Mejores formatos de audio para transcribir (MP3, WAV, M4A, OGG)

No todos los formatos dan la misma precisión

La precisión de una transcripción depende principalmente de tres cosas: qué se grabó, en qué condiciones, y en qué formato se guardó. El formato importa porque algunos comprimen tirando información acústica que la IA necesita para reconocer el habla con precisión.

Formatos sin pérdida (lossless)

• WAV — crudo, sin compresión. Calidad máxima, archivos grandes (10 MB por minuto a 44.1 kHz estéreo)
• FLAC — comprimido sin pérdida. Mitad del tamaño de WAV, misma calidad de transcripción
• AIFF — equivalente a WAV en el ecosistema Apple

Cuándo usarlos: grabaciones profesionales, entrevistas con múltiples personas, audios que se van a archivar a largo plazo.

Formatos con pérdida (lossy)

• MP3 — el más universal. A 192 kbps o superior la transcripción es casi idéntica a WAV
• M4A (AAC) — mejor compresión que MP3 a la misma calidad. Default de iPhone y Notas de Voz
• OGG Vorbis / Opus — usado por WhatsApp, Telegram, Discord. Opus a 32+ kbps funciona bien para voz

Cuándo usarlos: audios de apps de mensajería, archivos que necesitás compartir rápido, grabaciones casuales.

Formatos comprimidos problemáticos

• MP3 a menos de 96 kbps — empieza a perder detalles de voz
• AMR — usado por algunas grabadoras viejas, compresión agresiva para voz
• GSM 6.10 — formato de telefonía, baja calidad

Si tu archivo está en uno de estos formatos, la transcripción funciona igual pero podés esperar ~5-10% menos de precisión que con MP3 de buena calidad.

Tabla de referencia

Sample rate y bit depth

Para voz:

• Sample rate mínimo recomendado: 16 kHz
• Sample rate óptimo: 44.1 kHz o 48 kHz (estándar audio)
• Bit depth: 16 bits es suficiente, 24 bits no mejora transcripción

Grabar a 96 kHz no mejora la transcripción — la voz humana no tiene información útil arriba de 20 kHz. Es desperdicio de almacenamiento.

Mono vs estéreo

Para una sola persona hablando: mono es suficiente. Archivo a la mitad del tamaño con misma precisión.

Para múltiples personas en canales separados (ej. dos personas con micrófonos distintos): estéreo con cada persona en un canal da la mejor diarización posible. TranscribeIA detecta automáticamente si cada canal tiene un hablante distinto.

Qué formato usar según el caso

• Reunión con una grabadora central → MP3 192 kbps o M4A
• Entrevista con dos micrófonos → WAV o FLAC estéreo (cada micro en un canal)
• Audio de WhatsApp/Telegram → OPUS/OGG (lo que venga, no re-comprimas)
• Grabación con iPhone → M4A (default)
• Podcast profesional → FLAC o WAV para el master, MP3 192 kbps para distribución
• Archivo muy largo (>3 horas) → MP3 128 kbps para reducir tamaño sin sacrificar precisión

Qué hacer con archivos malos

Si recibiste un audio de baja calidad (ej. grabado en un auto con ruido de motor):

1. No lo re-comprimas — perderías más calidad
2. Subilo tal cual a TranscribeIA — nuestros modelos manejan ruido mejor que los generalistas
3. Considerá agregar vocabulario custom si hay términos técnicos

Mirá (ver precios) para planes con vocabulario personalizado desde Business.