Cómo convertir FLAC a texto: guía de audio sin pérdida 2026

Respuesta rápida

Sube tu archivo FLAC a una herramienta de transcripción que lo acepte de forma nativa, selecciona tu idioma y ejecuta. Obtienes la misma precisión que con WAV a aproximadamente la mitad del tamaño de archivo, así que no hay razón para convertir primero a MP3. El resto de esta guía explica qué hace diferente a FLAC por debajo y dónde falla el flujo de trabajo en la práctica.

Qué es realmente FLAC (y por qué lo usan los archivistas)

FLAC son las siglas de Free Lossless Audio Codec (códec de audio libre sin pérdida). Es compresión sin pérdida, lo que significa que el archivo es idéntico bit a bit a un WAV sin comprimir cuando se decodifica. No se descarta ningún dato de audio. El formato utiliza codificación entrópica de tasa variable, por lo que los pasajes silenciosos o simples se comprimen más que los densos y complejos. Para las grabaciones de palabra hablada, que tienen mucho silencio y un contenido de frecuencia relativamente estrecho, FLAC suele alcanzar el 50 % del tamaño del archivo WAV.

Ese cálculo importa de forma concreta. Una hora de audio estéreo con calidad de CD (44,1 kHz, 16 bits) ocupa unos 600 MB como WAV. El mismo contenido en FLAC queda en torno a 300 MB. La voz se comprime especialmente bien porque se sitúa en una banda de frecuencia mucho más estrecha que la música.

WAV sigue siendo el formato dominante en las grabadoras de campo y el equipo de radiodifusión. La Zoom H6 graba en WAV/MP3, la Sound Devices MixPre graba WAV de 32 bits, la mayoría de las portátiles de Tascam graban en WAV. FLAC entra en escena en la etapa de archivo. Los programas de historia oral de bibliotecas universitarias, organizaciones periodísticas y archivos de radio pública convierten habitualmente los másteres WAV a FLAC para almacenamiento a largo plazo, porque la combinación de fidelidad sin pérdida y reducción del tamaño al 50 % es difícil de superar. Las plataformas de streaming en alta resolución (Tidal, Qobuz) también entregan FLAC de 24 bits/96 kHz, que es donde vive gran parte del contenido de música con voz.

Si tienes FLAC en tu disco, casi seguro que proviene de uno de estos tres lugares: un máster WAV convertido para archivo, un ripeo de CD conservado en calidad sin pérdida o una descarga de streaming en alta resolución.

Qué significa FLAC para la precisión de la transcripción

FLAC y WAV ofrecen la misma precisión de transcripción de referencia porque contienen datos de audio idénticos. La investigación de IBM Watson sobre formatos de audio descubrió que MP3 produce aproximadamente un 10 % más de errores (mayor tasa de error de palabras) que WAV o FLAC. Ogg Opus a 64 kbps muestra una degradación de alrededor del 2 %. Esas cifras se mantienen en varios motores porque la pérdida de información de alta frecuencia en los códecs con pérdida elimina pistas fonéticas de las que dependen los modelos de reconocimiento.

El efecto práctico es más visible en material difícil: hablantes con voz baja, acentos marcados, voces superpuestas y grabaciones con ruido de fondo. MP3 a 128 kbps adelgaza la banda de 8-16 kHz donde viven las sibilantes («s», «sh», «t»). FLAC conserva ese rango intacto. En una entrevista limpia con micrófono cercano, la diferencia es invisible. En una grabación de campo desde una sala ruidosa, puede ahorrar un tiempo de edición considerable.

La reflexión más profunda para los archivistas: si invertiste en un máster sin pérdida porque sabías que la grabación tenía valor de archivo, transcribirla como FLAC honra esa inversión. Convertir a MP3 antes de subir es ir en la dirección equivocada.

Una nota sobre lo que FLAC no hace: no mejora una mala grabación. FLAC preserva lo que haya en la fuente. Si la colocación original del micrófono fue deficiente o la sala era reverberante, la transcripción reflejará esos problemas. La compresión sin pérdida no puede recuperar información que nunca se capturó.

