Cómo convertir MOV a texto: iPhone, ProRes y QuickTime (2026)

Para convertir un archivo MOV a texto, súbelo a una herramienta de transcripción que lea el formato de contenedor QuickTime. La mayoría de las herramientas extraen la pista de audio automáticamente e ignoran el vídeo por completo. Lo complicado no es la subida, sino saber qué tipo de MOV tienes, porque el códec del interior determina si la subida directa funciona o si extraer el audio primero es el paso más inteligente.

¿Qué hay realmente dentro de un archivo MOV?

MOV es un contenedor, no un códec. El contenedor QuickTime de Apple puede albergar flujos de vídeo radicalmente distintos según el origen del archivo, pero la historia del audio es más sencilla: casi todos los MOV que encontrarás llevan AAC (para grabaciones de iPhone y QuickTime) o PCM (para exportaciones ProRes de Final Cut Pro). Ambos formatos de audio se transcriben limpiamente.

La variable es el códec de vídeo:

Para transcribir, la columna del códec de vídeo determina si puedes subir directamente o si conviene extraer el audio primero. La columna del códec de audio determina la calidad, y siempre está bien.

¿Por qué fallan los MOV HEVC en algunas herramientas?

El iPhone graba en HEVC de forma predeterminada desde iOS 11 (iPhone 8 / 2017). Si compartes ese MOV con una herramienta web que corre en un servidor Linux compilado sin decodificación HEVC, la herramienta no puede demultiplexar la pista de vídeo. Algunas herramientas fallan todo el trabajo con este error en lugar de recurrir al procesamiento solo de audio.

La solución es sencilla: extrae el audio antes de subirlo.

ffmpeg -i video.mov -vn -c:a copy audio.m4a

Esto copia el flujo AAC fuera del contenedor MOV sin recodificar nada. Un vídeo 4K de iPhone de 30 minutos (unos 12 GB) se convierte en un archivo M4A de 14 MB. El tiempo de subida baja de minutos a segundos.

Para cambiar el códec que usa el iPhone: Ajustes, Cámara, Formatos. «Alta eficiencia» = HEVC. «Más compatible» = H.264. Alta eficiencia genera archivos más pequeños pero puede causar los problemas de compatibilidad descritos arriba. H.264 los evita a costa de espacio de almacenamiento.

¿Qué hace distintos a los MOV ProRes?

ProRes es un códec intermedio de posproducción, no un códec de distribución. Apple lo diseñó para preservar la máxima calidad a lo largo de los ciclos de edición, no para ocupar poco espacio. ProRes 422 a 4K y 30 fps ronda los 540 MB por minuto. ProRes 422 HQ ronda los 1,2 GB por minuto. Un iPhone 15 Pro grabando clips ProRes puede alcanzar los 5,5 GB por minuto.

El audio dentro de los MOV ProRes es PCM lineal, que es sin pérdida. Esto es bueno para la precisión de la transcripción, pero irrelevante para el tamaño del archivo: la pista de audio PCM suele pesar menos de 10 MB/min incluso cuando el vídeo es enorme.

El camino correcto para los MOV ProRes es siempre extraer el audio primero. En Final Cut Pro: Archivo, Compartir, Archivo maestro y luego selecciona Solo audio. Esto produce un M4A. Desde la línea de comandos:

ffmpeg -i prores_export.mov -vn -c:a copy output.m4a

Subir ProRes sin procesar a una herramienta de transcripción es un desperdicio. La herramienta descarta el vídeo de todos modos; solo estás esperando a que se suba un archivo de 10 GB para que la herramienta extraiga los 50 MB de audio que realmente necesita.

¿Qué pasa con las grabaciones de pantalla de QuickTime?

La grabadora de pantalla integrada de QuickTime Player en macOS (Cmd+Mayús+5) guarda vídeo H.264 con audio AAC en un contenedor MOV. Estos archivos suelen ser pequeños (el contenido de pantalla comprime bien) y universalmente compatibles.

Hay un escollo constante: QuickTime no puede capturar el audio del sistema de forma nativa en macOS. Sin un dispositivo de audio virtual como BlackHole instalado y enrutado, tu grabación de pantalla contiene solo el audio del micrófono. Si grabaste una demostración de videollamada, el audio que escuchas al reproducirla en QuickTime podría ser únicamente tu propia voz, no la de los demás participantes. Compruébalo antes de transcribir: no hay nada que recuperar si el audio del sistema nunca se capturó.

