Transcribir FLAC

No llega, y es lo más útil que se puede saber antes de subir un archivo FLAC. Los modelos de reconocimiento de voz trabajan con audio de 16 kHz mono: Whisper construye su entrada a partir de un espectrograma log-mel a esa frecuencia, y todo lo que está por encima de 8 kHz —la mitad de la tasa de muestreo— desaparece antes de la primera capa de la red.

Así que un máster de 96 kHz/24-bit y una copia de CD a 44,1 kHz/16-bit de la misma grabación llegan al modelo como la misma señal de 16 kHz mono. La diferencia que oyes con buenos auriculares es real; la que ve el transcriptor es nula.

Dónde sí cambia la calidad la transcripción

• Tasas de bits muy bajas. Por debajo de unos 32 kbps los códecs con pérdida empiezan a emborronar las consonantes, y eso sobrevive al remuestreo. Por eso una nota de voz mala se transcribe peor que una buena.
• Recodificaciones repetidas. Cada generación añade artefactos. FLAC no tiene generaciones: decodifica y recodifica cuantas veces quieras y las muestras son idénticas.
• La grabación en sí. Colocación del micrófono, sala, voces solapadas y ruido de fondo pesan más que todo lo demás. Ningún contenedor arregla eso.

FLAC es el formato correcto para guardar una grabación. No es una manera de sacarle una mejor transcripción.

Estas son medianas medidas en nuestro clúster de producción, expresadas como tiempo por hora de audio.

El tamaño de FLAC no aparece en esa tabla porque no le corresponde. El archivo se decodifica una vez al llegar, y a partir de ahí una hora sin pérdida y una hora a 128 kbps son el mismo número de muestras. Lo que sí cuesta FLAC es tiempo de subida: a unos 350 MB por hora de estéreo en calidad CD, una grabación de dos horas son unos 700 MB por la red, cuando el mismo audio en MP3 no llegaría a 60 MB.

Si el cuello de botella es la subida y el archivo está a salvo en otro sitio, convertir a un MP3 decente antes es un intercambio razonable: no te costará calidad de transcripción. Si el FLAC es la única copia, súbelo tal cual.

FLAC es un formato de archivo, así que lo que nos llega suelen ser másters y no copias de trabajo.

1. Grabadoras de campo. Los equipos Zoom, Tascam y Sound Devices escriben WAV de forma nativa; FLAC es a lo que se convierte para almacenar. Ambos se suben aquí sin cambios.
2. Audacity y Reaper. En Audacity, Archivo → Exportar → Exportar como FLAC; cualquier profundidad de bits sirve.
3. Archivos institucionales y de radio. La licencia libre de patentes de FLAC es la razón de que bibliotecas y archivos radiofónicos lo adoptaran: un archivo que seguirás pudiendo abrir dentro de treinta años sin pedirle permiso a nadie.
4. Copias de CD. Entrevistas y conferencias prensadas en disco, extraídas sin pérdida en lugar de recomprimidas.

Sea cual sea, suelta el archivo en el recuadro de arriba. Los primeros cinco minutos no requieren cuenta.

FLAC es el formato donde la duración aprieta antes que el tamaño, al revés que los contenedores de vídeo. Un FLAC estéreo en calidad CD ocupa unos 350 MB por hora, así que el techo de 5 GB da para unas catorce horas, mientras que el límite de duración se detiene en ocho.

• Divide por sesión, no por reloj. Un día de entrevistas son varias grabaciones, no un único archivo de ocho horas. Cortar entre ellas no cuesta nada; cortar a mitad de frase cuesta la frase.
• Los másters de alta resolución son la excepción. A 96 kHz/24-bit en estéreo un FLAC se acerca a 1,2 GB por hora, y ahí el límite de 5 GB llega hacia las cuatro horas. Bajar a 44,1 kHz antes de subir es inocuo para la transcripción: el modelo remuestrea a 16 kHz de todos modos.
• Guarda el original. Subas lo que subas, conserva el máster intacto. Una transcripción se puede repetir; un original descartado no se recupera.