La mecánica de códec y contenedor que importa

FLAC es a la vez un códec y un contenedor. A diferencia de MP3, que vive dentro de contenedores MP3, o de AAC, que se envuelve en contenedores M4A o MP4, un archivo .flac contiene directamente tanto el audio comprimido como los metadatos. Esta simplicidad resulta útil: no hay desajustes entre códec y contenedor, ni pistas de vídeo que eliminar, ni capas DRM de las que preocuparse en los casos ordinarios.

Para la precisión de transcripción, las especificaciones relevantes son:

Frecuencia de muestreo. Los archivos FLAC procedentes de rips de CD suelen estar a 44,1 kHz. Las conversiones de grabadoras de campo suelen ser de 48 kHz. Las descargas en alta resolución suelen ser de 96 kHz o 192 kHz. Todas funcionan. Los motores de transcripción remuestrean internamente a 16 kHz, así que todo lo que supere los 48 kHz es ancho de banda de subida desperdiciado.

Profundidad de bits. Tanto 16 bits como 24 bits son habituales y ambos funcionan. La profundidad de bits afecta al rango dinámico y al tamaño del archivo, no al contenido de frecuencia que le interesa al motor.

Canales. Mono y estéreo son lo estándar. FLAC admite hasta 8 canales, así que los archivos 5.1 y 7.1 son posibles, normalmente procedentes de rips de audio de películas. Hay que mezclarlos a menos canales antes de subirlos (más sobre eso abajo).

Tasa de bits variable por naturaleza. FLAC es inherentemente VBR. La tasa de bits fluctúa a lo largo del archivo según la complejidad del audio. Un FLAC de una hora de discurso podría mostrar una media de 700-900 kbps, pero esa cifra no está fijada como la tasa de bits de MP3. No uses la tasa de bits del archivo para juzgar la calidad; usa la profundidad de bits y la frecuencia de muestreo en su lugar.

Tamaños de bloque de codificadores antiguos. Los archivos FLAC codificados antes de la versión 1.3.0 ocasionalmente usan tamaños de bloque no estándar que algunas herramientas rechazan con un error de «códec no compatible». El audio no está dañado. Recodifica con ffmpeg -i in.flac -c:a flac out.flac para obtener un FLAC conforme a la especificación actual. El audio permanece sin pérdida durante esa operación.

Paso a paso: transcribir un archivo FLAC

Comprueba primero el archivo. Ejecuta ffprobe yourfile.flac (incluido con cualquier instalación de FFmpeg) o mira las propiedades del archivo en tu software de audio. Confirma la frecuencia de muestreo, la profundidad de bits y el número de canales. Esto toma 10 segundos y evita sorpresas.

Sube directamente sin convertir. Las herramientas que manejan FLAC de forma nativa conservan la ventaja sin pérdida a lo largo de todo el proceso. Convertir a MP3 antes de subir cambia precisión por nada, ya que las herramientas modernas aceptan FLAC sin queja. Si quieres transcripciones limpias de entrevistas archivadas y grabaciones de campo, consulta cómo convertir WAV a texto para ver el mismo flujo aplicado a fuentes sin comprimir.

Si tu archivo es muy grande (un FLAC estéreo de 4 horas a 24 bits/96 kHz puede acercarse a 4 GB después de la compresión), remuestrea primero a 16 bits/44,1 kHz o divídelo en fragmentos. Consulta la sección siguiente de solución de problemas para los comandos ffmpeg exactos.

Selecciona el idioma manualmente. La detección automática funciona razonablemente bien en grabaciones largas y claras, pero seleccionar el idioma manualmente mejora la precisión entre 2 y 5 puntos porcentuales en clips cortos y habla con acento. La mayoría de los motores admiten entre 50 y 99 idiomas.

Revisa la salida buscando nombres propios y jerga. Los nombres de personas y lugares, los términos técnicos y los números son las categorías de error más comunes independientemente del formato. Una pasada rápida después de la transcripción detecta la mayoría.

Exporta en el formato que necesites. TXT o DOCX para editar y archivar. SRT o VTT si el FLAC se extrajo de un vídeo y la transcripción se usará como subtítulos.