Los MOV de grabación de pantalla de QuickTime funcionan bien como subidas directas. Los tamaños de archivo son modestos, H.264 tiene soporte universal y el audio del micrófono (cuando existe) es de alta calidad.

Cómo inspeccionar un MOV antes de subirlo

Si no estás seguro de qué hay dentro de un archivo MOV, ffprobe lee la estructura de átomos de QuickTime y te lo dice:

ffprobe -v error -show_streams -select_streams a in.mov

Busca codec_name en la salida. aac es AAC, pcm_s16le o pcm_s24le es PCM sin comprimir, ac3 es el códec Dolby Digital que usaban algunas DSLR antiguas. Los tres se transcriben bien. Si codec_name muestra mp4a, es AAC con una etiqueta alternativa, también válido.

Para los flujos de vídeo, el mismo comando sin -select_streams a muestra el códec de vídeo. hevc significa que quizá quieras extraer el audio primero si la herramienta de destino tiene problemas de compatibilidad con HEVC. prores significa que definitivamente quieres hacerlo.

Cuándo subir directamente y cuándo extraer el audio primero

Sube directamente cuando: el archivo esté por debajo del límite de subida de tu herramienta, el códec de vídeo sea H.264 o H.265 y la herramienta anuncie soporte MOV, y quieras el flujo de trabajo más simple posible.

Extrae el audio primero cuando: el archivo sea un MOV ProRes (casi siempre demasiado grande), la herramienta rechace el archivo o dé error (probablemente un problema de códec HEVC), el archivo pese más de 2 GB, o necesites rapidez y el vídeo no aporte nada.

Para convertir vídeo a texto en general, extraer el audio es el camino fiable. A la transcripción le da igual si el vídeo era 4K o 720p.

Situaciones específicas que conviene conocer

MOV de DSLR con audio AC3

Las DSLR antiguas de Canon y Nikon grababan archivos MOV con vídeo H.264 y audio AC3 (Dolby Digital). AC3 es un códec de calidad broadcast que muchas herramientas de transcripción manejan, pero si te topas con problemas de compatibilidad, recodifica la pista de audio:

ffmpeg -i dslr.mov -vn -c:a aac -b:a 192k output.m4a

Más importante aún: en rodajes profesionales con DSLR suele grabarse audio de referencia en la cámara mientras se usa una grabadora de audio aparte (un Zoom H5, una grabadora de campo Sound Devices) para la toma real. Si tienes archivos de audio separados sincronizados, transcribe esos. El micrófono integrado de la DSLR suele ser mediocre, y el audio de referencia existe solo como referencia de sincronización en la edición.

Audio multipista en MOV

Los archivos MOV profesionales a veces llevan varias pistas de audio: una mezcla estéreo en la pista 0 y canales divididos (izquierda=entrevistado, derecha=entrevistador) en la pista 1. Algunas herramientas de transcripción usan la primera pista por defecto sin preguntar.

Si la transcripción suena como si solo hubiera un lado de la conversación, revisa el archivo:

ffprobe -v error -show_streams -select_streams a -of json in.mov

Cuenta las entradas de streams. Si hay dos, extrae la que quieras especificando el índice del flujo:

ffmpeg -i in.mov -map 0:a:1 -c:a copy track2.m4a

Luego transcribe la pista extraída. Para contenido con dos hablantes en canales divididos, la diarización de hablantes tras mezclar ambos canales funciona mejor que transcribir un solo canal.

MOV vertical de iPhone

Los vídeos verticales de iPhone tienen la misma calidad de audio independientemente de la orientación. Algunos sistemas de transcripción antiguos tropezaban con las dimensiones del vídeo vertical (comprobando la relación de aspecto antes de procesar). Las herramientas modernas lo manejan sin problemas. La pista de audio es idéntica tanto si el teléfono se sostuvo en vertical como en horizontal.

