Transcribir MP4

El MP4 es el 15,9% de todo lo que se sube aquí: 5.987 archivos, con una mediana de 13 minutos 49 segundos a 684 kbps. Casi toda esa tasa de bits es imagen, y nada de ella se transcribe: la pista de audio se extrae al llegar y el vídeo se descarta.

De ahí, dos cosas. La resolución y el códec no cambian la transcripción: un clip 4K en H.265 y uno 720p en H.264 de la misma duración tardan lo mismo y dan el mismo texto. Y si tu cuello de botella es la subida, exportar solo el audio reduce el archivo alrededor de un 90% sin tocar una sola muestra de sonido.

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

Frente a los MP4 subidos aquí: el mediano, algo menos de 14 minutos, vuelve en unos 20 segundos. Nueve de cada diez están por debajo de 67 minutos, alrededor de minuto y medio. La pista de vídeo añade un poco mientras se extrae el audio, y nada más.

Para transcribir, no. El MP4 se normalizó a partir del formato QuickTime, así que ambos contenedores comparten estructura y los dos se suben aquí tal cual, junto con .m4v y .m4a.

La diferencia práctica está en lo que suelen llevar dentro. El MOV carga a menudo ProRes y audio sin comprimir, y por eso alcanza antes el límite de tamaño; el MP4 suele ser H.264 o H.265 con AAC, y por eso el MP4 mediano aquí pesa 47 MB frente a los 54 MB del MOV pese a duraciones parecidas.

En MP4 suele ser el tamaño. A los 684 kbps medianos que vemos, 5 GB son unas 16 horas, pero esa mediana esconde una dispersión enorme: el MP4 más grande procesado aquí pesaba 4,78 GB, justo bajo el techo. Una grabación 4K de alta tasa de bits puede llegar a 5 GB en menos de una hora.

• Exporta el audio si el archivo roza el límite. Una hora de MP4 a nuestra tasa mediana ocupa unos 290 MB; esa misma hora en audio solo, unos 60 MB.
• Corta por escenas, no por reloj. Cortar a mitad de frase cuesta la frase.
• Guarda el original. Una transcripción se repite; un máster recodificado no se recupera.