Si quieres probarlo sin instalar ningún software, ConvertAudioToText acepta FLAC directamente sin necesidad de ningún paso de conversión.

Fuentes comunes de FLAC y sus problemas específicos

Archivos WAV a FLAC de grabadoras de campo

La fuente más común. Un periodista grabó una entrevista de 90 minutos en una Zoom H6 como WAV y luego la convirtió a FLAC para almacenamiento a largo plazo. Estos archivos suelen ser estéreo de 48 kHz/24 bits. Se transcriben limpiamente, con un detalle frecuente: las grabaciones estéreo a veces tienen al entrevistador en el canal izquierdo y al entrevistado en el derecho, porque la grabadora se colocó entre ambos. Una herramienta con diarización de hablantes debería detectar y etiquetar a ambos hablantes. Si no lo hace, mezcla a mono primero (ffmpeg -i in.flac -ac 1 out.flac).

Rips de CD de discos de entrevistas e historias orales

Las bibliotecas y los archivos de radio a veces distribuyen colecciones de entrevistas en CD o las publican como descargas FLAC con calidad de CD. Son de 44,1 kHz/16 bits, la especificación FLAC más común, y funcionan sin ninguna preparación. Lo único que hay que vigilar: los límites de pista. Si el CD se dividió en pistas por pregunta o por segmento, quizá quieras concatenar las pistas antes de subir para obtener una transcripción continua con marcas de tiempo precisas, en lugar de enviar 20 archivos cortos individualmente.

Descargas de streaming en alta resolución (Tidal, Qobuz)

Las plataformas que entregan FLAC de 24 bits/96 kHz o 24 bits/192 kHz te dan archivos entre 2 y 3 veces más grandes de lo necesario para la transcripción. Un FLAC estéreo en alta resolución de 1 hora a 96 kHz se comprime desde unos 2 GB (equivalente WAV) hasta alrededor de 1 GB. Esa resolución no aporta ningún beneficio de transcripción. La voz se sitúa por debajo de los 8 kHz; el motor remuestrea a 16 kHz de todos modos. Remuestrear previamente a 16 bits/44,1 kHz con ffmpeg -i in.flac -ar 44100 -sample_fmt s16 out.flac reduce sustancialmente el tiempo de subida sin pérdida de precisión.

Pódcasts musicales y grabaciones de conciertos con segmentos de voz

Los pódcasts musicales, las grabaciones de clases con ejemplos musicales y las grabaciones de conciertos con presentaciones del maestro de ceremonias llegan todos como FLAC porque quien los presenta quiere conservar la música. Las secciones de voz se transcriben con normalidad. El problema son las secciones sin voz: Whisper y modelos similares ocasionalmente alucinan texto plausible durante pasajes instrumentales largos o silencios. La solución es recortar el archivo dejando solo la voz antes de subirlo, o usar una herramienta con detección de actividad de voz (VAD) que omita automáticamente las regiones sin voz. Para más sobre este flujo, consulta las mejores herramientas de transcripción para pódcasts.

FLAC frente a otros formatos para la transcripción

Mi opinión: si tienes FLAC, transcríbelo como FLAC. El ahorro del 50 % de tamaño respecto a WAV sale gratis y la precisión es idéntica. El único escenario en el que tiene sentido convertir es cuando tu herramienta de destino rechaza FLAC, algo cada vez más raro. Para una comparación más amplia de formatos y lo que significan a nivel de API, consulta formatos de audio compatibles con la transcripción y WAV frente a MP3 para la transcripción.

Cuando la transcripción de FLAC sale mal

Archivo demasiado grande para subir. Un FLAC estéreo de 4 horas a 24 bits/96 kHz puede acercarse a 4 GB. Dos opciones. Dividir en fragmentos de 30 minutos: ffmpeg -i in.flac -f segment -segment_time 1800 -c copy out_%03d.flac. O remuestrear todo el archivo a 16 bits/44,1 kHz primero: ffmpeg -i in.flac -ar 44100 -sample_fmt s16 out.flac. La versión remuestreada quedará por debajo de 600 MB por hora sin pérdida de precisión de transcripción.

