Entender la calidad de la transcripción

Por qué las etiquetas de orador y el texto a veces son imperfectos, qué significa la marca de baja confianza y qué mejora la calidad de verdad.

La calidad de la transcripción depende sobre todo de lo que entra: un audio claro produce texto preciso y una separación de oradores fiable; el ruido y las voces superpuestas producen aproximaciones. Saber dónde puede fallar la transcripción le ayuda a decidir qué revisar.

¿Qué precisión puede tener una transcripción?

Ninguna grabación presencial es perfecta y, por tanto, ninguna transcripción de ella es impecable. En una sala, cada micrófono capta también otras voces, el eco y el ruido de fondo, y las personas hablan a la vez. A menos que cada participante hable en su propio micrófono (como en una videollamada, donde cada persona tiene su propio canal de audio), un sonido perfecto es prácticamente imposible, y con él una transcripción impecable.

Incluso el mejor reconocimiento de voz comete errores:

Habla clara: en grabaciones claras de una sola persona, los mejores sistemas actuales se equivocan en aproximadamente 1 a 3 de cada 100 palabras en idiomas muy hablados como el inglés, el alemán, el español o el francés.
Conversaciones en grupo: en conversaciones de grupo animadas grabadas con micrófonos de sala, las tasas de error son mucho más altas. En competiciones internacionales de investigación sobre exactamente esta tarea, incluso los mejores sistemas se equivocan en aproximadamente una de cada cinco palabras o la atribuyen a la persona equivocada, y en una de cada tres en las grabaciones más difíciles, como conversaciones durante una cena.
El micrófono: en una comparación publicada de las mismas reuniones, un sistema cometió aproximadamente el doble de errores con un solo micrófono sobre la mesa que con un micrófono que llevaba cada hablante (36 frente a 17 de cada 100 palabras).
El idioma: el reconocimiento de voz aprende de habla grabada, y de algunos idiomas existe mucha más que de otros. Los idiomas con muchos datos de entrenamiento se reconocen mucho mejor que los idiomas con pocos.

Lo que hace deliberAIde: después de cada intervención, deliberAIde vuelve a reconocer ese fragmento, con más detenimiento, y corrige los errores que encuentra. Aun así, quedan algunos errores, así que revise las citas, los nombres y las cifras antes de publicarlos.

Por qué merece la pena: las personas hablan entre tres y cuatro veces más rápido de lo que teclea una persona media, así que quien toma notas tiene que elegir qué anotar, y mucho se pierde o se resume. Una transcripción, aunque tenga algunos errores, recoge toda la conversación, no solo lo que alguien alcanzó a anotar. Junto con el análisis asistido por IA, creemos que así se recogen bastantes más voces, ideas y perspectivas de las que podría recoger por sí sola una persona tomando notas. El reconocimiento de voz mejora constantemente, y actualizamos deliberAIde a medida que avanza.

Etiquetas de orador

deliberAIde separa las voces automáticamente y numera cada una, por ejemplo "Orador 1". Con interrupciones o voces muy parecidas, un segmento puede quedar asignado al orador equivocado. Para renombrar a un orador, haga clic en el nombre del orador en cualquiera de sus segmentos, escriba el nombre real y pulse Enter — el nombre se aplica a todos los segmentos de esa persona y a los nuevos que lleguen. Los nombres reales también hacen legible el desglose de participación en Perspectivas.

Corregir el texto en sí

También puede corregir las palabras de un segmento, no solo el orador. Pase el cursor sobre un segmento, pulse Editar, cambie el texto y pulse Enter para guardar. El texto de origen y el traducido se editan por separado: si la discusión se tradujo, alterne entre Fuente y Traducido encima de la transcripción para corregir cada versión por su cuenta.

Segmentos de baja confianza

Cuando sube una transcripción escrita, la comprobación de formato resume lo que pudo leer: segmentos, oradores detectados, marcas de tiempo. Si algunas líneas no se pudieron interpretar con certeza, el resumen las señala como segmentos de baja confianza — revise exactamente esas partes en la vista previa antes de continuar y corrija el archivo de origen si son importantes. Vea Subir transcripciones de texto para conocer los formatos que se leen sin problemas.

Qué mejora la calidad

La mayor ganancia ocurre antes de grabar, no después:

Use un buen micrófono cerca de quienes hablan — vea Configuración de audio y dispositivos para eventos presenciales.
Reduzca el ruido de fondo y el eco donde pueda.
Pida que hable una persona a la vez; la superposición es la causa principal de etiquetas de orador erróneas.

Después de grabar, las dos correcciones que más rinden son renombrar a los oradores y corregir el archivo de origen de una subida.