¿Por qué mi transcripción pasó por la nube?

Esta pregunta suele surgir después de notar algo indirecto: una transcripción que tardó más de lo normal, un pico de datos móviles, o simplemente leer una explicación sobre privacidad y preguntarte si te afecta a una transcripción que ya tienes. La respuesta honesta es que no puedes saber a posteriori qué camino siguió cada grabación sin haberlo comprobado en el momento, pero sí puedes saber exactamente qué lo habría provocado, que suele ser más útil.

Es un orden de pasos, no un ajuste

No es un interruptor escondido en Ajustes que se activó solo. Es una secuencia integrada en cómo la app llama al reconocimiento de voz de Apple: intentar la transcripción pidiendo reconocimiento en el dispositivo y, solo si ese intento vuelve vacío o da error, reintentar el mismo audio con el reconocimiento en el dispositivo desactivado. El segundo intento es el que llega al servidor de Apple. La mayoría de las veces el primer intento funciona y el segundo nunca llega a ejecutarse; las veces que sí se ejecuta son las que motivan esta pregunta.

Esa estructura existe por una razón sencilla: la alternativa a reintentar es entregarte una transcripción vacía y quedarse ahí. Un resultado vacío no es un fallo más seguro, solo más inútil. El reintento cambia algo de certeza sobre a dónde fue el audio por una transcripción que efectivamente existe.

Qué hace fallar el primer intento

El idioma no tiene modelo en el dispositivo

El reconocimiento de voz en el dispositivo lo construye Apple idioma por idioma, no se activa de golpe para todos. Si el idioma que transcribías no tiene modelo local en tu teléfono, el intento en el dispositivo falla de inmediato, siempre, sin importar cómo suene la grabación. Nada relacionado con la calidad del audio habría cambiado ese resultado.

El modelo existe pero nunca se descargó

Que un idioma tenga soporte y que ese idioma esté presente en tu teléfono concreto son dos cosas distintas. El modelo local de un idioma suele llegar después de que lo hayas añadido en algún sitio que el sistema note —el teclado o los ajustes de dictado— y el teléfono haya tenido tiempo con Wi-Fi para descargarlo. Un idioma que nunca has usado para dictar puede simplemente no tener su modelo todavía en tu dispositivo, aunque ese idioma tenga soporte local en general.

El propio audio venció a un modelo más pequeño

Los modelos en el dispositivo son lo bastante compactos para correr en un teléfono, lo que los hace menos tolerantes que el modelo de servidor que hay detrás. Un habla floja o lejana, mucho ruido de fondo, un acento marcado o varias personas hablando a la vez son el tipo de audio con el que un modelo local es más probable que no devuelva nada, mientras que el modelo de servidor, más grande, resuelve el mismo clip sin problema. Este es el caso en el que el idioma sí tiene soporte real en el dispositivo y aun así acaba yendo al servidor, solo por cómo suena la grabación.

Es una decisión por grabación, no por app

Como el detonante es «¿falló este intento concreto?», dos grabaciones en el mismo idioma, hechas con minutos de diferencia, pueden seguir caminos distintos. Una clara y cercana puede transcribirse enteramente en el dispositivo; otra más floja, hecha desde el otro lado de la sala, en el mismo idioma, puede fallar en local y recurrir al servidor. No cambió nada en los ajustes entre una y otra: fue el propio audio el que lo decidió.

Qué se envió realmente, si hubo recurso al servidor

Cuando se ejecuta el reintento, lo que se transmite al servicio de reconocimiento de voz de Apple es el audio, no un resumen ni solo texto parcial. Ese servicio es una vía propia de Apple, la misma que hay detrás del dictado del teclado, y no una empresa externa elegida por la app. «Propio de Apple» no es lo mismo que «local», y conviene mantener esas dos ideas separadas: el audio sí salió del teléfono, aunque no salió del ecosistema de un servicio que Apple ya documenta y opera.

Cómo saberlo de antemano, en vez de después

Como la bifurcación ocurre por grabación, la única forma de saberlo con antelación es quitar la opción de recurrir al servidor y ver qué pasa: pon el teléfono en modo avión con el Wi-Fi apagado y transcribe. Sin red disponible, el reintento no tiene a dónde ir. Que vuelva una transcripción significa que el intento en el dispositivo tuvo éxito por sí solo; que no vuelva nada significa que esa grabación —en ese idioma, en esa sala— siempre iba a necesitar el servidor.

Esa prueba vale para la grabación con la que la haces. Una sala distinta, un idioma distinto o una persona distinta pueden caer del otro lado de la misma bifurcación, así que merece la pena repetirla para todo aquello cuya respuesta te importe de verdad, en vez de fiarte de un único resultado para generalizar.

Cómo encaja Voice Studio en esto

Voice Studio intenta siempre la transcripción en el dispositivo primero, en cada grabación y en cada uno de sus 38 idiomas de transcripción, y solo reintenta con el reconocimiento en el dispositivo desactivado si ese primer paso vuelve vacío o da error. Ese reintento es lo que envía audio al servicio de voz de Apple, y es el único camino por el que el audio sale del teléfono: Voice Studio no tiene cuenta, ni servidor propio, ni SDK de analítica, así que nada de una grabación va a ningún otro sitio, sea cual sea el intento que produjo la transcripción. Si quieres certeza sobre una grabación concreta en vez de una explicación a posteriori, transcribirla en modo avión resuelve la duda directamente: o el paso en el dispositivo la resuelve, o no vuelve nada, y en ningún caso se envió audio.

Preguntas frecuentes

¿Puedo desactivar el recurso a la nube y obtener siempre transcripciones locales?

No como un ajuste, pero puedes forzar ese mismo resultado transcribiendo en modo avión. Sin red disponible, solo el intento en el dispositivo puede producir un resultado: si falla, obtienes una transcripción vacía en vez de una enviada al servidor.

¿Que una transcripción pasara por la nube significa que la app eligió enviarla a algún sitio?

Significa que el intento en el dispositivo para esa grabación concreta volvió vacío o dio error, y que la app reintentó sin pedir reconocimiento local. Es una respuesta a un intento local fallido, no una decisión tomada de antemano.

¿Por qué el mismo idioma se transcribió en local ayer y hoy pasó por el servidor?

Porque el detonante es la grabación individual, no el idioma en conjunto. Una grabación más clara o cercana puede tener éxito en el dispositivo mientras que otra más floja o ruidosa, en el mismo idioma, falla en local y recurre al servidor.

¿La transcripción por servidor de Apple se envía a un tercero?

No. Es un servicio propio de Apple, el mismo que se usa para el dictado del teclado. El audio sí sale del teléfono, que es la parte que conviene saber, pero no se entrega a una empresa externa.