Cómo corregir una mala transcripción en el iPhone

Una transcripción que acierta el noventa y cinco por ciento y falla siempre en el mismo cinco por ciento no es una función rota. Es lo que realmente es el reconocimiento de voz: un modelo adivinando sonido, que acierta mucho con las palabras normales y falla con las que nunca ha aprendido a esperar.

Por qué las palabras salen mal, para empezar

Dos cosas distintas deciden lo que recibes. Una es qué motor de reconocimiento se usó: el reconocimiento de voz de iOS intenta primero el modelo local, y solo recurre al servidor de Apple si esa pasada vuelve vacía o falla. Cualquiera de los dos caminos puede producir una palabra equivocada — no es que uno acierte y el otro no, es que ambos adivinan con incertidumbre, solo que con modelos de distinto tamaño.

La otra es lo que había de verdad en la sala. La distancia a quien habla, el ruido de fondo y la gente hablando a la vez degradan la señal antes de que cualquiera de los dos motores llegue a verla. Un modelo solo puede adivinar a partir de lo que recibió, y un murmullo bajo a un metro del micrófono le da muy poco con lo que trabajar.

Los errores que se repiten, y por qué

Nombres y sustantivos propios

Un modelo de voz está entrenado con lenguaje general, no con tu lista de contactos ni con tu familia. Nunca ha oído tu calle, el apellido de tu compañero de trabajo ni el nombre de tu perro, así que sustituye por la palabra normal más parecida que sí conoce. Es la corrección más frecuente que hace cualquiera en una transcripción.

Jerga y términos técnicos

El mismo mecanismo, con otro origen. Un modelo entrenado con habla cotidiana no tiene motivo para esperar un término de química, una expresión legal o el nombre de la herramienta interna de tu equipo, y busca algo que suene parecido en su lugar.

Números, deletreos y cualquier cosa dicha deprisa

Un número de teléfono, un correo deletreado o una lista rápida de cosas le dan al reconocedor menos tiempo por palabra, y los errores se agrupan ahí aunque el resto de la frase salga limpio.

Voces superpuestas o habla baja

Cuando dos personas hablan a la vez, o alguien apaga la voz al final de una frase, el reconocedor trabaja con una señal genuinamente deteriorada. Ninguna corrección posterior arregla eso en el origen — solo te dice dónde escuchar con más cuidado cuando revises.

Dos fallos distintos, y piden correcciones distintas

Conviene distinguirlos antes de ponerte a corregir, porque cada uno pide una cantidad de trabajo distinta.

• Una palabra equivocada en una frase por lo demás completa. El reconocedor oyó algo y adivinó mal. Ya sabes más o menos dónde está — la frase de alrededor sigue teniendo sentido — así que es una corrección rápida y puntual.
• Un tramo vacío o incoherente. El reconocedor devolvió poco o nada para esa sección, normalmente porque el audio en sí era demasiado bajo, demasiado ruidoso, o estaba en un idioma cuyo modelo local no funcionó bien en ese clip concreto. Corregir esto significa escuchar el audio y escribir texto que nunca se llegó a generar, lo que lleva más tiempo y solo merece la pena para las partes que importan.

Cómo corregirla sin rehacer todo el texto

• Lee la transcripción una vez, a velocidad normal, de principio a fin. La mayor parte estará bien — no te pares en las frases que ya tienen sentido.
• Donde algo no encaje — una palabra que no cuadra con la frase, un nombre con una grafía rara, un hueco — reproduce solo ese fragmento de audio, no la grabación entera.
• Corrige solo lo que de verdad está mal. Una transcripción no necesita ser bonita, necesita ser exacta en el puñado de sitios donde ahora mismo no lo es.
• Si un nombre o un término aparece más de una vez, cuenta con que estará mal cada vez que aparezca, no solo la primera. El reconocedor no recuerda tu corrección anterior.

Hazlo pronto, no algún día

Una transcripción se copia, se busca y se reenvía mucho antes de que a nadie se le ocurra revisarla. Si más adelante buscas un nombre y no aparece, la razón más habitual es que la grabación lo oyó mal y nadie ha corregido el texto todavía — una palabra mal transcrita es invisible para una búsqueda de la palabra correcta. Corregirla una vez, mientras todavía recuerdas lo que se dijo de verdad, es lo que la hace localizable y citable de ahí en adelante.

Lo que la edición no puede hacer

Editar el texto corrige palabras equivocadas, no estructura ausente. El reconocimiento de voz de iOS no identifica a quién habla, así que la transcripción de dos personas conversando es texto continuo, y ninguna corrección añade las etiquetas "A:" y "B:" — eso hay que hacerlo a mano si lo necesitas. Y si un tramo de audio salió realmente vacío por ser demasiado bajo o ruidoso, corregirlo significa escuchar y escribir tú mismo lo que oyes; no hay un botón que haga que una mala grabación se transcriba mejor la segunda vez. Si el problema está en el propio audio, el arreglo de verdad va antes de la transcripción: colocar el micrófono más cerca y buscar una sala más silenciosa la próxima vez.

Cómo funciona esto en Voice Studio

La transcripción es editable después de generarse — corriges un nombre y dejas el resto. Eso está en la app gratuita, no reservado para Pro; corregir una transcripción forma parte del uso normal, igual que grabar o exportarla. Una vez corregida, queda corregida en todos los sitios donde se usa ese texto: la búsqueda de la biblioteca, que mira títulos, transcripciones y nombres de lugar, encontrará la palabra ya corregida, y una exportación en TXT o JSON lleva la corrección consigo, no la suposición original.

Preguntas frecuentes

¿Por qué mi transcripción se equivoca con el mismo nombre cada vez que aparece?

El reconocedor no tiene memoria entre apariciones — adivina de nuevo cada vez a partir del sonido, no recuerda una corrección anterior. Corregir la primera aparición no corrige el resto; cada una necesita la misma corrección.

¿Puedo hacer que iOS vuelva a transcribir una sección que salió en blanco?

Corregir una transcripción en el iPhone significa escuchar y escribir tú mismo las palabras que faltan. No hay un paso aparte para reintentar una sección que salió vacía — si el audio en sí era demasiado bajo o ruidoso, esa limitación se aplica igual en un segundo intento.

¿Corregir una transcripción cambia el audio original?

No. Editar solo cambia el texto. La grabación de audio queda intacta, así que siempre puedes volver a comprobar una corrección contra lo que realmente se dijo.

¿Corregir una transcripción cuesta algo en Voice Studio?

No. Editar la transcripción forma parte de la app gratuita, igual que grabar, las marcas, la búsqueda y la exportación. No es una de las cosas que añade Pro.