Audio a texto — transcripción en párrafos con etiquetas de hablante

Tras elegir el archivo, marque «Etiquetar hablantes» en el bloque «Hablantes»: aparece el campo «Cuántas personas hablan». Si lo deja vacío, el número se estima de oído; pero si sabe cuántas personas hay en la grabación, escríbalo: con voces parecidas (dos compañeras, hermanos, personas de la misma edad) es claramente más preciso que adivinar. En el texto final, haga clic en «Hablante 1» y escriba un nombre: se aplica a todas las intervenciones de esa persona y a los archivos descargados.

Ocurre en grabaciones muy largas y donde las voces apenas se distinguen: entonces aparece sobre el texto un aviso de que no se pudieron poner las etiquetas, y el texto se conserva completo. Indique el número de participantes en «Cuántas personas hablan» y vuelva a lanzar la transcripción: con un número conocido, las voces se separan con más fiabilidad. Si la grabación se hizo por pistas (cada persona en su canal), la herramienta ofrece reconocer cada pista por separado, la opción más precisa.

Haz clic en el tiempo al inicio del fragmento: su menú muestra la lista de hablantes, y al elegir uno cambia la etiqueta solo de ese fragmento. Si en un fragmento hay palabras de dos personas —una respuesta corta y la pregunta siguiente—, selecciona esas palabras y abre el mismo menú: solo la selección pasa al otro hablante. Cuando una persona quedó dividida en dos voces, ponle a la segunda voz el mismo nombre y la herramienta preguntará si debe unirlas. El botón «Deshacer» del bloque «Quién habla» revierte cualquiera de estos pasos.

Sobre el texto terminado hay dos interruptores: «Tiempos» y «Hablantes». Desmarque el que no necesite y desaparecerá no solo de la pantalla, sino también de la copia, del DOCX, del PDF y del TXT: descarga exactamente lo que ve. Los subtítulos SRT y VTT llevan siempre el tiempo: es lo que coloca cada línea en su segundo del video.

Elija el procesamiento en el servidor: el archivo va a nuestro servidor, puede cerrar la pestaña y, cuando el texto esté listo, recibirá un correo con el enlace. Una copia del resultado espera en «Mis generaciones», así que la transcripción no desaparece al cerrar el navegador. Estos archivos también pueden procesarse en el navegador, pero lleva horas y depende de que la pestaña siga abierta.

Abra «Nombres y términos» antes de empezar y enumérelos separados por comas: apellidos de los participantes, nombres de empresas y productos, vocabulario profesional. El reconocimiento usa la lista como pista y los escribe como usted indicó, no por el sonido. La lista se guarda en el navegador y se rellena la próxima vez.

Ante todo de la propia grabación: un teléfono sobre la mesa en mitad de una reunión, música de fondo y personas hablando a la vez producen más errores que cualquier elección de modelo. Para el ruso, el modelo del servidor comete bastantes menos errores en grabaciones telefónicas y «de sala» que el del navegador. Si la grabación suena apagada o con ruido, pásela antes por la restauración de voz: el enlace está junto a los ajustes.