Terminaste el trabajo de campo. Catorce entrevistas, cincuenta minutos promedio cada una: casi doce horas de audio en el celular. Sentís que la parte difícil ya pasó.
No pasó. Transcribir esas doce horas a mano, escuchando y escribiendo, te va a llevar entre cincuenta y setenta horas reales de trabajo. Son tres semanas a tiempo parcial, y es la etapa donde más tesinas cualitativas se frenan: no por falta de datos, sino porque el volumen de tipeo desmoraliza.
La buena noticia es que en 2026 nadie transcribe a mano desde cero, y que la opción más potente para el español rioplatense es gratuita y corre en tu propia computadora.
Cuánto tiempo lleva de verdad
El número que conviene tener antes de planificar es la relación entre duración del audio y horas de trabajo:
| Método | Por hora de audio | 12 h de audio |
|---|---|---|
| A mano, escuchando y tipeando | 4 a 6 h | 50–70 h |
| A mano con reproductor de pedal o atajos | 3 a 4 h | 36–48 h |
| Automática + corrección completa | 1 a 2 h | 12–24 h |
| Automática + revisión rápida | 30 a 45 min | 6–9 h |
Dos advertencias sobre esta tabla. La primera: los tiempos empeoran mucho con audio malo. Una grabación con ruido de fondo de cafetería puede duplicar cualquiera de esas filas, incluida la automática. La segunda: «revisión rápida» no es una opción legítima para todas las entrevistas. Si vas a citar textualmente en la tesina, esa cita tiene que estar verificada contra el audio. La revisión rápida sirve para las partes que solo vas a codificar temáticamente.
Antes de empezar: ¿literal o naturalizada?
Es una decisión metodológica, no técnica, y hay que tomarla antes de transcribir la primera entrevista porque cambia todo el trabajo posterior.
- Transcripción literal o verbatim. Se transcribe todo: repeticiones, muletillas, «eh», risas, silencios marcados, interrupciones. Es la que corresponde cuando el cómo se dice es parte de tu objeto: análisis del discurso, estudios de la conversación, trabajos sobre emociones o sobre la construcción narrativa de una experiencia.
- Transcripción naturalizada. Se limpian las muletillas y las repeticiones involuntarias, se ordena mínimamente la sintaxis oral, se conserva íntegro el contenido y el vocabulario del entrevistado. Es la que corresponde cuando te interesa qué se dice: la mayoría de las tesinas de grado con análisis temático o de contenido.
Lo que no se puede hacer es mezclar criterios entre entrevistas, ni «corregir» a la persona entrevistada. Si alguien dice «habían muchos chicos», va así. Reescribirlo es alterar el dato.
Sea cual sea la opción, declarala en el capítulo metodológico en una oración, e incluí las convenciones que usaste: cómo marcaste los silencios, las risas, lo inaudible, los nombres reemplazados. Un ejemplo de convención mínima: [...] para fragmento omitido, [inaudible], [risas], y seudónimos entre corchetes para nombres propios.
Las cinco opciones, comparadas
| Opción | Costo | Calidad en español | ¿Sube tu audio? | Para quién |
|---|---|---|---|---|
| A mano | Gratis, carísimo en horas | La tuya | No | Dos o tres entrevistas cortas |
| Dictado del procesador de texto | Incluido | Buena si dictás vos, mala con audio grabado | Sí (procesa en la nube) | Quien prefiere re-dictar escuchando |
| Whisper local | Gratis | Muy buena, incluso con voseo | No | La mayoría de las tesinas |
| Servicio web automático | Por minuto o suscripción, en dólares | Muy buena, con identificación de hablantes | Sí | Quien prioriza comodidad y tiene aval |
| Transcriptor/a profesional | El más caro | La mejor | Se comparte con una persona | Audio difícil o plazo imposible |
Sobre la última fila, un punto que confunde a mucha gente: pagarle a alguien para transcribir no es hacer trampa. La transcripción es una tarea técnica, no un acto interpretativo, y tercerizarla está aceptado siempre que dos condiciones se cumplan: que lo declares en la metodología, y que la persona firme un compromiso de confidencialidad que el comité de ética acepte. Lo que no podés tercerizar es el análisis. La diferencia entre asistencia legítima y delegación indebida está tratada en se puede usar IA en la tesina: qué dicen los reglamentos.
Whisper: gratis, local y bueno con el acento de acá
Whisper es un modelo de reconocimiento de voz de código abierto, gratuito, entrenado con material multilingüe. Su ventaja decisiva para una tesina es doble: maneja bien el español rioplatense —incluidas las formas de voseo, que muchos sistemas transcriben mal— y corre enteramente en tu computadora. El audio nunca sale de tu máquina.
