneras

El diálogo de abajo es inventado para este artículo, igual que las personas. Paula Navarro le pregunta a un jefe de depósito, Carlos Beltrán, por las rutas de autobús escolar canceladas. Cada versión cubre los mismos 40 segundos de audio, para que veas qué cambia con cada estilo.

1. Marcas de tiempo periódicas (intervalos fijos)

Un marcador cae en un intervalo fijo, esté donde esté quien habla. Este ejemplo usa 15 segundos para que se note el patrón.

[00:14:30] NAVARRO: ¿Cuántas rutas canceló el depósito en octubre? BELTRÁN: Once. Nueve de ellas en la primera semana, [00:14:45] porque nos faltaban cuatro conductores. NAVARRO: ¿Y cuántos conductores les faltan hoy? BELTRÁN: Dos. Contratamos a dos en noviembre, [00:15:00] y uno empieza el lunes.

Speechpad vende este estilo cada 15 segundos, 30 segundos, 1 minuto o 2 minutos. El intervalo de GoTranscript es cada 2 minutos.

2. Marcas de tiempo por cambio de hablante

Un marcador en cada cambio de hablante. Es el estilo que usa la mayoría de las transcripciones de entrevistas.

[00:14:30] NAVARRO: ¿Cuántas rutas canceló el depósito en octubre?

[00:14:36] BELTRÁN: Once. Nueve de ellas en la primera semana, porque nos faltaban cuatro conductores.

[00:14:49] NAVARRO: ¿Y cuántos conductores les faltan hoy?

[00:14:54] BELTRÁN: Dos. Contratamos a dos en noviembre, y uno empieza el lunes.

3. Marcas de tiempo por oración

Un marcador al inicio de cada oración. Es preciso, y pesado de leer.

[00:14:30] ¿Cuántas rutas canceló el depósito en octubre?

[00:14:36] Once.

[00:14:38] Nueve de ellas en la primera semana, porque nos faltaban cuatro conductores.

[00:14:49] ¿Y cuántos conductores les faltan hoy?

[00:14:54] Dos.

[00:14:56] Contratamos a dos en noviembre, y uno empieza el lunes.

4. Entradas de subtítulos (archivos VTT y SRT)

Los archivos de subtítulos llevan un tiempo de inicio y uno de fin en cada línea. Esto es WebVTT, el formato que entregan Zoom y Teams:

WEBVTT

00:14:30.000 --> 00:14:35.500
<v Paula Navarro>¿Cuántas rutas canceló el depósito en octubre?

00:14:36.000 --> 00:14:48.000
<v Carlos Beltrán>Once. Nueve de ellas en la primera semana, porque nos faltaban cuatro conductores.

La especificación WebVTT del W3C fija el patrón: un tiempo de inicio, la flecha -->, un tiempo de fin, con tres dígitos de milisegundos después de un punto. Los archivos SRT se ven casi igual, con una coma antes de los milisegundos y un número encima de cada entrada.

¿Qué estilo de marca de tiempo sirve para cada trabajo?

Tu trabajoEstilo que convienePor qué
Entrevista para una noticia o un reportajePor cambio de hablante, más una en cada citaBuscas por hablante y verificas citas rápido
Historia oral larga o registro de material en brutoPeriódicas, cada 1 o 2 minutosPoca carga en la página, y aun así es fácil encontrar un pasaje
Trabajo de tipo legal o donde cada palabra cuentaPor oraciónCada afirmación se puede volver a escuchar por separado
Página de podcast para oyentesPor cambio de hablante, o una por temaLos lectores saltan a la parte que les interesa
Subtítulos y apps de podcastsEntradas VTT o SRTLos reproductores necesitan un tiempo de inicio y de fin en cada línea

Elige una regla por proyecto y escríbela en el encabezado de la transcripción. Nuestros ejemplos de transcripción de entrevista muestran modelos completos con bloque de encabezado, y el artículo sobre normas de transcripción compara cómo Rev, GoTranscript y otros fijan sus reglas de marcas de tiempo. Si haces podcasts, los diseños de página y de archivo están en la guía del formato de transcripción de podcast.

Cómo obtener una transcripción con marcas de tiempo de cualquier grabación

Los datos de producto de abajo vienen de las páginas de ayuda de cada proveedor, leídas el 17 de noviembre de 2026. Los menús cambian, así que toma las rutas como "a noviembre de 2026".

Desde un archivo de audio o video en una Mac o PC con Windows

Word para la web. Si pagas Microsoft 365, Word tiene la función Transcribir. La página de Microsoft Transcribe your recordings dice que los suscriptores pueden transcribir hasta 300 minutos de audio subido al mes, en formato .wav, .mp4, .m4a o .mp3. La transcripción llega en secciones etiquetadas como Speaker 1, Speaker 2 y así sucesivamente, y según Microsoft puedes seleccionar la marca de tiempo de cualquier sección para reproducir esa parte del audio. Nuestra guía para transcribir audio en Word explica qué cuentas y navegadores tienen la función.