Qué significa realmente «No se puede transcribir este archivo»

La mayoría de los errores específicos de MOV en las herramientas caen en tres categorías:

1. Códec de vídeo no soportado (HEVC): Extrae el audio y sube el M4A en su lugar.
2. Archivo demasiado grande: Extrae el audio, que suele pesar menos de 50 MB incluso en grabaciones de una hora.
3. Sin pista de audio: Abre el archivo en QuickTime (Ventana, Mostrar inspector de película) y verifica que exista una pista de audio. Las grabaciones de pantalla sin micrófono seleccionado, o el B-roll silencioso, no tienen nada que transcribir.

Consejos prácticos para lograr mejores resultados

Usa un micrófono externo cuando puedas. Los micrófonos integrados del iPhone son excelentes de cerca, pero pierden alcance rápidamente más allá de 6 pies (unos 2 metros) y capturan la reverberación de la sala de forma agresiva. Un micrófono de solapa (mediante adaptador Lightning o USB-C) duplica el alcance efectivo. La diferencia de precisión de transcripción entre el micrófono integrado a 10 pies (unos 3 metros) y el de solapa a 15 centímetros es sustancial.

Recorta antes de subir. Las grabaciones de iPhone suelen tener de 15 a 30 segundos de aire muerto mientras pulsas grabar y caminas hasta tu posición. Recorta en Fotos o QuickTime antes de subir; ahorra tiempo de procesamiento y evita segmentos en blanco al inicio de la transcripción.

Graba en modo avión para tomas largas. Las notificaciones y las actualizaciones de apps en segundo plano pueden introducir cortes en las grabaciones de iPhone de más de 30 minutos.

Mi opinión: MOV es un contenedor bien diseñado que alberga contenidos extremadamente distintos según el origen. Los 30 segundos que dedicas a ejecutar ffprobe para ver qué códec hay dentro te ahorran la frustración de una subida fallida o de una transcripción corrupta por parte de una herramienta que gestionó mal un archivo HEVC sin avisar. Extrae el audio para todo lo que sea ProRes. Para todo lo demás, sube directamente.

Si solo necesitas una transcripción limpia sin complicarte con detalles de códecs, ConvertAudioToText gestiona MOV de forma nativa y extrae la pista de audio en el servidor independientemente del códec de vídeo.

MOV frente a formatos relacionados para transcripción

FAQ

¿Es MOV mejor que MP4 para transcribir?

Funcionalmente son iguales. Ambos contenedores llevan audio AAC (y MOV suele llevar PCM en las exportaciones ProRes), que los motores ASR procesan de forma idéntica. Elige por comodidad, no por calidad de transcripción.

¿Por qué mi MOV se reproduce en QuickTime pero falla en otras herramientas?

Casi siempre es el códec de vídeo: HEVC (H.265) requiere un decodificador que no todas las herramientas incluyen. La pista de audio no se ve afectada. Extrae el audio con ffmpeg y sube ese archivo en su lugar: evita por completo el problema del decodificador de vídeo.

¿Puedo transcribir archivos MOV gratis?

Sí. ConvertAudioToText acepta MOV en su plan gratuito (10 minutos de transcripción, otorgados una sola vez al registrarte, 10 minutos por archivo). Para grabaciones más largas, el plan Pro cuesta 9,99 $ al mes con transcripción ilimitada.

¿Cuál es la mejor manera de manejar un MOV ProRes enorme?

Exporta solo el audio desde Final Cut Pro (Archivo, Compartir, Archivo maestro, elige Solo audio) para obtener un M4A pequeño. Para archivos ya guardados en disco, ejecuta: ffmpeg -i in.mov -vn -c:a copy out.m4a. Una exportación ProRes 422 de 30 minutos a 1080p pasa de varios GB a menos de 50 MB.

Fuentes

• Uso de contenido multimedia HEIF o HEVC en dispositivos Apple - Soporte técnico de Apple
• Página de precios de ConvertAudioToText
• Familia de códecs ProRes 422 - Biblioteca del Congreso
• QuickTime Video, Apple ProRes 422 - Biblioteca del Congreso
• Tasa de bits máxima de ProRes en iPhone - Y.M.Cinema
• Documentación de ffprobe - FFmpeg.org
• Errores del códec HEVC en Windows - WinXDVD
• Cómo grabar la pantalla del Mac - Soporte técnico de Apple