¿Cuánto cuesta la transcripción y qué está pagando realmente?

Ambos modelos de precios facturan la misma unidad —la duración de la grabación— pero llegan a ella de forma distinta. Un servicio de transcripción humana presupuesta por minuto u hora de audio: una hora de grabación es una hora de audio facturable, sin importar cuántas páginas de texto resulten. El software mide esa misma hora contra un cupo que ya has pagado, por lo que la cuestión es qué fracción de tu cuota mensual consume una hora extra.

En Turquía, donde este oficio se llama deşifre, la transcripción humana se anuncia por hora o minuto de audio, y los presupuestos para el mismo trabajo varían mucho según el plazo de entrega, la calidad del sonido y cuántas personas hablen. Se trata de una observación de precios anunciados públicamente y no de una tarifa fija: los presupuestos en plataformas de freelance para el mismo trabajo varían según la urgencia y la complejidad. En otros lugares cambia la moneda pero no la estructura: por minuto o por hora de audio, con recargos adicionales.

La cifra que permite comparar ofertas es, por tanto, el coste por hora de audio. Calcula cuántas horas de grabación produces en un mes típico y compara esa cifra tanto con un presupuesto por hora como con una cuota mensual. sAInote Pro, por ejemplo, incluye 360 minutos —seis horas de audio— cada mes, renovables mensualmente.

sAInote es una aplicación de IA de voz a texto para navegador, iPhone, iPad y macOS, y su precio se basa en minutos de audio. Una grabación de 3 minutos consume 3 minutos de saldo sin importar la función que uses: Quick Note devuelve una transcripción literal sin añadir ni quitar nada, Smart Summary ofrece una versión editada sin muletillas, con frases corregidas y con encabezados y listas añadidos manteniendo los hechos intactos, y Pro Assistant aplica una instrucción que tú mismo hayas escrito y guardado.

Es importante detallar los límites de los planes de forma clara. Sin cuenta, recibes 15 minutos en el navegador una sola vez; no es una concesión mensual y no se recarga. Una cuenta gratuita también recibe 15 minutos una vez, además de un historial de búsqueda que se sincroniza entre dispositivos y busca tanto en la transcripción como en el texto procesado; los invitados no tienen historial. Pro es el único plan con cupo recurrente: 360 minutos, seis horas de audio, cada mes.

Los límites estrictos son tan importantes como el cupo. Las grabaciones de hasta 20 minutos se procesan inmediatamente en todos los planes. De 20 minutos a 2 horas, el archivo se procesa en segundo plano, y esto es exclusivo de Pro. Dos horas es el límite por grabación y los archivos más largos se rechazan. Las subidas tienen un máximo de 64 MB, en formatos WAV, MP3, M4A, MP4, WebM, OGG u Opus.

El software no es la opción más barata en todos los casos y, para ciertos trabajos, es la herramienta incorrecta a cualquier precio. El audio de mala calidad es el ejemplo más claro: una grabación realizada desde el otro lado de una sala grande, una llamada telefónica con interferencias o cuatro personas hablando a la vez. Una persona puede reconstruir una frase por el contexto y el conocimiento del tema; una máquina simplemente adivinará. Ningún procesamiento recupera información que nunca se capturó con nitidez, por lo que pagar a alguien para que escuche con atención es dinero bien invertido.

La certificación es el segundo caso. Los registros judiciales, declaraciones oficiales, documentación médica y cualquier cosa que deba ser firmada, sellada o notariada requieren que un profesional acreditado dé fe de que la transcripción coincide con la grabación. Ahí estás comprando responsabilidad además de texto, y se tarifa como mano de obra cualificada en lugar de como software. Los acentos regionales muy marcados, la terminología técnica densa a gran velocidad y las grabaciones que cambian de idioma a mitad de frase también inclinan la balanza hacia un humano.

Un camino intermedio común es usar ambos. Pasa la grabación por el software para obtener un primer borrador y luego paga a un transcriptor para que lo corrija comparándolo con el audio. Estás comprando tiempo de edición en lugar de tiempo de escritura, los pasajes difíciles siguen contando con el criterio humano y las horas facturadas disminuyen.

Si escribes tú mismo la transcripción, la factura dice cero, pero el coste real es tu tarde de trabajo. La transcripción manual lleva varias veces la duración de la grabación si cuentas las pausas, los retrocesos y las correcciones. Valorando tus propias horas a un precio razonable, transcribir tú mismo una entrevista de una hora suele ser la opción más cara, y es a la que la gente recurre por defecto porque no hay intercambio de dinero.

El tiempo de entrega también conlleva un coste oculto. Los servicios humanos ofrecen entregas estándar en días y cobran un suplemento por trabajos en el mismo día, por lo que una fecha límite no planificada puede disparar el coste efectivo por hora de audio. El software devuelve grabaciones cortas en segundos y procesa las largas en segundo plano mientras haces otra cosa, lo que elimina por completo el recargo por urgencia.

El último coste oculto es la edición. Una transcripción literal bruta aún necesita limpieza antes de ser leída, que es el trabajo que Smart Summary absorbe al eliminar muletillas y dar estructura en el mismo paso. Special Names, en Pro, elimina otra parte: mantienes un glosario personal de nombres de colegas, clientes, productos y jerga, para que esas palabras aparezcan escritas correctamente en lugar de ser adivinadas fonéticamente. Esto afecta solo a la ortografía y nunca reescribe lo que se dijo.