Transcripción de llamadas: cómo convertir una llamada en texto

En resumen: para convertir una llamada en texto primero necesitas la grabación, y esa es la parte más difícil. Si ya tienes la grabación, basta con subir el archivo a una herramienta. Si quieres que todas las llamadas pasen a texto solas, la transcripción tiene que hacerse en el número y no en el teléfono. Es el primer paso de la transcripción y análisis de llamadas con IA en un equipo comercial.

Tres vías para pasar de la grabación al texto

A continuación, cada vía por orden, con lo que se puede esperar de forma realista.

Vía 1: transcripción en el teléfono

Es la más cómoda y la menos disponible. Apple añadió la grabación con transcripción en iOS 18.1, pero la transcripción en la app Teléfono solo admite variantes concretas de inglés, español, japonés, coreano, chino y portugués. En español figuran solo México y Estados Unidos, no España (disponibilidad de funciones de iOS, comprobado el 20 de octubre de 2026). En Android varía: según Google, la grabación en la app Teléfono solo funciona en algunos dispositivos, con algunos operadores y no en todos los países (ayuda de Google, comprobado el 20 de octubre de 2026), y los fabricantes diferencian sus propias soluciones según la región de venta.

En la práctica, no se puede montar un proceso sobre esto, porque dos personas del mismo equipo pueden tener un comportamiento distinto con el mismo modelo de teléfono. Describimos estas limitaciones con más detalle en cómo grabar llamadas telefónicas.

Vía 2: subir un archivo

Si ya tienes la grabación, de una grabadora, de una conferencia o de un sistema que la guardó, convertirla en texto hoy es sencillo y barato. Subes el archivo y obtienes el texto; el tiempo depende de la duración de la grabación y de la herramienta.

Tres cosas que conviene saber antes de la primera vez:

• El formato y la duración importan. Una grabación telefónica es de banda estrecha, es decir, se guarda con peor calidad que una grabación con micrófono. El mismo servicio dará un resultado claramente peor que con un pódcast.
• Separar a los hablantes es una función aparte. La transcripción sola te da un muro de texto; asignar las frases a cada interlocutor es otra cosa y no todas las herramientas lo hacen.
• A dónde va el archivo. Al subir la llamada de un cliente a un servicio cualquiera, le transmites los datos personales de ese cliente. En llamadas de empresa, eso es una cuestión de contrato de encargo del tratamiento, no de comodidad.

Vía 3: transcripción en el número

La llamada pasa por un número gestionado por un sistema, así que la grabación y el texto se crean solos en cada llamada, sin tener que acordarse de nada. También desaparece el problema del modelo de teléfono de la vía 1, porque nada depende del dispositivo ni de una actualización de Android.

El precio es configurar el número, por lo que no es una solución para una sola llamada. A cambio, es la única que funciona igual cada vez y sobrevive a que un comercial cambie de teléfono. En Heilo funciona así: notas de llamadas desde un número de empresa esperan en el panel después de la llamada. Heilo Line da a cada comercial su propio número de empresa polaco (+48). Heilo graba en él las llamadas entrantes y las salientes iniciadas con «Llamar por Heilo», y la transcripción, el resumen y las tareas llegan a tu CRM por API, webhooks, Zapier o Make una vez configurada la integración. Más información en la página del asistente de llamadas para equipos de ventas y en los precios.

Qué precisión esperar de verdad

No hay una cifra única que se pueda dar con honestidad, y cualquier cifra así en una guía es sospechosa. El resultado depende de varias cosas a la vez:

• Calidad de la llamada. Una llamada por el altavoz del coche y otra con el auricular son dos materiales distintos.
• Número de hablantes y solapamientos. Las voces superpuestas estropean más una transcripción que el ruido de fondo.
• Nombres propios, direcciones, números. Ahí aparece la mayoría de los errores, y suelen ser justo el motivo por el que queremos el texto.
• Duración. Cuanto más larga la llamada, más probable es que algo se desajuste por el medio.

