La mayoría de los errores del dictado por voz empiezan en el audio, no en el programa. Lo que más mejora el resultado son cuatro cosas: el micrófono cerca de quien habla, poco ruido de fondo, una sola persona hablando a la vez y el idioma bien configurado. Después, habla con frases completas a un ritmo constante, pronuncia con claridad nombres y números y lee el texto una vez antes de usarlo. En español, fíjate además en las palabras que suenan igual. Una reescritura con IA puede limpiar luego la puntuación y las muletillas, pero no puede reparar una palabra que la transcripción entendió mal.
| Problema en el texto | Causa más probable | Qué cambiar |
|---|---|---|
| Faltan palabras o salen mezcladas | Micrófono lejos, o ruido | Acerca el teléfono, busca un sitio más tranquilo |
| Párrafos enteros mal | Idioma mal configurado, o dos idiomas mezclados | Configura el idioma que hablas; un idioma por grabación |
| Nombres y marcas mal escritos | Palabras raras que el sistema no espera | Pronúncialas claro, deletréalas una vez, corrígelas después |
| «Haber» donde dijiste «a ver» | Homófonos del español | Revisa esas palabras en el texto final |
| Dos voces mezcladas | Gente hablando a la vez | Turnos; una pausa antes de contestar |
| Nada de texto | Grabación en silencio o muy baja | Revisa el volumen; prueba antes con un clip corto |
El micrófono y la sala
Las prácticas recomendadas de Google para su servicio Cloud Speech-to-Text lo dicen claro: «Coloca el micrófono lo más cerca posible de la persona que esté hablando, sobre todo si hay ruido de fondo». En la práctica:
- Acerca el teléfono a la boca cuando dictas, más o menos como en una llamada, y no tapes el orificio del micrófono con los dedos ni con la funda.
- Elige una habitación tranquila. Apaga la música, la tele y el ventilador. Una habitación pequeña con muebles blandos hace menos eco que una cocina o una escalera.
- Evita el viento. En la calle, ponte de espaldas al viento o usa unos audífonos (auriculares) con micrófono.
- No grites. Google también recomienda «Evita recortar el audio». Hablar más fuerte de lo normal cerca del micrófono distorsiona la señal.
- Graba una reunión desde el centro de la mesa, no desde una punta, para que todas las voces lleguen al teléfono con un volumen parecido.
Cómo hablas
- Frases completas a un ritmo constante. No hace falta hablar despacio, pero una voz constante con pausas cortas entre ideas se transcribe mejor que las ráfagas.
- Un idioma por grabación. Cambiar de idioma a mitad de frase confunde a muchos sistemas, también el spanglish. Si tienes que citar algo en otro idioma, que sea breve.
- Nombres y números claros. Para un nombre poco común, dilo una vez despacio o deletréalo: «Xóchitl, equis, o con acento, che, i, te, ele». Di «quince» o «uno cinco» para que no se entienda «cincuenta».
- Turnos. Cuando dos personas hablan a la vez, las dos suelen salir mal.
- Una pausa breve después de empezar a grabar y antes de parar, para que no se corten la primera ni la última palabra.
Palabras que suenan igual en español
El reconocimiento de voz elige la palabra por el contexto. Cuando dos palabras suenan igual, a veces elige la equivocada, y el texto se ve bien a primera vista. Estas son las que más conviene revisar:
| Suenan igual | Ejemplo |
|---|---|
| a ver / haber | «A ver si viene» / «Tiene que haber otra forma» |
| hecho / echo | «Ya está hecho» / «Lo echo en la bolsa» |
| hay / ahí / ay | «Hay tres cajas ahí» |
| tuvo / tubo | «Tuvo que cambiar el tubo» |
| vaya / valla / baya | «Vaya, la valla está rota» |
| sí / si, tú / tu, él / el, más / mas | La tilde cambia el significado, y el audio no la tiene |
| casa / caza, coser / cocer, siento / ciento | Con seseo (en toda Latinoamérica y en partes de España), suenan igual |
Y los signos de apertura: si dictas con el teclado, revisa que las preguntas y exclamaciones tengan su «¿» y su «¡».
Ajustes que importan
- Configura el idioma que hablas donde la herramienta te lo pida. El dictado por voz de Gboard, las transcripciones de WhatsApp y las apps de grabación tienen cada una su ajuste de idioma, y uno equivocado arruina el resultado. El ajuste de WhatsApp lo explicamos en transcripción de audios en WhatsApp: idiomas. La Grabadora de Pixel, por ejemplo, ofrece Español y Español (Latinoamérica); elige la tuya.
- Añade nombres y términos si tu herramienta tiene un vocabulario o una lista de frases. La documentación de Google recomienda usar sugerencias de palabras y frases «para añadir nombres y términos al vocabulario».
- Guarda el archivo original. Cada nueva grabación o compresión pierde detalle. Transcribe el archivo que hizo tu grabadora, no una copia reproducida por un altavoz. Para su propio servicio, Google recomienda códecs sin pérdida (FLAC o LINEAR16) y una frecuencia de muestreo de 16 000 Hz o más.