Whisper, gratis en tu propia computadora. Whisper de OpenAI es una herramienta de voz a texto de código abierto con licencia MIT. Se usa desde la línea de comandos en Mac o Windows, y necesita tener instalados antes Python y ffmpeg:

pip install -U openai-whisper
whisper interview.mp3 --model turbo --output_format srt

Sus formatos de salida son txt, vtt, srt, tsv y json, así que el archivo SRT o VTT es tu transcripción con marcas de tiempo. También hay marcas de tiempo por palabra, detrás de una opción que el proyecto califica de experimental. ¿No te sientes a gusto en una terminal? Usa Word.

¿Solo necesitas las palabras? Nuestro convertidor de audio a texto gratuito acepta un archivo de hasta 10 minutos y devuelve una transcripción y un resumen breve. Es texto plano sin marcas de tiempo, así que úsalo para un fragmento corto al que le pondrás los tiempos a mano (el método está más abajo).

Desde una grabación del celular en iPhone o Android

Las grabadoras del celular ligan el texto al audio dentro de la app, y eso cubre la mayoría de las verificaciones de citas.

  • iPhone, Notas de Voz. La guía de Notas de Voz de Apple describe cómo ver, copiar y buscar en una transcripción. En la versión para Mac de la guía se lee que, cuando seleccionas un término en la transcripción, el cursor de reproducción aparece en ese punto de la forma de onda
  • Google Pixel, Grabadora. La página de ayuda de la Grabadora de Google dice que una búsqueda puede encontrar el momento exacto en que se dijo la palabra
  • Ninguna de las dos páginas menciona marcas de tiempo en el texto copiado. Pega una transcripción en un documento y revisa qué llega antes de confiar en ello

Para una entrevista de la que vas a citar, ParrotNotes está hecho para eso: pon el celular sobre la mesa, pide permiso y pulsa grabar. La grabación sigue con la pantalla bloqueada. Cuando terminas, la app te da una transcripción y un resumen con IA, y puedes buscar en el texto la palabra que necesitas. En el plan Pro, la transcripción incluye marcas de tiempo y etiquetas de hablante.

Qué incluye el plan gratuito: 100 minutos de grabación al mes, hasta 30 minutos por grabación, un resumen con IA en cada grabación, 3 importaciones de audio o video al mes, búsqueda por palabra clave y exportación como texto o markdown. Pro cuesta US$19.99 al mes, o US$14.99 al mes con pago anual, con 3,000 minutos al mes, grabaciones de hasta 3 horas, identificación de hablantes y exportación a docx y PDF. Las apps funcionan en iPhone, Android y Mac.

Hay un hábito que importa más que cualquier app. Pregunta antes de grabar y deja el "sí" en la grabación. Las reglas sobre grabar cambian según el estado y el país; nuestro resumen de los estados con consentimiento de una parte explica lo básico, y el Reporters Committee for Freedom of the Press mantiene una guía de grabación estado por estado. Esto es información general, no asesoría legal.

Desde una grabación de Zoom, Teams o Google Meet

Si la plataforma de la reunión hizo una transcripción, las marcas de tiempo ya existen. Solo tienes que descargarlas.

PlataformaDónde está la transcripciónMarcas de tiempoQuién puede obtenerla
ZoomPortal web > Recordings & Transcripts > Cloud recordingsSe guarda en formato VTT, dividida en secciones, cada una con una marca de tiempoCuentas Pro, Business, Education o Enterprise con grabación en la nube y transcripción de audio activadas
Microsoft TeamsChat de la reunión > Recap > Transcript > DownloadLa transcripción incluye el nombre de cada hablante y una marca de tiempo; se descarga como .docx o .vttOrganizadores y coorganizadores, de forma predeterminada
Google MeetEl Google Drive del organizador, en la carpeta Google MeetLa página de Google no lo dice; abre uno de tus archivos para comprobarloLas ediciones de Workspace que la incluyen

Fuentes: el artículo de Zoom sobre la transcripción de audio, la página de Microsoft sobre transcripción en vivo y la página de Google sobre transcripciones de Meet, a noviembre de 2026.

Un archivo VTT en bruto tiene una línea de tiempo encima de cada pocas palabras. Para un reproductor de video está bien, pero para quien lee es pesado.

Piensa en Ana, una estudiante de doctorado con nueve entrevistas por Zoom (un ejemplo). Arrastra cada .vtt a nuestro convertidor de VTT a texto gratuito y elige Texto con marcas de tiempo. Los números de entrada desaparecen, las líneas se unen en párrafos con los nombres de los hablantes y cada párrafo conserva una marca de tiempo. Nueve archivos, sin volver a teclear nada.

Los límites de cada plan y los pasos de configuración están en nuestras guías para transcribir una grabación de Zoom, la transcripción en Teams y la transcripción de Google Meet.

Desde un video de YouTube

La página de YouTube View video transcripts da la ruta: abre la descripción del video y haz clic en Mostrar transcripción. Se abre un panel de líneas con tiempo y, según YouTube, al hacer clic en cualquier línea saltas a esa parte del video. Selecciona las líneas y pégalas en un documento para conservar los tiempos.

