Transcripción literal vs limpia: qué estilo usar y cuándo

La transcripción literal (verbatim) registra el habla exactamente como se dijo, con muletillas como "eh" o "este", tartamudeos, arranques en falso y repeticiones, mientras que la literal limpia (también llamada verbatim inteligente) conserva las palabras de quien habla pero quita esos tropiezos para que el texto se lea mejor. Un tercer estilo, la transcripción editada, va más allá y reescribe para ganar claridad. Elige la literal estricta cuando importa cómo se dijo algo (ámbito legal, análisis de la conversación), la limpia para la mayoría de las entrevistas, investigaciones y subtítulos, y la editada para publicar.

A continuación encontrarás la definición de cada estilo, el mismo fragmento escrito de las tres formas, una tabla comparativa, las situaciones que exigen cada estilo y una lista para elegir.

¿Qué es la transcripción literal?

"Literal" o "verbatim" significa palabra por palabra, pero los proveedores de transcripción y los investigadores usan el término para tres niveles de detalle distintos. Los nombres cambian de una guía de estilo a otra, así que conviene definirlos antes de encargar o hacer una transcripción.

Literal estricta (también "verbatim completo" o "true verbatim") recoge todo lo audible: cada palabra, cada "eh" y "mmm", tartamudeos, arranques en falso, palabras repetidas, frases sin terminar y, por lo general, sonidos no verbales y pausas como [risas], [tose] o (pausa). La gramática se deja tal como se habló.

Literal limpia (a menudo llamada verbatim inteligente o "clean verbatim") conserva las palabras y la estructura de las frases de quien habla, pero omite las muletillas, los tartamudeos, los arranques en falso y las repeticiones que no aportan nada al sentido. No debe parafrasear ni "mejorar" lo que dijo la persona.

Transcripción editada (a veces "edición ligera") además corrige la gramática, recorta frases que dan vueltas y puede reordenar o condensar para que el texto se lea como prosa escrita. Es un registro fiel del sentido, no de las palabras.

Algunas tradiciones de investigación añaden un cuarto nivel: la transcripción detallada con notación para tiempos, solapamientos y entonación, como el sistema Jefferson que se usa en el análisis de la conversación. Nuestra guía de transcripción para investigación cualitativa explica esas convenciones.

Literal estricta vs literal limpia: el mismo fragmento de tres formas

Este es un extracto de cuatro líneas de una entrevista, transcrito en cada estilo.

Literal estricta

E: Entonces, eh, ¿cómo fue que— cómo fue que terminaste en enfermería?
P: Pues, este, o sea, fue— fue medio por accidente, ¿no? [risas]
P: Mi mamá era enfermera y, como que, yo— yo juré que nunca lo haría.
P: Pero luego, eh, después de la uni andaba... andaba como, pues, sin rumbo. (pausa)

Literal limpia

E: ¿Cómo fue que terminaste en enfermería?
P: Pues fue medio por accidente. [risas]
P: Mi mamá era enfermera y yo juré que nunca lo haría.
P: Pero luego, después de la uni, andaba como sin rumbo.

Editada

E: ¿Cómo llegaste a ser enfermera?
P: Casi por accidente. Mi madre era enfermera y yo había jurado
   no seguir sus pasos, pero al terminar la universidad no sabía qué hacer.

Fíjate en lo que cambia. La versión limpia quita "eh", "este", "o sea", "¿no?", "como que" y las repeticiones de "cómo fue que" y "yo", pero conserva el tono informal de la persona ("mi mamá", "la uni", "medio"). Mantener o no [risas] es una decisión de la guía de estilo; muchas guías de literal limpia conservan los sonidos no verbales solo cuando cambian el sentido. La versión editada es más corta y fluida, pero ya no es la voz de la participante.

Tabla comparativa

Cuándo se exige cada estilo

Ámbito legal y cumplimiento

Las declaraciones, audiencias, interrogatorios, reclamaciones de seguros y grabaciones usadas como prueba normalmente piden transcripción literal estricta. Una pausa antes de responder, una autocorrección o un "sí... no, perdón" pueden cambiar cómo se interpreta una declaración, así que eliminarlos es una decisión editorial que no le corresponde a quien transcribe. Los requisitos exactos dependen del tribunal, del país y de quien encarga la transcripción, así que sigue sus instrucciones o sus reglas de formato.

Investigación académica y cualitativa

Manda el método. El análisis de la conversación, el análisis del discurso y los estudios lingüísticos necesitan literal estricta, a menudo con notación. El análisis temático, la investigación aplicada y la mayoría de los trabajos de políticas públicas suelen usar literal limpia, porque el foco está en lo que dicen las personas participantes y no en cómo lo dicen. Elijas lo que elijas, pon las reglas por escrito antes de transcribir y menciónalas en la sección de metodología.