Formas de usarlo sin saber programar, de la más simple a la más flexible:
- Aplicaciones de escritorio que empaquetan el modelo con una interfaz gráfica: arrastrás el archivo, elegís el idioma, esperás. Hay varias, para Windows, macOS y Linux.
- Cuadernos en la nube que ejecutan el modelo en una máquina temporal. Es una solución intermedia: no instalás nada, pero el audio sí se sube a un servidor durante el proceso — y eso te devuelve al problema de confidencialidad.
- Línea de comandos, si te animás. Son dos comandos y te da la máxima flexibilidad, incluidos los formatos con marcas de tiempo.
Tres cosas que conviene saber de entrada. Primero: el tamaño del modelo importa. Los modelos chicos son rápidos y suficientes para audio limpio; los grandes son notablemente más precisos con audio ruidoso o con varios hablantes, y tardan bastante más. Empezá probando con una entrevista antes de procesar las catorce. Segundo: elegí el formato con marcas de tiempo —el que genera subtítulos—, porque después te permite saltar directo al minuto exacto cuando corregís o cuando querés verificar una cita. Tercero: no separa hablantes por sí solo: te devuelve un texto corrido. Como en una entrevista los turnos suelen ser claros, se resuelve marcándolos durante la corrección.
El flujo que menos tiempo cuesta
- Renombrá los archivos de audio apenas terminás cada entrevista, con el código del participante y la fecha:
E07_2026-05-14.m4a. Nunca con el nombre real. Esta es la primera capa de anonimización y es la más fácil de olvidar. - Pasá el audio por Whisper pidiendo el formato con marcas de tiempo. Podés dejarlo corriendo mientras hacés otra cosa.
- Corregí escuchando. Audio en un panel, texto en el otro, a velocidad 1,25× o 1,5×. Se corrigen nombres propios, términos técnicos, cifras y los tramos donde el modelo se perdió. Esta es la etapa que no se puede saltear.
- Anonimizá mientras corregís, en la misma pasada: nombres, instituciones, barrios, cargos demasiado identificables. Reemplazá por seudónimos entre corchetes y mantené un archivo de correspondencia separado y protegido con contraseña.
- Numerá los párrafos o dejá las marcas de tiempo en la versión final. Cuando cites, vas a necesitar poder localizar el fragmento.
- Recién ahí, cargá al análisis. El texto ya limpio entra a la codificación: el procedimiento está en análisis temático y codificación, y las herramientas para hacerlo, en programas para analizar datos cualitativos.
Un consejo de gestión que vale por todo lo anterior: transcribí a medida que entrevistás, no todo junto al final. Además de repartir la carga, escuchar la entrevista completa te muestra qué preguntaste mal y te permite ajustar el guion para la siguiente. Y es lo que te va a permitir reconocer la saturación cuando llegue — el criterio para decidir cuántas entrevistas hacer está en cuántas entrevistas necesito para mi tesina.
Grabar bien es la mitad del trabajo
Cada error de grabación se paga multiplicado en la transcripción. Los cinco que más cuestan:
- El lugar. Un bar con música es la peor decisión posible. Un aula vacía, una oficina, una casa: cualquiera de esos es mejor que el bar más lindo.
- La distancia. El celular a treinta centímetros de quien habla, no en el otro extremo de la mesa. Si sos vos quien queda lejos, no importa tanto: tus preguntas ya las conocés.
- El respaldo. Grabá con dos dispositivos. Perder una entrevista por un archivo corrupto es un desastre que no tiene arreglo.
- La prueba previa. Treinta segundos de grabación y escucha antes de arrancar, siempre. Detecta el micrófono tapado por la funda, que es el clásico.
- El minuto cero. Grabá diciendo el código de la entrevista, la fecha y la confirmación verbal del consentimiento. Después agradecés tener esa marca.
Y para entrevistas por videollamada: usá la grabación local si la plataforma la ofrece, avisá siempre que estás grabando, y pedí que la otra persona use auriculares — elimina el eco, que es lo que más ensucia la transcripción automática.
Confidencialidad: dónde no subir tus audios
Este es el punto que casi nadie mira y el que puede complicarte de verdad. Tus entrevistas contienen datos personales, y en muchos casos datos sensibles. El consentimiento informado que firmaron los participantes hace una promesa concreta sobre quién va a acceder a ese material.
Antes de subir un audio a cualquier servicio, hacé estas tres verificaciones:
- Releé tu propio consentimiento. Si dice «solo la investigadora tendrá acceso a las grabaciones», subirlas a un servicio de terceros contradice literalmente lo que firmaron.
