En algún lugar de tu exportación de WhatsApp hay un archivo llamado `AUD-20260214-WA0003.m4a`, y nada en él dice qué contiene. Pasar un M4A de WhatsApp a texto es el mismo trabajo que transcribir cualquier otro audio de un chat — cambia la extensión, no el problema. Pero la extensión sí cuenta de dónde vino la grabación, y entenderlo vale dos minutos antes de transcribir nada.
Una nota de voz grabada dentro de WhatsApp — la de mantener pulsado el botón del micrófono — es audio Opus dentro de un contenedor OGG. En una exportación llegan como archivos `.opus`: `PTT-20260214-WA0007.opus` desde un Android (PTT viene de push-to-talk, pulsar para hablar), o nombres numerados como `00000012-AUDIO-2026-02-14-10-31-22.opus` desde un iPhone.
Un `.m4a` entró al chat por otra puerta. Es audio que se grabó fuera del flujo de nota de voz y luego se compartió:
Transcribe todos los audios de este chat de una vez.
Analizar mi chatEn Android, el nombre del archivo delata la diferencia: el prefijo `PTT-` marca una nota de voz grabada, `AUD-` marca un audio compartido. Las exportaciones de iPhone usan los nombres `AUDIO` numerados para ambos casos, así que ahí la pista es la extensión.
La consecuencia práctica merece atención: un `.m4a` en un chat suele ser la grabación que más importa. Nadie abre la grabadora, graba cuatro minutos y comparte el archivo en una conversación por accidente. Esas grabaciones son deliberadas de una forma en que una nota de voz en mitad del chat rara vez lo es.
El `.m4a` es un contenedor de audio MPEG-4, casi siempre con AAC — el códec que Apple usa en Notas de Voz, en Música y en buena parte de iOS. A diferencia del `.opus`, que la mayoría del software de escritorio se niega a abrir, el `.m4a` se reproduce en todas partes. Haz doble clic en un Mac o en un Windows y suena.
Eso invierte la queja habitual. Con `.opus`, la gente se atasca en "el archivo no se abre" — la situación que recorre en detalle la transcripción masiva de notas de voz .opus de WhatsApp. Con `.m4a`, el archivo se abre sin problema, y abrirlo es todo lo que puedes hacer. Sigues sin poder buscar en él la frase donde se acordó un precio, hojearlo como se hojea un texto, citar una línea en un correo o leerlo en secuencia con los mensajes que lo rodean. La reproducción nunca fue el obstáculo. El audio como medio es el obstáculo.
Decídelo antes de empezar, porque las respuestas son distintas.
Si de verdad tienes un solo `.m4a` corto y solo necesitas saber qué dice, reproducirlo y teclear lo esencial puede ser la vía más rápida. Transcribir audio de WhatsApp en iPhone y Android sin apps cubre los apaños en el propio teléfono — pero son apaños, y nada integrado en ninguna de las dos plataformas toma un archivo de audio de un chat y te devuelve texto.
La situación más común es que el `.m4a` no viaja solo. Está en una conversación con decenas de notas de voz `.opus` alrededor, y la grabación solo tiene sentido frente a los mensajes que la precedieron. Transcribir solo ese archivo te deja con un párrafo de texto suelto, desconectado de la discusión a la que pertenece. Lo que realmente quieres es toda la capa de voz del chat en texto, en orden — que es un trabajo por lotes, y transcribir todas las notas de voz de una exportación a la vez es el patrón para hacerlo.
ThreadRecap toma el .zip exportado y transcribe todo lo que hay dentro, sea cual sea la extensión.
En WhatsApp, abre la conversación, toca el nombre del contacto o del grupo, elige Exportar Chat y selecciona Adjuntar Archivos en iPhone o Incluir Archivos en Android. Este paso importa más que ningún otro: la opción de solo texto descarta todos los archivos de audio en silencio, `.m4a` incluido, y nada en el archivo resultante avisa de que faltan las grabaciones.
Sube la exportación en audio de WhatsApp a texto. El analizador identifica cada archivo de audio de la exportación — `.opus`, `.m4a`, `.ogg` y `.mp3` se reconocen todos — y empareja cada uno con su mensaje en el registro del chat. El precio se muestra antes de que nada se ejecute, calculado a partir de lo que se midió en tu exportación; el cargo final puede diferir de esa estimación. El análisis se cobra por el tamaño del chat y el audio por la cantidad que hay, con créditos comprados que nunca caducan y sin suscripción. Si una transcripción falla, los créditos vuelven automáticamente.
Cada transcripción se coloca en la línea de tiempo de la conversación en el momento en que se envió su audio, atribuida a quien lo envió. La grabación compartida, las notas de voz de alrededor y los mensajes escritos entre ellas se leen como una conversación continua. A partir de ahí puedes buscar, citar o generar un resumen — lo dicho en voz alta cuenta igual que lo escrito.
Buena parte de los consejos en internet para transcribir m4a empieza con "primero convierte tu .m4a a MP3" o "conviértelo a WAV". Sáltatelo por completo.
Convertir un formato con pérdidas en otro recodifica el audio, y recodificar solo puede perder información — el modelo de transcripción acaba oyendo una grabación algo peor que la que tenías. Convertir a WAV infla el tamaño del archivo y no recupera nada, porque lo que la compresión AAC descartó ya no está. Los modelos de transcripción de OpenAI, que son los que usa ThreadRecap, leen `.m4a` directamente, exactamente igual que leen `.opus`. Si una herramienta de transcripción te pide convertir primero, eso dice algo de la herramienta, no de tu archivo.
La misma lógica vale dentro de la exportación. Los formatos mezclados no necesitan clasificación: no separas los `.m4a`, los conviertes y los procesas aparte de los `.opus`. Una subida, y el procesamiento dirige cada archivo según lo que realmente es.
El formato en sí es neutro — AAC a las tasas que usan estas grabaciones transporta la voz con soltura. Lo que mueve la precisión es lo que se grabó:
El idioma se detecta por clip, así que un chat que mezcla notas de voz en inglés con una grabación en español vuelve con cada grabación transcrita en su propio idioma. Y contrasta con el audio cualquier transcripción de la que pienses depender: la transcripción automática es un documento de trabajo, no uno certificado.
La extensión de un archivo de audio de WhatsApp registra cómo se hizo el audio. `.opus` significa nota de voz grabada en la app; `.m4a` suele significar una grabación que vino de fuera — una nota de voz del iPhone, un archivo reenviado, una exportación de un iPhone antiguo. Vale la pena saberlo porque te dice qué clase de grabación tienes entre manos, y las deliberadas son desproporcionadamente las que merecen lectura.
Lo que la extensión no cambia es la ruta hasta el texto. Exporta la conversación con archivos, sube el .zip una vez, y cada grabación que contiene — entrara por la puerta que entrara — vuelve como texto con fecha, autor y búsqueda en la línea de tiempo de la conversación. Si tu exportación resulta ser toda `.opus` al final, la página de .opus a texto legible cubre las particularidades de ese formato. La subida es la misma en cualquier caso.
Sube tu exportación y cada audio se convierte en texto con hora, dentro de la conversación completa.
WhatsApp transcribe notas de voz en el propio teléfono, una por una y en pocos idiomas. Qué funciona en iPhone y Android sin instalar nada, y dónde se acaba.
29 jul 20268 min de lectura
Por qué algunos audios de WhatsApp llegan como .m4a en lugar de .opus, y cómo convertir cada mensaje de voz m4a de la exportación en texto con fecha y hora.