Los audios de WhatsApp tienen mala fama. Pregúntale a cualquiera y te va a hablar del monólogo de cinco minutos, de la actualización que no termina nunca, de ese audio que dejas para después y terminas escuchando una hora más tarde. Queríamos saber cuántas veces pasa eso de verdad.
Así que contamos. Kaption transcribió más de 100 millones de audios de WhatsApp en los últimos tres años. Para este artículo nos fijamos en los 90 días más recientes: entre el 25 de julio y el 22 de octubre de 2026, Kaption transcribió unos 7,8 millones de audios en WhatsApp Web. Esto es lo que esos números dicen sobre duración, idioma, lugar y horario. No leímos el contenido de ningún mensaje para obtenerlos. La sección de metodología, al final, explica exactamente qué se contó.
Actualizado en octubre de 2026
En pocas palabras
- El audio mediano dura 14 segundos. El promedio es de 26 segundos.
- Solo el 7,7% supera el minuto. Solo el 0,4%, alrededor de 1 de cada 240, supera los cinco minutos.
- El 74% está en portugués y el 18% en español. Detectamos más de 40 idiomas.
- El 84% se transcribe entre las 8:00 y las 18:00, hora local. La hora de más actividad es a las 11:00.
- Un sábado tiene alrededor de una cuarta parte de los audios de un día hábil. Un domingo, alrededor de una octava parte.
¿Cuánto dura un audio?
La mayoría son cortos. Cuatro de cada diez duran 10 segundos o menos. Más de nueve de cada diez terminan antes del minuto.
| Duración | Porcentaje de los audios |
|---|
| 10 segundos o menos | 39,2% |
| 11 a 60 segundos | 53,1% |
| 1 a 2 minutos | 5,5% |
| 2 a 5 minutos | 1,8% |
| 5 a 10 minutos | 0,29% |
| 10 a 30 minutos | 0,11% |
| Más de 30 minutos | 0,016% |
El promedio (26 segundos) es casi el doble de la mediana (14 segundos). Esa diferencia se debe a una pequeña cantidad de grabaciones largas. Esta es la misma distribución en percentiles:
| Percentil | Duración |
|---|
| Mediana (50) | 14 segundos |
| 75 | 28 segundos |
| 90 | 52 segundos |
| 99 | 3 minutos 7 segundos |
| 99,9 | 10 minutos 49 segundos |
Estos números casi no cambian si se mira un período más largo. En los últimos 12 meses, la mediana siguió en 14 segundos, el promedio en 26 segundos y la proporción de audios de más de un minuto en 7,7%.
El audio de cinco minutos existe, pero es raro
Alrededor de 1 de cada 240 audios supera los cinco minutos. Alrededor de 1 de cada 800 supera los diez minutos. Alrededor de 1 de cada 6300 supera la media hora.
Los audios largos son raros, pero cada uno exige mucho tiempo de escucha. Un audio de 14 segundos te cuesta 14 segundos. Un audio de 12 minutos en un grupo de trabajo es otro problema. Para eso están los resúmenes. Entre los audios que recibieron uno, el resumen mediano tenía 72 palabras, y la transcripción mediana de la que salió tenía 147 palabras. El resumen ocupa más o menos la mitad.
Palabras, no segundos
La transcripción mediana tiene 38 palabras. El promedio es de 66 palabras, y nueve de cada diez transcripciones tienen 136 palabras o menos. En la mayoría de los audios, el texto es un párrafo corto, muchas veces apenas una o dos oraciones.
¿En qué idiomas?
Cada transcripción recibe un idioma detectado. Tenemos ese dato para alrededor del 85% de las transcripciones del 27 de agosto al 22 de octubre de 2026, así que la tabla de abajo cubre ese período más corto.
| # | Idioma | Porcentaje de los audios |
|---|
| 1 | Portugués | 74,4% |
| 2 | Español | 17,7% |
| 3 | Inglés | 2,0% |
| 4 | Italiano | 1,7% |
| 5 | Árabe | 0,8% |
| 6 | Alemán | 0,5% |
| 7 | Hindi | 0,5% |
| 8 | Francés | 0,4% |
| 9 | Ruso | 0,4% |
| 10 | Chino | 0,3% |
Los dos primeros idiomas suman el 92% de los audios. Los diez primeros, el 98,7%. Más de 40 idiomas aparecieron al menos 100 veces cada uno.
El inglés queda tercero con el 2%, muy lejos de los dos primeros. La tabla de países de abajo explica por qué.
¿Dónde?
Esta tabla usa el código de país del número de WhatsApp de la cuenta de Kaption. Estados Unidos y Canadá comparten el código +1, por eso aparecen juntos.
| # | País | Últimos 90 días | Últimos 12 meses |
|---|
| 1 | Brasil | 74,7% | 71,6% |
| 2 | Argentina | 7,6% | 8,4% |
| 3 | Colombia | 4,5% | 4,1% |
| 4 | Italia | 1,3% | 1,8% |
| 5 | España | 1,2% | 1,7% |
| 6 | Perú | 1,1% | 1,3% |
| 7 | México | 1,0% | 1,1% |
| 8 | EE. UU. y Canadá | 0,7% | 0,9% |
| 9 | Venezuela | 0,7% | 0,8% |
| 10 | Chile | 0,5% | 0,6% |
En 12 meses, Israel (0,9%) también entró entre los diez primeros y Chile quedó afuera. La tabla de idiomas y la de países cuentan la misma historia: primero Brasil, después la América Latina hispanohablante.
