¿Se puede transcribir una conversación en dos idiomas en el iPhone?

Esto aparece en situaciones corrientes: una llamada con un familiar bilingüe que pasa de español a inglés a media frase, una clase que empieza en un idioma y recibe preguntas en otro, una sesión de práctica de idiomas en la que se cambia adrede de uno a otro. La grabación en sí no tiene ningún problema con nada de eso — a un micrófono no le importa en qué idioma le llega el sonido. El problema aparece en la transcripción.

Por qué iOS no puede simplemente seguir el ritmo

El reconocimiento de voz del iPhone no escucha a ver qué idioma se está hablando y se ajusta sobre la marcha. Se le indica, antes de empezar, un único idioma a esperar, y dedica toda la grabación a encajar lo que oye en los sonidos y el vocabulario de ese idioma. Eso es así tanto si el intento corre en el propio dispositivo como si recurre al servidor de Apple — el idioma es un ajuste hecho de antemano, no algo que se detecta mientras suena el audio.

Para una grabación en un solo idioma de principio a fin, ese diseño es invisible. Para una que cambia de idioma, significa que el ajuste solo acierta con una parte del audio.

Qué aspecto tiene realmente la transcripción

No es un error, ni un hueco en blanco. Los tramos hablados en el idioma que se le indicó al reconocedor salen prácticamente normales. Los tramos hablados en el otro idioma se encajan igualmente en las palabras que más se parecen dentro del idioma indicado, porque es el único vocabulario del que dispone para adivinar — lo mismo que ocurre cuando toda la grabación está puesta en el idioma equivocado, solo que limitado a la parte que de verdad lo estaba. El resultado se lee como palabras reales puestas donde no tocan, no como un error visible a simple vista, y por eso merece la pena comprobar una transcripción contra el audio antes de dar por buena una sección a la que no se prestó atención mientras se hablaba.

Las variantes regionales de un mismo idioma funcionan igual para este caso. Inglés (EE. UU.) e inglés (Reino Unido) son entradas separadas a las que puede apuntar un ajuste de transcripción, no acentos que un mismo modelo absorbe, así que una grabación que se mueve entre ellas tiene el mismo tipo de problema que una que se mueve entre dos idiomas sin relación, solo que más leve.

Elegir qué idioma poner

Cuando un idioma domina claramente la grabación — una clase casi entera en un idioma con algunas preguntas en otro, una llamada en la que sobre todo habla una persona en su propio idioma — pon el idioma de transcripción en el que cubra más audio. Eso deja bien la mayor parte de la transcripción y reduce los tramos minoritarios a lo que hay que leer contra la grabación y corregir a mano, que es un trabajo más pequeño de lo que parece cuando son unas pocas frases y no todo el texto.

Cuando los dos idiomas están más o menos igualados, ningún ajuste va a salir mejor que el otro — cualquiera de las dos opciones acierta aproximadamente la mitad de la grabación y deforma el resto. Esa es la situación en la que dividir la grabación, en vez de elegir un idioma y convivir con el resultado, merece el esfuerzo extra.

Cuándo merece la pena dividir la grabación

Dividir solo ayuda si los idiomas caen en tramos de tiempo bien diferenciados en vez de alternar palabra por palabra dentro de la misma frase — una clase que es un idioma en la primera mitad y otro en la segunda, una conversación en la que una persona habla siempre en un idioma y la otra siempre en el suyo. Corta en el punto donde cambia el idioma, transcribe cada trozo con su propio ajuste de idioma, y cada mitad consigue la misma precisión que tendría una grabación en un solo idioma. Un cambio rápido de ida y vuelta dentro de una misma frase no se divide bien en absoluto — no hay un punto de corte que separe los idiomas, así que una transcripción de ese tipo de habla va a necesitar una revisión corregida a mano de todos modos, se ajuste como se ajuste.

Cómo dividir la grabación en la práctica

Cortar un .m4a en trozos es trabajo de una herramienta de recorte, y conviene saber qué apps tienen una antes de dar por hecho que la que usas para grabar la incluye. La propia app Notas de Voz de Apple trae un recorte básico, y GarageBand permite cortes más elaborados. Una vez que cada trozo es un archivo aparte, importarlo en la app con la que transcribes y poner el idioma correcto para ese trozo es una transcripción tan normal como cualquier otra — nada cambia por el hecho de venir de un recorte.

Convivir con ello, la otra opción

Para buena parte de los casos en que aparece esto — una conversación familiar, una nota de voz rápida que cambia de idioma por costumbre más que por estructura — dividir el archivo es más esfuerzo del que vale la transcripción. Poner el idioma dominante y corregir a mano después los tramos minoritarios da una transcripción legible y utilizable con una sola pasada y una sola corrección, que para la mayoría de las grabaciones personales es el camino más rápido hacia algo que de verdad vas a releer.

Cómo maneja esto Voice Studio

Voice Studio transcribe con un único ajuste de idioma, elegido entre 38 idiomas admitidos, y ese ajuste se aplica a toda la grabación sobre la que se ejecuta — no hay opción por segmentos ni de detección automática, porque el propio reconocimiento de voz de iOS no ofrece ninguna de las dos. La transcripción es texto editable, así que corregir los tramos transcritos en el idioma equivocado es una edición a mano normal, igual que corregir cualquier otra palabra mal puesta. Voice Studio no incluye una herramienta de recorte, así que dividir una grabación por idioma significa cortarla antes en Notas de Voz o GarageBand y volver a importar cada trozo — importar audio ya existente está disponible, y cada trozo importado se transcribe exactamente igual que una grabación hecha en la app. Nada de esto está limitado en la versión gratuita: grabar, importar, transcribir y exportar están disponibles sin restricciones.

Preguntas frecuentes

¿Detecta iOS automáticamente qué idioma se está hablando?

No. A un intento de transcripción se le indica de antemano un único idioma a esperar, y dedica toda la grabación a encajar lo que oye en ese idioma, sin importar lo que realmente se esté hablando.

¿Qué pasa con la parte de una grabación hablada en un idioma que no puse?

Se encaja en las palabras que más se parecen dentro del idioma que sí pusiste, en vez de fallar sin más o cambiar de idioma por sí sola. Se lee como texto real puesto donde no toca, así que conviene comprobarlo contra el audio en vez de darlo por correcto.

¿Merece la pena dividir una grabación en archivos separados por idioma?

Solo si los idiomas caen en tramos de tiempo bien diferenciados en vez de alternar dentro de la misma frase. Una clase que cambia de idioma a mitad se divide sin problema; un cambio rápido de ida y vuelta no, y necesita una revisión corregida a mano de todos modos.

¿Voice Studio admite más de un idioma de transcripción por grabación?

No — un único ajuste de idioma se aplica a toda la grabación, el mismo límite que tiene en general el reconocimiento de voz de iOS. Importar un trozo recortado y transcribirlo aparte con su propio ajuste de idioma es la solución alternativa.