Texto alucinado durante música o silencio. El modelo inventa texto plausible cuando recibe audio sin voz. Recorta el FLAC dejando solo las secciones de voz antes de subirlo, o elige una herramienta que ejecute preprocesamiento VAD para omitir esas regiones automáticamente.

Etiquetas de hablante intercambiadas o ausentes. Común cuando un FLAC estéreo tiene un hablante por canal. Prueba a solicitar la diarización explícitamente. Si la herramienta aún no lo logra, mezcla a mono primero para que el diarizador trabaje con la señal combinada en lugar de adivinar a partir de la separación de canales.

Error de «códec no compatible». Los archivos FLAC más antiguos (codificador anterior a 1.3.0) usan tamaños de bloque no estándar. Recodifica: ffmpeg -i in.flac -c:a flac out.flac. El audio es idéntico bit a bit después de recodificar; sin pérdida de calidad.

La tasa de bits parece incorrecta en el inspector de archivos. FLAC es de tasa variable por diseño. Una lectura de 700 kbps o 1100 kbps es normal y no indica un problema. Lo que importa es la profundidad de bits y la frecuencia de muestreo, no el promedio de la tasa de bits VBR.

Preguntas frecuentes

¿Es FLAC mejor que MP3 para la transcripción?

Sí, de forma medible. La investigación de IBM Watson sobre formatos de audio encontró que MP3 produce aproximadamente un 10 % más de errores de transcripción que WAV o FLAC. La brecha es mayor con hablantes de voz baja, acentos marcados y grabaciones ruidosas. Si ya tienes FLAC, transcríbelo como FLAC. Convertir primero a MP3 descarta información de frecuencia que el modelo podría usar.

¿Puedo transcribir FLAC gratis?

Sí. ConvertAudioToText transcribe los primeros 10 minutos de un archivo FLAC sin necesidad de registrarse, y una cuenta gratuita añade 10 minutos de transcripción otorgados una sola vez al registrarte. Para archivos más largos o volumen recurrente, un plan de pago elimina ese límite.

¿Aceptará un motor de transcripción FLAC de 24 bits?

Sí. Los motores modernos remuestrean el audio internamente a 16 kHz mono, independientemente de la profundidad de bits o la frecuencia de muestreo de tu fuente. Un archivo de 24 bits/96 kHz funciona perfectamente. El principal inconveniente es el tiempo de subida: a unos 2 GB por hora antes de la compresión FLAC, los archivos muy grandes en alta resolución tardan un tiempo en transferirse.

¿Qué pasa si mi FLAC tiene varias pistas de audio?

FLAC admite hasta 8 canales. La mayoría de las grabaciones de palabra hablada son mono o estéreo y funcionan sin ninguna preparación. Si tienes un archivo 5.1 o 7.1, mézclalo a mono primero con ffmpeg (ffmpeg -i in.flac -ac 1 out.flac). El canal central suele llevar el diálogo en las mezclas surround.

Fuentes

• IBM Watson Speech Services: "Why the Audio Compression Format Impacts the Speech-to-Text Transcription Accuracy", https://medium.com/ibm-data-ai/why-the-audio-compression-format-impacts-the-speech-to-text-transcription-accuracy-84da6438024c
• OpenAI Whisper GitHub repository and format documentation, https://github.com/openai/whisper
• Zoom H6 product manual (WAV/MP3 format specs), https://zoomcorp.com/media/documents/E_H6.pdf
• Sound Devices MixPre-3 II product page, https://www.sounddevices.com/product/mixpre-3-ii/
• FLAC Wikipedia specification page, https://en.wikipedia.org/wiki/FLAC
• University of Pittsburgh Oral History Toolkit: File Formats, https://pitt.libguides.com/oralhistorytoolkit/formats
• AssemblyAI: Best audio file formats for speech-to-text, https://www.assemblyai.com/blog/best-audio-file-formats-for-speech-to-text
• Colin Crawley Audio File Size Calculator, https://www.colincrawley.com/audio-file-size-calculator/
• FFmpeg segment muxer guide, https://www.samgalope.dev/2024/11/11/audio-segmentation-a-simple-guide-to-splitting-long-audio-files-with-ffmpeg/