¿Cuándo?
Los audios en WhatsApp Web se transcriben en horario laboral. Los horarios de abajo son locales, según la zona horaria del país de cada cuenta. Cubren nueve de los diez países de la tabla anterior (todos menos Estados Unidos y Canadá), que representan el 93% de los audios. Para Brasil y México, que tienen más de una zona horaria, usamos la de la capital.
| Hora local | Porcentaje de los audios |
|---|
| 00:00 a 06:00 | 0,8% |
| 06:00 a 09:00 | 6,0% |
| 09:00 a 12:00 | 28,5% |
| 12:00 a 15:00 | 25,2% |
| 15:00 a 18:00 | 25,8% |
| 18:00 a 21:00 | 9,7% |
| 21:00 a 24:00 | 3,9% |
La hora de más actividad es de 11:00 a 12:00, con el 10,4% de los audios del día. Hay una baja clara a la hora del almuerzo: las franjas de las 12:00 y las 13:00 tienen alrededor de un 22% menos de actividad que la de las 11:00. Después, la tarde vuelve a subir y se mantiene estable hasta las 17:00.
La semana muestra el mismo patrón, y todavía más marcado.
| Día | Audios en comparación con un día hábil promedio |
|---|
| Lunes | 88% |
| Martes | 104% |
| Miércoles | 99% |
| Jueves | 106% |
| Viernes | 102% |
| Sábado | 24% |
| Domingo | 12% |
Sábado y domingo juntos suman menos del 7% de la semana. Creemos que esto dice menos sobre los audios que sobre dónde la gente los lee. Estos números vienen de WhatsApp Web, que se usa en la computadora, y para la mayoría la computadora es donde se trabaja. Los audios siguen llegando el fin de semana. Simplemente no se leen frente a un escritorio.
Metodología
Qué contamos. Un registro por cada audio que Kaption convirtió en texto en WhatsApp Web, en la computadora. No se incluyen la app de Kaption para el celular ni las grabaciones de llamadas. Si dos personas transcribieron el mismo audio, por ejemplo en un grupo, cuenta dos veces.
Período. Del 25 de julio al 22 de octubre de 2026 (90 días, UTC), más el período del 23 de octubre de 2025 al 22 de octubre de 2026 para las comparaciones de 12 meses. Los datos de idioma cubren del 27 de agosto al 22 de octubre de 2026, porque desde entonces existe el registro del idioma detectado.
Qué excluimos. Las cuentas internas y de prueba de Kaption, los registros sin cuenta y los registros sin duración. También descartamos unas pocas duraciones de más de cuatro horas por ser errores de grabación: 6 registros de los 7,8 millones de la muestra.
De dónde salen los números. Cada transcripción deja un pequeño registro de uso: cuándo ocurrió, cuánto duraba el audio, cuántas palabras salieron, el idioma detectado y el código de país del número de la cuenta. Todas las cifras de este artículo son conteos o porcentajes calculados sobre millones de esos registros.
Qué no hicimos. No leímos, escuchamos ni analizamos ningún audio ni ninguna transcripción para escribir esto. Ningún contenido de mensajes forma parte de esos registros. No miramos la actividad de ninguna persona en particular, y nada en este artículo permite identificar a una persona o una cuenta.
Preguntas
¿Cuánto dura en promedio un audio de WhatsApp?
Entre los audios transcritos con Kaption desde fines de julio hasta fines de octubre de 2026, la mediana fue de 14 segundos y el promedio de 26 segundos. Menos del 8% superó el minuto.
¿Qué tan comunes son los audios largos?
Son raros. Alrededor del 0,4% de los audios superó los cinco minutos y alrededor del 0,1% los diez. Llaman la atención porque cada uno lleva mucho tiempo escucharlo.
¿Por qué el portugués es el idioma más común?
La mayoría de los audios que transcribimos vienen de cuentas con números brasileños, y mandar audios es un hábito muy fuerte en Brasil. El español queda segundo, con Argentina, Colombia, Perú, México y el resto de América Latina, además de España.
¿Leyeron los mensajes de la gente para obtener estos números?
No. Las cifras salen de registros de uso que contienen conteos, duraciones, horarios, una etiqueta de idioma y un código de país. No contienen audio ni texto. Consulta la sección de metodología más arriba.
¿Puedo leer los audios como texto en la computadora?
Sí. La extensión gratuita de Kaption para WhatsApp Web transcribe audios en Chrome y Edge, y la app de escritorio hace lo mismo en Mac y Windows. Aquí tienes una guía paso a paso: cómo transcribir audios de WhatsApp en la computadora.