Funciona en cualquier video que tenga subtítulos. Para videos sin ellos, los archivos de subtítulos de tu propio canal y la limpieza de subtítulos automáticos, consulta cómo transcribir un video de YouTube.

Cómo agregar marcas de tiempo a una transcripción a mano

A veces tienes texto plano y una grabación, y nada más. Poner las marcas a mano es lento para todas las líneas y rápido para las que importan.

  1. Escribe primero tu regla. Por ejemplo: una marca en cada pregunta y una en cada línea que podrías citar
  2. Abre el audio y el texto lado a lado. Sirve cualquier reproductor que muestre el tiempo transcurrido
  3. Reproduce, pausa en cada pregunta y escribe el tiempo como [hh:mm:ss] al inicio de la línea
  4. Marca cada hueco. Junto a [inaudible] o [hablan a la vez], agrega el tiempo para que la siguiente persona pueda saltar ahí
  5. Revisa tres marcas del inicio, la mitad y el final contra el audio

La trampa del desfase, con un ejemplo resuelto

Las grabaciones suelen llegar en partes. Diego, que hace un podcast (un ejemplo), recibe la entrevista con su invitado en dos archivos: la parte 1 dura 20 minutos y la parte 2 empieza donde terminó la parte 1. Su reproductor marca 03:12 cuando el invitado dice la frase que quiere. Esa no es la marca de tiempo.

Las normas de GoTranscript dan la regla para sus transcriptores: considerar el archivo completo, así que quien teclea la parte del minuto 20 al 30 empieza sus marcas en 20, no en 00. Entonces Diego suma el desfase:

Tiempo en la parte 2Desfase (duración de la parte 1)Marca de tiempo que debes escribir
03:12+ 20:00[00:23:12]
41:55+ 20:00[01:01:55]

¿Ya tienes marcas en tu texto y necesitas subtítulos? El convertidor de TXT a SRT gratuito lee las marcas de tiempo de una transcripción y arma con ellas un archivo SRT con tiempos.

Revisa las marcas de tiempo antes de citar

Una transcripción hecha por una máquina es un primer borrador, y eso incluye sus tiempos. Haz estas cinco revisiones antes de que una línea salga de tus notas:

  1. Vuelve a escuchar cada cita en su marca de tiempo. Si las palabras difieren, manda el audio
  2. Una sola forma en todo el texto. [00:14:36] en todas partes, nunca 14.36 en un lugar y 14m36s en otro
  3. Los tiempos se cuentan desde el inicio de la grabación completa, no desde el inicio de un fragmento
  4. Cada [inaudible] tiene un tiempo al lado
  5. El encabezado indica la regla, por ejemplo "marcas de tiempo en cada cambio de hablante"

El método completo, desde preparar la grabadora hasta la corrección final, está en nuestra guía sobre cómo transcribir una entrevista. Para recortes, puntos suspensivos y atribución, consulta cómo citar una entrevista.

Consigue tu próxima transcripción con marcas de tiempo

Una marca de tiempo demuestra su valor en el momento en que alguien pregunta: "¿De verdad dijo eso?". Las reuniones en Zoom o Teams ya tienen los tiempos en un archivo VTT. Un archivo en tu computadora pasa por Word o Whisper, y YouTube necesita un clic en Mostrar transcripción. Sea cual sea la fuente, mantén una regla, una forma y vuelve a escuchar cada cita.

Para la próxima entrevista que grabes tú, empieza con el celular que ya llevas en el bolsillo. Prueba ParrotNotes gratis en tu iPhone o celular Android, graba con permiso y ten el texto listo para revisar antes de volver a tu escritorio.

Preguntas frecuentes

¿Cuál es el formato correcto de las marcas de tiempo en una transcripción?

No hay un estándar único. La forma más común es [hh:mm:ss] entre corchetes, que usan empresas de transcripción como Speechpad y GoTranscript. Los archivos de subtítulos son más estrictos: WebVTT escribe 00:14:30.000 con un punto antes de los milisegundos, y SRT escribe 00:14:30,000 con una coma.

¿Cada cuánto debe llevar marcas de tiempo una transcripción?

Las entrevistas de las que vas a citar suelen llevar una en cada cambio de hablante. Las grabaciones largas se leen mejor con una cada 1 o 2 minutos; el intervalo de GoTranscript es cada 2 minutos. Las marcas por oración sirven cuando cada palabra cuenta. Agrega siempre una junto a todo lo marcado como inaudible.

¿Cómo obtengo una transcripción de YouTube con marcas de tiempo?

Abre la descripción del video en YouTube y haz clic en Mostrar transcripción. Se abre un panel con líneas con tiempo, y al hacer clic en una línea saltas a esa parte del video. Selecciona las líneas y pégalas en un documento. Solo funciona en videos que tienen subtítulos.

¿Puedo convertir un archivo VTT de Zoom o Teams en una transcripción legible con marcas de tiempo?

Sí. Un archivo VTT tiene una línea de tiempo encima de cada subtítulo, y eso es difícil de leer. Un convertidor como la herramienta gratuita de VTT a texto de ParrotNotes une las líneas en párrafos, conserva los nombres de los hablantes y deja una marca de tiempo por párrafo.