ejemplo de transcripciónaudio a textoetiquetas de hablantemarcas de tiempotranscripción literal
Una transcripción convierte el habla en texto y suele organizarla con marcas de tiempo y etiquetas de hablante. El formato cambia según haya una voz, una entrevista ordenada o una reunión con interrupciones.
Free
Los ejemplos siguientes permiten escuchar el tipo de grabación y entender qué debes revisar. El resultado de cualquier sistema depende del audio; no esperes el mismo nivel de limpieza en un estudio que en una sala con eco.
Ejemplo 1: reunión con tres personas
Escucha una reunión real y consulta su transcripción
Corpus AMI · un solo micrófono distante · 3 hablantes · 0:48
0:00 / 0:48
Fuente: reunión EN2002a del corpus AMI Meeting Corpus (CC BY 4.0), grabada con un único micrófono situado en el centro de la mesa. Elegimos esta muestra porque representa una situación real especialmente difícil. La transcripción y las etiquetas de hablante son el resultado sin editar del proceso aplicado a este fragmento: 163 palabras en 10 segmentos y 2 voces detectadas, frente a una referencia humana de 208 palabras, 20 intervenciones y 3 voces. La tasa de error por palabra de este fragmento es del 30,8 %. Los tiempos de las líneas y de las palabras están medidos, no interpolados.
```text
[00:02] HABLANTE 1: Revisemos primero la fecha de lanzamiento.
[00:07] HABLANTE 2: El equipo técnico propone el día dieciocho.
[00:11] HABLANTE 3: [voces solapadas] Necesitamos confirmar el presupuesto antes.
```
En una reunión, presta atención a:
voces que empiezan antes de que termine la anterior;
respuestas breves que pueden omitirse;
etiquetas asignadas a la persona equivocada;
cifras y decisiones;
ruido provocado por la distancia al micrófono.
La transcripción organiza el habla en una secuencia legible, aunque en el audio dos intervenciones ocurran a la vez. Marca el solapamiento si afecta al significado.
Ejemplo 2: entrevista
Escucha la entrevista y consulta su transcripción
Historia oral de dominio público · 0:36 · transcripción sin editar
0:00 / 0:35
Fuente: «Oral Interview w. Sally Stapp», Sausalito Historical Society, 5 de enero de 1985, a través de California Revealed e Internet Archive (casauhs_000095), con Public Domain Mark 1.0 y sin restricciones de uso. Recortamos los primeros 36 segundos y los recodificamos en estéreo a 128 kbps para la web. La transcripción es el resultado sin editar de nuestro proceso aplicado a este archivo; por eso conserva la repetición «when you when you came to Sausalito» que aparece en la grabación. Los tiempos de las líneas y de las palabras están medidos, no interpolados.
```text
[00:04] ENTREVISTADORA: ¿Cuándo empezó el proyecto?
[00:08] PARTICIPANTE: Después de la segunda prueba, a finales de marzo.
[00:13] ENTREVISTADORA: ¿Qué cambió a partir de ese momento?
```
Una entrevista con micrófonos cercanos y turnos claros suele resultar más fácil de revisar. Aun así, comprueba nombres, fechas y citas antes de publicarlas.
Ejemplo 3: mensaje de voz
Escucha un buzón de voz real y su transcripción
Grabación CC0 · recodificada a calidad telefónica · 0:16
0:00 / 0:15
Fuente: «Woman Leaving a Phone Message», de Sample_Me (Freesound, CC0 1.0). La recodificamos en mono a 8 kHz con el códec mu-law que usan los operadores, para que suene como un mensaje de voz y no como una grabación de estudio. La transcripción es el resultado sin editar de nuestro proceso aplicado a este mismo archivo. Los tiempos de cada línea están medidos; el resaltado por palabra se interpola dentro de la línea.
```text
[00:00] Hola, soy Laura. Te llamo para confirmar la reunión del jueves a las diez.
[00:08] Si necesitas cambiar la hora, escríbeme esta tarde. Gracias.
```
Con una sola voz no hacen falta etiquetas de hablante. Las marcas de tiempo pueden colocarse al inicio de cada frase o párrafo.
Transcripción literal y literal limpia
La versión literal conserva repeticiones y falsos comienzos:
```text
[00:08] Tenía que, tenía que revisar el informe antes de enviarlo.
```
La versión literal limpia elimina la repetición sin cambiar la idea:
```text
[00:08] Tenía que revisar el informe antes de enviarlo.
```
Para análisis lingüístico o ciertos procedimientos puede ser necesaria la versión literal. Para notas internas, artículos o subtítulos suele ser más cómoda una versión limpia. Define el criterio antes de editar.
Qué debes revisar
1. Nombres propios: una palabra plausible puede ser el nombre equivocado.
2. Cifras y fechas: contrástalas siempre con el audio.
3. Negaciones: omitir «no» cambia por completo el sentido.
4. Hablantes: confirma quién dijo cada decisión.
5. Fragmentos dudosos: utiliza `[inaudible 00:14:22]` en lugar de adivinar.
Cómo elegir el formato final
DOCX para editar y comentar;
PDF para una copia fija;
TXT para buscar o analizar;
SRT o VTT para subtítulos;
JSON para integraciones y datos estructurados.
Conclusión
El aspecto de una transcripción depende de la grabación y del uso final. Las etiquetas ayudan cuando hay varias voces; las marcas de tiempo permiten verificar; y una convención clara evita que la edición oculte lo que realmente se dijo.