- Mirá qué dice el dictamen del comité de ética sobre resguardo de datos. Si tu protocolo especificaba almacenamiento local, respetalo. Cómo se declara todo esto está en comité de ética para tu tesina en Argentina.
- Leé los términos del servicio. Fijate si conserva los archivos, por cuánto tiempo, si los usa para entrenar sus modelos y si permite borrarlos de verdad.
Frente a esa lista, la ventaja de una herramienta local se vuelve obvia: el problema directamente no existe, porque el audio no viaja a ningún lado. Es el argumento más fuerte a favor de Whisper para trabajos con aval ético, por encima incluso del hecho de que sea gratis.
Y una vez transcripto: guardá los audios y el archivo de correspondencia cifrados, no los subas a una nube personal sin contraseña, y borralos en el plazo que declaraste. La confiabilidad de todo el proceso —incluida esta parte— es lo que se documenta como rigor metodológico: cómo se argumenta está en criterios de rigor en investigación cualitativa.
Transcribiste todo. Ahora hay que escribirlo.
Tener catorce transcripciones prolijas no es tener un capítulo: es tener materia prima. Lo que sigue —ordenar los temas, elegir qué citas entran, armar el hilo del análisis— es donde se define la tesina. Tesify te arma la estructura capítulo por capítulo, así sabés dónde va cada cosa antes de sentarte a escribir.
Preguntas frecuentes
¿Tengo que transcribir la entrevista completa o alcanza con las partes útiles?
Completa, y por una razón metodológica: si transcribís solo lo que te parece relevante, ya estás analizando —y filtrando— antes de tiempo, y vas a perder los fragmentos que recién cobran sentido cuando comparás entrevistas. La excepción razonable son los tramos claramente ajenos al tema: la charla de los primeros minutos, la interrupción del teléfono, la despedida. Esos se marcan con una nota del tipo «[conversación no relacionada, 3 min]» en lugar de transcribirse.
¿Las transcripciones van en el anexo de la tesina?
Depende del reglamento de tu facultad y de tu comité de ética, y las dos respuestas son frecuentes. Algunas exigen las transcripciones completas anonimizadas en un anexo digital; otras piden solo el guion de entrevista y una transcripción de muestra, justamente para no difundir material sensible. Lo que sí se incluye siempre es el modelo de consentimiento informado y el instrumento. Consultalo con tu director/a antes de imprimir doscientas páginas de anexo.
¿Puedo pedirle a un modelo de IA que me resuma las entrevistas?
Hay dos problemas y conviene separarlos. El de confidencialidad: pegar transcripciones con datos personales en un servicio en la nube es exactamente lo que tu consentimiento probablemente no autoriza. Y el metodológico: el análisis cualitativo es tu aporte intelectual, y un resumen automático te va a dar los temas obvios mientras se pierde lo interesante, que casi siempre está en el matiz o en la contradicción. Como apoyo para revisar si se te escapó algo después de codificar, puede servir; como reemplazo de la codificación, no.
La transcripción automática me puso mal varias palabras técnicas. ¿Es normal?
Completamente. Los errores se concentran en un patrón predecible: nombres propios, siglas institucionales, jerga de la disciplina, cifras y topónimos locales. Por eso la corrección escuchando no es opcional. Un truco que ahorra tiempo: hacé una lista de los términos que aparecen seguido en tu tema y usá buscar y reemplazar sobre esa lista al terminar cada transcripción; los mismos errores se repiten entrevista tras entrevista.
¿Cómo cito un fragmento de entrevista en el texto?
Las entrevistas que vos realizaste son datos primarios de tu investigación, no fuentes bibliográficas: no van en la lista de referencias. En el cuerpo del texto se identifican con el código del participante y, si corresponde, algún atributo relevante — por ejemplo «(E07, docente, 12 años de antigüedad)». Conviene fijar ese formato al principio y usarlo igual en toda la tesina. El caso distinto es citar una entrevista ajena o una comunicación personal, que sí tiene reglas propias: están en cómo citar entrevistas y comunicaciones personales en APA 7.
¿Cuánto sale contratar a alguien que transcriba?
Se cobra por minuto de audio y el precio varía mucho según el tipo de transcripción —la literal con marcas de tiempo cuesta bastante más que la naturalizada— y según la calidad del audio. Para doce horas de grabación es un gasto significativo para un presupuesto de tesina de grado, así que en general se justifica solo cuando el audio es muy difícil, cuando hay varios hablantes superpuestos o cuando tenés un plazo que no da. Antes de contratar, probá una entrevista con transcripción automática: si el resultado es aceptable, la diferencia de plata es mucha.