Transcripción de audio en Vibe
En esta página
Actualización del 2 de noviembre de 2026 — Le Chat pasa a llamarse Vibe. Desde el 28 de mayo de 2026, Le Chat ha cambiado de marca para convertirse en Vibe (todavía en chat.mistral.ai): un único agente para el trabajo y la programación que mantiene tus conversaciones, configuraciones y suscripciones. La experiencia heredada de Le Chat sigue disponible en el modo Chat; en el modo Trabajo, los agentes se han convertido en habilidades (que se invocan con
@), las memorias son ahora la base de conocimientos y la investigación profunda es la habilidad Deep Research. Los planes se llaman ahora Mistral Free, Pro, Team y Enterprise. Esta lección utiliza el nombre Vibe; es posible que algunos menús descritos aquí hayan cambiado de nombre o de ubicación.
Convertir grabaciones en texto
¿Tienes una grabación de voz de una reunión, una clase magistral, un pódcast o una entrevista? Mistral Vibe puede convertirla en texto escrito en segundos mediante Voxtral. No hace falta volver a escuchar 45 minutos de audio solo para localizar un pasaje: la transcripción te lo da todo, negro sobre blanco, haciendo que el contenido sea buscable, copiable y accionable. Esta lección cubre el procedimiento, pero, más importante aún, qué puedes hacer una vez que tienes la transcripción, porque ahí reside la verdadera ganancia de productividad.
Cómo transcribir un archivo de audio
El proceso es sencillo e idéntico a subir una imagen:
- Abre Vibe en chat.mistral.ai
- Sube tu archivo de audio mediante el botón de adjuntar (clip) o arrastrando y soltando
- Añade tu instrucción: «Transcribe este audio» o una petición más específica
- Envía: la transcripción aparecerá en unos segundos
En cuanto a los formatos, Vibe acepta los más comunes: MP3, el formato más extendido; WAV, máxima calidad pero archivos más grandes; M4A, el formato de Apple muy habitual en iPhones (si grabas tus reuniones con la app Notas de Voz, esto es lo que obtendrás); los formatos abiertos OGG y FLAC; y WebM, generado a menudo por grabaciones basadas en el navegador. La duración máxima depende del modelo, pero las grabaciones de varias decenas de minutos funcionan sin problema. Para archivos muy largos, de más de una hora, puede ser aconsejable dividirlos en segmentos.
Más allá de la simple transcripción
La ventaja de Voxtral en Vibe es que la transcripción es solo un punto de partida. Dado que el mismo asistente gestiona tanto el razonamiento sobre audio como sobre texto, puedes encadenar transcripción y análisis en una única petición.
El caso más habitual es el resumen automático: «Transcribe este audio y resúmelo en 5 puntos». El modelo transcribe primero y luego sintetiza las ideas principales; ideal para reuniones largas en las que solo quieres quedarte con lo esencial. Una variante más operativa es la extracción de acciones: «Transcribe esta grabación de la reunión y enumera las acciones acordadas, con el responsable de cada una». El modelo identifica los compromisos adquiridos, las decisiones tomadas y las partes responsables mencionadas, ofreciéndote directamente la lista de seguimiento que te habría llevado veinte minutos reconstruir.
La traducción funciona con la misma naturalidad: «Transcribe este audio en francés y tradúcelo al inglés» te ofrece ambas versiones en una única petición, ya que Vibe gestiona tanto la transcripción como la traducción. Por último, la reformulación resulta útil a diario: «Transcribe este mensaje de voz y reescríbelo de forma más formal para un correo electrónico» convierte un mensaje de voz informal (pensado en voz alta, con sus vacilaciones) en una comunicación escrita profesional lista para enviar.
Calidad de la transcripción
Varios factores influyen en la calidad del resultado; conocerlos te ahorrará decepciones. En primer lugar, la calidad de la grabación: un micrófono decente y un entorno silencioso ofrecen los mejores resultados; una grabación realizada al otro extremo de una sala reverberante será inevitablemente menos precisa. A continuación, el idioma hablado: los 13 idiomas admitidos, entre ellos francés, inglés, español y alemán, ofrecen una excelente precisión. La velocidad del habla también juega un papel: el ritmo normal se gestiona bien, pero un habla muy rápida o las superposiciones (dos personas hablando a la vez) pueden reducir la precisión. En cuanto al vocabulario técnico, los términos comunes se transcriben bien, pero los acrónimos muy especializados de un campo concreto pueden requerir corrección manual.
Una nota sobre la diarización: si tu grabación contiene a varias personas, el modelo puede identificar a los interlocutores y atribuir cada pasaje a la persona correcta. Obtendrás entonces una transcripción estructurada como un diálogo: «Interlocutor 1: Hola, empecemos la reunión. Interlocutor 2: De acuerdo, aquí está la actualización del proyecto». Esta función es especialmente valiosa para actas de reuniones y entrevistas, donde saber quién dijo qué es tan importante como lo que se dijo.
Casos de uso cotidianos
Las situaciones en las que la transcripción resulta útil son innumerables. En reuniones, graba con tu teléfono, súbelo a Vibe y obtén un resumen estructurado. Para una clase o conferencia, convierte una lección magistral en notas escritas que puedas revisar y anotar. Para un pódcast, la transcripción hace que el episodio sea buscable y accesible para las personas que prefieren leer. Un mensaje de voz largo de WhatsApp se convierte en texto que puedes ojear rápidamente. Y para una entrevista, obtienes una transcripción precisa lista para citar en tus artículos o informes.
Buenas prácticas
Cuatro hábitos que debes adoptar. Especifica el idioma si el audio no está en francés («Transcribe este audio en inglés») para evitar ambigüedades. Solicita un formato adecuado a tu uso: «Transcribe con párrafos» para un texto que leer, «Transcribe como un diálogo» para una conversación. Combina peticiones en una única instrucción («Transcribe, resume y enumera los 3 puntos más importantes») en lugar de ir y venir. Y verifica siempre los nombres propios: este es el punto débil de cualquier transcripción automática, y los nombres de personas, empresas o lugares poco conocidos pueden aparecer mal escritos sin ninguna advertencia.
Puntos clave
- Sube un archivo de audio a Vibe igual que harías con una imagen
- Se admiten formatos como MP3, WAV, M4A y otros
- La transcripción puede ir seguida de un resumen, una traducción o una extracción de acciones
- La diarización identifica automáticamente a los diferentes interlocutores
- Verifica siempre los nombres propios y los términos técnicos en la transcripción