Periodismo y medios

Los periodistas suelen trabajar con literal limpia y vuelven al audio antes de citar. Las citas textuales deben coincidir con lo que se dijo; quitar muletillas en general se acepta, cambiar palabras no. Para reportajes largos, una transcripción editada puede servir como copia de lectura, siempre que las citas se comprueben con la grabación. Nuestra guía de transcripción de entrevistas explica cómo grabar y citar.

Subtítulos

Los subtítulos casi siempre son literales limpios o ligeramente editados. El público tiene unos pocos segundos para leer cada uno, y las guías de estilo de las televisoras fijan límites de velocidad de lectura y longitud de línea, así que las muletillas y los arranques en falso se quitan salvo que importen para la escena o el personaje. Los subtítulos para personas sordas o con discapacidad auditiva añaden descripciones de sonido como [portazo], que es un tipo de detalle distinto de las muletillas literales. Consulta nuestra guía del generador de subtítulos SRT y VTT para el formato.

Empresas, reuniones y pódcasts

Las minutas de reuniones, las notas de los episodios de un pódcast y las entrevistas con clientes suelen ser literales limpias, muchas veces seguidas de un resumen. Aquí la literal estricta suma tiempo de lectura sin aportar valor.

Cómo se comportan las transcripciones con IA

La transcripción automática no encaja limpiamente en estos estilos, así que conviene saber qué esperar.

• Las muletillas tienden a desaparecer. En la práctica, los modelos tipo Whisper suelen omitir "eh", "mmm" y las palabras repetidas, y producen un texto que se parece más a lo que la persona quiso decir que a lo que dijo. Los autores del artículo sobre CrisperWhisper (Interspeech 2024) señalan que Whisper estándar elimina muchas muletillas y repeticiones, y ajustaron una variante precisamente para conservarlas. La guía de voz a texto de OpenAI menciona "conservar las muletillas" como algo que se puede orientar con un prompt, lo que indica que no es el comportamiento por defecto.
• El resultado se acerca a la literal limpia, pero no del todo. Los modelos también pueden suavizar un arranque en falso o una palabra a medias, y de vez en cuando conservan una muletilla que sí reconocen. El resultado es irregular, no sigue una guía de estilo.
• Los sonidos no verbales y las pausas suelen faltar. La mayoría de las herramientas no marcan [risas] ni pausas cronometradas, y no conocemos ninguna que produzca notación tipo Jefferson de forma fiable.
• La puntuación es una estimación. Los cortes de frase y las comas se deducen, lo que puede cambiar sutilmente el sentido en respuestas largas y encadenadas.

Así que un borrador de IA es un buen punto de partida para una literal limpia y necesita una revisión humana para una literal estricta. La calidad del audio también cuenta: nuestros consejos de precisión en la transcripción explican cómo influyen el micrófono, las voces superpuestas y los acentos.

Cómo elegir un estilo de transcripción: lista de verificación

Responde estas preguntas antes de transcribir o encargar una transcripción:

• ¿La transcripción se usará como prueba o en un proceso legal? Usa literal estricta y sigue las instrucciones de quien la exige.
• ¿Tu análisis estudia cómo habla la gente (dudas, reparaciones, toma de turnos)? Usa literal estricta, quizá con notación.
• ¿Necesitas sobre todo lo que se dijo para temas, citas o decisiones? Normalmente basta con la literal limpia.
• ¿El texto se publicará o lo leerá gente que no estuvo presente? Considera una versión editada y guarda la transcripción limpia como fuente.
• ¿Es para subtítulos? Literal limpia y después acorta las líneas para ajustarlas a la velocidad de lectura.
• ¿Pusiste las reglas por escrito? Anota cómo tratar muletillas, modismos, sonidos no verbales, pasajes inaudibles y etiquetas de hablantes, y aplícalas a todos los archivos.
• ¿Quién revisa la transcripción contra el audio? Sea cual sea el estilo, alguien debería escucharlo al menos una vez.

Cómo convertir un borrador de IA en el estilo que necesitas

Una forma práctica de trabajar es partir de una transcripción automática y ajustarla. En Audiotexta, por ejemplo, puedes subir un archivo o grabar desde el micrófono, obtener un borrador con etiquetas de hablantes y marcas de tiempo, y corregirlo en un editor que resalta cada palabra durante la reproducción y te permite hacer clic en cualquier palabra para saltar a ese momento del audio. Así es más rápido agregar las muletillas y pausas que faltan para una literal estricta, o quitar los tropiezos que quedaron para una literal limpia. Puedes probarlo en la aplicación web con el plan gratuito, sin cuenta, para archivos de hasta 30 minutos.

Cuando la transcripción coincida con el estilo elegido, expórtala en el formato que necesite tu siguiente paso: DOCX o PDF para copias de lectura (plan Pro), TXT para software de análisis, o SRT y VTT para subtítulos. Guarda con cada archivo una nota del estilo y las reglas que usaste, para que cualquiera que lo lea después sepa exactamente qué significaba "literal" en tu proyecto.