Cómo convertir una transcripción de Zoom a Word (limpia y legible)

Le pediste a Zoom una transcripción y recibiste un archivo .vtt: cientos de bloques numerados, una línea de marca de tiempo cada pocos segundos, un fragmento de frase por bloque. Pégalo en Word y tendrás cuarenta páginas de caos que nadie va a leer. Aquí tienes dos formas limpias de convertirlo en un documento de verdad — y una tercera para cuando no hay transcripción.

Qué te da Zoom (y dónde se esconde)

• En los planes de pago con grabación en la nube, Zoom puede generar una transcripción de audio. Vive en el portal web de Zoom, en Grabaciones, junto al archivo de vídeo, y se descarga como .vtt.
• Si alguien activó los subtítulos durante la reunión, los participantes pueden guardarlos como .txt — ya es texto plano, aunque línea a línea.
• En el plan gratuito, o con una grabación local, no hay transcripción — solo tienes el MP4/M4A. Salta directamente a la ruta 2.

El .vtt por dentro tiene esta pinta:

122
00:14:07.560 --> 00:14:11.220
María López: podríamos mover el lanzamiento a la segunda semana de marzo.

Perfecto para subtítulos, ilegible como documento. El objetivo: quitar la numeración y las marcas de tiempo, conservar los nombres y las palabras, y acabar con un texto que se comporte en Word.

Ruta 1: el conversor gratuito en tu navegador (dos minutos)

Nuestro conversor de subtítulos gratuito hace exactamente esto, y funciona por completo en tu navegador — la transcripción nunca sale de tu ordenador.

1. Descarga el .vtt desde tu página de grabaciones de Zoom.
2. Abre el conversor, arrastra el archivo (o pega el contenido) y elige Texto.
3. Copia el resultado — o descárgalo como .txt — y pégalo en Word.

Los números de cue y las marcas de tiempo desaparecen; los nombres de los hablantes sobreviven, porque Zoom los escribe dentro del propio texto. Te quedará una línea por frase hablada — para unas notas de reunión suele bastar, y el Buscar y reemplazar de Word puede unir líneas si prefieres párrafos corridos. Si no quieres hacer ni eso, la siguiente ruta te entrega los párrafos ya hechos.

Ruta 2: sáltate la limpieza — exporta un DOCX desde la grabación

Si la transcripción no existe, salió con errores o quieres un documento de verdad en lugar de subtítulos aseados, transcribe la propia grabación:

1. Sube el MP4 o M4A de la reunión a Speecho. El vídeo funciona tal cual — el audio se extrae en tu navegador, así que hasta una llamada larga se sube rápido.
2. Activa la identificación de hablantes, para que el resultado vuelva como diálogo etiquetado y no como un muro de texto.
3. Pulsa Exportar → DOCX y obtendrás un archivo de Word con párrafos de verdad y sin marcas de tiempo que limpiar. PDF, TXT, SRT y VTT están a un clic también.

Esta ruta cubre además lo que el conversor no puede: grabaciones del plan gratuito sin transcripción, una traducción a otro idioma y un resumen con IA con puntos de acción encima. Pagas por los minutos de audio que subes — sin suscripción, y una reunión corta cuesta céntimos.

La vía manual, por completar el cuadro

El Buscar y reemplazar de Word (con comodines activados) puede borrar las líneas de marcas de tiempo, y un editor de texto con regex lo hace más rápido. Funciona — pero cada exportación de Zoom tiene suficientes rarezas (líneas de cabecera, cues multilínea, bloques vacíos sueltos) como para que pases más tiempo depurando tu patrón del que tarda el conversor de principio a fin. Si es de las cosas que disfrutas, no te lo impediremos.

Tres toques para que parezca un documento

• Pon en negrita los nombres. Una pasada de Buscar y reemplazar por hablante («María López:» → mismo texto, en negrita) hace el diálogo escaneable.
• Añade un bloque de cabecera — fecha, asistentes, propósito — y números de página. Las transcripciones se alargan, y quien la reciba te lo agradecerá.
• Conserva el archivo original. Pega el texto limpio en un Word nuevo y archiva el .vtt; si algún día se discute una cita, la versión con marcas de tiempo es tu comprobante.

¿Qué ruta te toca?

Si ya tienes un .vtt decente y solo necesitas que sea legible: ruta 1, dos minutos, gratis. Si solo tienes la grabación, necesitas hablantes etiquetados o quieres un documento para reenviar sin tocarlo: la ruta 2 va del vídeo al DOCX en una sola pasada. En cualquier caso, nadie debería estar borrando marcas de tiempo a mano en 2026.