Una expectativa razonable: el texto servirá para buscar y para recordar lo acordado, y no será un documento que se pueda firmar sin leer. La fuente de la verdad sigue siendo la grabación, no la transcripción. Heilo conserva la grabación 365 días por defecto y después la elimina, mientras que la transcripción permanece, así que comprueba a tiempo en la grabación los acuerdos importantes.

Para comprobar la precisión con las llamadas de tu propio equipo, haz una prueba estructurada con una muestra de grabaciones y puntúa por separado nombres, importes y fechas.

Nombres, números e idiomas con flexión

En idiomas con mucha flexión, como el polaco, un mismo nombre aparece en varias formas y el sistema debe reconocerlas como una sola. A ello se suman los numerales, las siglas del sector y los nombres de empresa que no parecen palabras corrientes.

Efectos prácticos que verás enseguida:

• Los apellidos y los nombres de empresa necesitan corrección más a menudo que el resto del texto.
• Conviene comprobar importes y fechas en la grabación antes de basarse en ellos.
• Las confirmaciones breves como «ajá» a veces se pierden, y a veces son justo las que expresan la conformidad.

Por eso, en las llamadas con clientes es más sensato tratar la transcripción como un mapa de la grabación, que permite encontrar el momento en que se acordó algo, que como sustituto de escucharla.

Cuando el texto solo no basta

En una empresa rara vez falta el texto. El problema es que el texto está separado del contacto, del plazo y de la tarea que salió de la llamada. Tres semanas después, nadie recuerda en qué archivo buscar.

Una transcripción útil es la que llega donde trabajas: asociada a un contacto, con los acuerdos y el siguiente paso extraídos, accesible para todo el equipo, también en llamadas que nadie contestó. Heilo Voicemail convierte en texto los mensajes dejados tras llamadas perdidas cuando configuras el desvío en el operador (cómo convertir el correo de voz a texto).

Resumen

Pasar una llamada a texto hace tiempo que dejó de ser la parte difícil. Lo difícil viene antes, al conseguir una grabación que en muchos teléfonos no se puede hacer, y después, al evitar que el texto acabe en una carpeta a la que nadie mira. Para una llamada basta con subir el archivo a una herramienta. Para una empresa lo que cuenta es que el texto surja solo y llegue donde está el caso del cliente.

¿Quieres que la transcripción se haga sola en cada llamada a un número de empresa? Mira: Grabación de llamadas para empresas.

FAQ

¿Puedo subir la grabación de una llamada con un cliente a cualquier servicio de transcripción?

Técnicamente sí, pero jurídicamente supone transmitir los datos personales de un cliente a un tercero. En llamadas de empresa necesitas un contrato de encargo del tratamiento y saber dónde se tratan esos datos. Las obligaciones al grabar las describimos aparte: legalidad de la grabación de llamadas en empresas.

¿La transcripción funciona en directo, durante la llamada?

A veces está disponible, pero en una llamada telefónica rara vez es lo que realmente se necesita. El texto en directo es difícil de leer mientras se habla; resulta más útil el resumen tras la llamada.

¿Por qué la transcripción pierde nombres e importes?

Porque son palabras que un modelo no puede adivinar por el contexto tan fácilmente como las frases normales, y la grabación telefónica es de banda estrecha. Es el lugar de los errores más frecuentes y a la vez el motivo más común para querer el texto, así que conviene comprobar justo esos fragmentos en la grabación.

¿Se pueden transcribir llamadas de WhatsApp?

Es un problema aparte, porque esa llamada no pasa por la red telefónica y no se puede grabar de forma fiable. Lo tratamos en el texto sobre grabar llamadas de WhatsApp, Messenger y Telegram.

¿Cuánto tarda la transcripción?

En un archivo subido depende de la duración de la grabación y de la herramienta. En Heilo el procesamiento empieza automáticamente al terminar la llamada, y la grabación, la transcripción y el resumen aparecen en el panel poco después. No prometemos un tiempo concreto.