Cómo hacer que una nota de voz sea accesible para una persona sorda o con dificultades auditivas

Esto suele surgir en un momento corriente, sin planear: un mensaje de voz del médico, una nota de voz de un familiar, la grabación de una reunión a la que alguien no pudo asistir. Reenviar el audio parece lo obvio y lo generoso. Para quien es sordo o tiene dificultades auditivas no es generoso, es simplemente inerte: un archivo que reproduce sonido por un canal que no puede usar, no muy distinto de enviarle una foto a alguien ciego y llamarlo una descripción.

La grabación nunca fue la parte accesible

Una nota de voz es, por construcción, audio: una señal pensada para los oídos. Eso es así sin importar lo bien grabada que esté, lo buena que fuera la posición del micrófono o lo silenciosa que estuviera la habitación. Nada de lo que hace que una grabación suene bien cambia lo que fundamentalmente es. La única versión de una nota de voz que resulta accesible para quien no puede oírla es la que está hecha de palabras sobre una página, y eso significa que aquí una transcripción no es un extra opcional como podría serlo para alguien que oye y podría escuchar igualmente. Es la entrega entera.

Qué formato de exportación enviar de verdad

Una exportación de transcripción viene en dos formas, pensadas para lectores distintos. Una exportación TXT pone el título, la fecha, la hora y el lugar encima de la transcripción, y debajo las palabras como prosa continua y sencilla, la misma forma que un mensaje de texto o un correo, que se abre sin problemas en Notas, Correo, Mensajes o cualquier editor de texto en cualquier tipo de dispositivo. Una exportación JSON lleva esos mismos datos como campos separados y añade algunos más, como duración, estado de ánimo y etiquetas, envueltos en la puntuación que espera un programa para analizarlos, no una persona para leerlos.

Para entregarle una transcripción a una persona, TXT es casi siempre la opción correcta. Es lo que pide una lectura sencilla de "qué dijeron", y no le exige nada a quien la recibe más allá de saber abrir un archivo de texto, algo que ya puede hacer cualquier teléfono u ordenador. JSON tiene un propósito real —mover datos estructurados a otro sitio, o alimentar una transcripción a un programa que espera campos—, pero leer uno directamente significa abrirse paso entre llaves, comillas y nombres de campo puestos entre tú y las palabras que de verdad importan.

Lo que una transcripción todavía no puede hacer

Entregar las palabras no es lo mismo que entregar subtítulos sincronizados. Ni la exportación TXT ni la JSON llevan marcas de tiempo por palabra o por línea: el texto sale como prosa continua, no como líneas cronometradas que pudieran desplazarse junto a la reproducción del audio como hace una pista de subtítulos. Tampoco existe una exportación SRT o VTT, que es el formato que de verdad haría falta para mostrar texto sincronizado con el sonido mientras suena. Lo que puedes entregarle a alguien es el texto completo de lo dicho, para leer por su cuenta; lo que no puedes entregarle es una versión de la grabación donde las palabras aparezcan al mismo tiempo que el audio, porque eso es un tipo de archivo distinto al que produce una exportación de transcripción.

En la práctica esto rara vez es la carencia que parece. La mayoría de las situaciones en las que de verdad se comparte una nota de voz —un mensaje de voz, una nota de un familiar, apuntes de una reunión a la que alguien faltó— se leen una vez, al ritmo de quien las recibe, no se siguen en tiempo real junto a un vídeo. El texto plano hace el trabajo que importaba. Los subtítulos sincronizados importan más para el vídeo, donde la imagen y el tiempo hacen un trabajo conjunto real, y eso es un problema distinto a hacer legible una grabación de voz.

Léela antes de enviarla, no después

Una transcripción es texto editable sobre la grabación, no una copia impresa cerrada, y eso importa aquí más que en casi cualquier otro uso de una transcripción. Quien oye y se topa con una frase confusa puede simplemente reproducir el audio y escuchar qué se dijo en realidad. Alguien sordo o con dificultades auditivas no tiene ese recurso: el texto es la única versión de la grabación que le llega, así que un nombre mal reconocido o una palabra sin sentido no es un detalle menor, es el mensaje entero que recibe en ese punto de la grabación. Dale a la transcripción una relectura contra tu propio recuerdo de la conversación antes de enviarla, y corrige cualquier cosa que parezca una suposición y no una palabra —el mismo repaso rápido que merece la pena hacer antes de compartir cualquier transcripción con cualquiera, pero aquí es la diferencia entre que reciban el mensaje o reciban un vacío.

Cuando es más de una grabación

Un solo mensaje de voz es una exportación puntual. Una situación que se repite —un familiar sordo que quiere el texto de cada nota de voz que llega al chat familiar, o un estudiante que necesita la transcripción de cada clase grabada— es, en realidad, el mismo trabajo hecho una y otra vez: exportar como TXT, leerlo una vez, enviarlo. No hay ningún paso por lotes que cambie esto, ni hace falta que lo haya; una transcripción cuesta un puñado de kilobytes y un minuto de lectura sin importar cuántas veces lo repitas, algo bastante más pequeño de lo que parece la primera vez.

El audio sigue mereciendo la pena conservarlo

Nada de esto significa que el .m4a haya que tirarlo o dejarlo fuera. Enviar tanto la transcripción como la grabación original no cuesta nada extra y cubre los casos que el texto solo no cubre: alguien que oye en la misma conversación y quiere el audio, un destinatario que lee los labios y prefiere ver la grabación de una videollamada en lugar de solo leerla, o simplemente querer conservar el original por si una transcripción necesita una segunda revisión más adelante. La transcripción es lo que hace accesible la grabación para quien no puede oírla; el audio no compite con eso, sencillamente no es la parte que hace ese trabajo en concreto.

Cómo lo resuelve Voice Studio

Exportar una transcripción como TXT o JSON, o compartir una grabación como su archivo .m4a, son partes normales y sin restricciones de la app gratuita: nada de esto está detrás de Pro. Una transcripción dentro de Voice Studio es texto editable sobre la grabación, así que corregir un nombre mal reconocido o una frase confusa antes de enviarla es una edición normal, no un truco. No hay exportación SRT ni VTT, ni tiempo por palabra en ninguno de los dos formatos de transcripción, así que lo que envías es el texto completo de una grabación, no subtítulos sincronizados con ella —algo que conviene saber de antemano y no descubrir después.

Preguntas frecuentes

¿Sirve de algo compartir el propio archivo de audio con alguien sordo o con dificultades auditivas?

No. La grabación es sonido, y compartirla no le entrega nada que pueda usar por sí solo. La transcripción es lo que de verdad le llega; el audio importa por otras razones, pero no por esta.

¿Debería enviar la transcripción como TXT o como JSON?

TXT, para entregarle palabras a una persona. Se abre como prosa clara y legible en cualquier dispositivo. JSON lleva los mismos datos como campos estructurados y añade algunos más, como duración y etiquetas, algo que conviene más para mover datos a otro programa que para leerlo directamente.

¿Puedo hacer que el texto avance junto al audio como si fueran subtítulos?

No. Ninguno de los dos formatos de exportación lleva marcas de tiempo por palabra o por línea, y no existe exportación SRT ni VTT, así que no hay forma de sincronizar el texto con la reproducción. Lo que puedes enviar es la transcripción completa para leer por su cuenta.

¿Por qué importa más revisar esta transcripción que una normal?

Porque quien la recibe no tiene audio al que recurrir si una palabra parece rara. Alguien que oye puede simplemente volver a reproducir la grabación; para quien no puede oírla, el texto es el mensaje entero, así que una palabra mal reconocida es un vacío real y no un simple desliz.