- No añadas reducción de ruido después. Para su servicio, Google aconseja no usar el control automático de ganancia y desactivar la reducción de ruido, y dice que su reconocedor está diseñado para ignorar las voces de fondo y el ruido.
Si el dictado por voz no funciona
- Permiso del micrófono. Comprueba en los ajustes de Android que la app puede usar el micrófono.
- Conexión. Muchas herramientas necesitan internet; algunas tienen idiomas sin conexión.
- Idioma. Revisa que el idioma del dictado sea el que hablas.
- Micrófono libre. Quita la funda si lo tapa, y prueba sin audífonos Bluetooth por si el teléfono usa otro micrófono.
- Una prueba corta. Graba diez segundos y escúchalos. Si no se oye bien, el problema es el audio.
Audio difícil de entender
Si la grabación ya está hecha y se entiende mal:
- Transcribe el archivo completo una vez y mira qué partes fallan.
- Escucha esas partes más despacio con audífonos y escríbelas tú.
- Marca lo que no entiendes como [inaudible] en vez de adivinar. Una palabra adivinada en una cita o en una minuta es peor que un hueco.
- No esperes milagros con voces lejanas. Si tú casi no oyes una voz, el programa tampoco la recuperará con fiabilidad.
Cómo probar la precisión tú mismo
La precisión del reconocimiento de voz suele medirse con la tasa de error de palabras (WER, en inglés): WER = (S + D + I) / N, donde S son las palabras sustituidas, D las omitidas, I las añadidas y N el número de palabras de un texto de referencia correcto. Cuanto más baja, mejor.
Una versión casera lleva cinco minutos:
- Elige un párrafo de unas 100 palabras con algunos nombres y números.
- Léelo en voz alta en tu herramienta, en tu situación normal.
- Cuenta las palabras mal, las que faltan y las que sobran, y divide entre el número de palabras del párrafo.
- Cambia una sola cosa (distancia, sala, ajuste de idioma) y repite.
El resultado te dice qué ayuda con tu voz, tu teléfono y tu sala. No compara herramientas en general: una cifra de precisión publicada solo vale para el audio con el que se midió.
Qué arregla una reescritura con IA, y qué no
Retexta, una app para Android que pasa la voz a texto en la nube y redacta con IA, primero transcribe y después puede reescribir el texto. La reescritura resuelve bien lo que hace difícil leer una transcripción:
- puntuación, mayúsculas y párrafos, también los signos de apertura;
- muletillas y arranques en falso («bueno, este, o sea»);
- frases repetidas o cortadas.
Si solo quieres dejar limpia la transcripción, el objetivo Limpiar un texto (en Más plantillas) conserva tu texto y, según la app, corrige la gramática, la puntuación y la fluidez. Los objetivos de redacción, como Escribir un mensaje o Tomar notas, van más allá y reordenan lo que dijiste.
Lo que una reescritura no puede hacer es saber que «Xóchitl» se entendió como «Sochil», o que «quince» debía ser «cincuenta». Incluso puede convertir una palabra mal oída en una frase fluida que parece correcta. Así que compara nombres, cifras, fechas e importes con la grabación. Retexta marca los resultados con «Generado con IA. Comprueba los datos importantes.»
Dos detalles de la app que ayudan: Retexta detecta el idioma hablado automáticamente, así que un clip con una primera frase completa le da más información que una sola palabra. Y si una grabación está en silencio o muy baja, lo dice en vez de devolver texto («La transcripción terminó, pero no se produjo ningún texto»).
Retexta se puede probar gratis: al empezar recibes algunos resultados Pro gratis para ver dentro de la app, y después de ellos también Solo transcripción necesita Retexta Pro o créditos. Los objetivos de reescritura e Importar audio forman parte de Retexta Pro, y para copiar, compartir o exportar resultados necesitas Retexta Pro o créditos.
Sigue leyendo
¿Grabaste una nota de voz? Mira cómo transcribir una nota de voz a texto en Android. ¿Dictas en vez de teclear? Lee cómo dictar un correo en Android, con los comandos de puntuación de Gboard. Dos voces en una grabación: cómo transcribir una entrevista. Para elegir herramienta: apps para pasar audio a texto en Android. Más sobre la app: Retexta, voz a texto para Android.
Fuentes
Revisado por FLAME Apps el 25 de septiembre de 2026.
- Google Cloud, Prácticas recomendadas, Cloud Speech-to-Text (traducción de Google, actualizada el 15 de enero de 2026; versión en inglés): posición del micrófono, recorte, frecuencia de muestreo, códecs sin pérdida, sin control de ganancia ni reducción de ruido, sugerencias de palabras y frases. Son recomendaciones para el servicio de Google.
- Wikipedia, Word error rate (en inglés): definición WER = (S + D + I) / N.
- Código de la app Retexta (Android, versión 2026.1.23): detección automática del idioma, descripción de Limpiar un texto y mensajes de error (textos de la app en español).
- Homófonos y seseo: ejemplos escritos por FLAME Apps.
