¿Por qué mi transcripción repite la misma palabra o frase?

Una palabra duplicada es de las cosas más raras que uno se encuentra en una transcripción por lo demás limpia — "la reunión la reunión empieza a las tres," o una frase entera apareciendo dos veces seguidas. Parece un fallo, y a veces lo es. Pero con la misma frecuencia, la transcripción está haciendo exactamente su trabajo: anotar sonido, no decidir si ese sonido merecía decirse una vez o dos.

Cuando la repetición está de verdad en el audio

La gente se repite constantemente sin darse cuenta. Una frase empieza, se corta, y vuelve a empezar — "creo que la — creo que la fecha límite cambió." Una palabra se dice, y se repite para dar énfasis, o porque quien habla perdió el hilo y retomó un poco antes. Nada de eso es un error del reconocedor. Un sistema que transcribe sonidos y no intenciones no tiene más motivo para eliminar una repetición real del que tiene para borrar un "eh" real — ambos se tratan como contenido hablado, porque eso es lo que son.

Es el mismo principio por el que aparecen las muletillas en una transcripción: el trabajo del reconocedor termina en "qué sonido fue ese," no en "merecía la pena conservarlo." Una repetición real y un "eh" real reciben el mismo trato honesto — se anotan, porque se dijeron.

Cuando el reconocedor imagina una repetición

La otra causa está en la acústica, no en lo que se dijo. Una sala con superficies duras puede devolver al micrófono un reflejo retrasado de tu voz una fracción de segundo después de que llegue el sonido directo — el mismo efecto físico que hay detrás de una grabación que suena con eco. Si ese reflejo es lo bastante fuerte y llega con la separación suficiente, puede registrarse como una segunda pronunciación independiente de la misma palabra en lugar de como ruido de cola, y el reconocedor anota dos palabras donde se dijo una. Alguien reproduciendo audio cerca de un micrófono abierto, o el propio sonido de una videollamada filtrándose en la sala, pueden producir el mismo efecto por el mismo motivo: el micrófono captó el sonido dos veces de verdad.

Este tipo de repetición tiende a concentrarse justo en las grabaciones que uno esperaría — una sala con azulejos, una llamada en altavoz, un auditorio de paredes duras — en lugar de aparecer al azar en una grabación por lo demás normal.

Grabaciones largas y dónde caen las costuras

Un archivo largo no siempre se le pasa a un modelo de voz de una sola vez sin cortes — muchos reconocedores procesan el audio largo por tramos y luego unen los resultados, que es también el motivo por el que un problema puntual en una clase larga no tiene por qué arruinar toda la transcripción. La costura entre dos tramos es un lugar plausible para que una frase corta se cuente en los dos lados del corte, igual que contarías dos veces una palabra si dividieras una frase entre dos personas leyéndola en voz alta y a ambas les tocara la palabra de la frontera. Una repetición que cae en un punto sospechosamente redondo dentro de una grabación larga, en lugar de a mitad de frase, merece revisarse por esto exactamente.

¿Cambia esto entre transcripción en el dispositivo y en el servidor?

iOS prueba primero el reconocimiento en el dispositivo y solo recurre al servidor de Apple si ese primer intento vuelve vacío o falla. Los dos trabajan sobre el mismo audio y ninguno tiene instrucciones para eliminar duplicados, así que cuál de los dos se haya usado no es una palanca fiable para hacer que las repeticiones aparezcan o desaparezcan. Una repetición que nace de la acústica de la sala tenderá a aparecer con cualquiera de los dos; una repetición que nace de algo que de verdad dijiste dos veces, también.

Distinguir las dos cosas, y qué hacer con cada una

• Reproduce el audio justo en ese punto. Si oyes la palabra o la frase pronunciada dos veces, se dijo dos veces — déjala, o recórtala, como una decisión de edición normal, igual que con cualquier otra repetición.
• Si la oyes una sola vez pero está escrita dos, eso es cosa del reconocedor, no tuya — borra la copia de más con la misma edición que usarías para corregir un nombre mal entendido.
• Una repetición que cae en un momento con superficies duras o con audio de altavoz de por medio es más probable que sea acústica. Una que cae a mitad de una idea, con un tropiezo alrededor, es más probable que sea una repetición real.
• Ninguna de las dos causas se arregla grabando con una calidad más alta — esto no es un problema de nitidez, es habla real o eco real, y los dos sobreviven igual de bien a una grabación más limpia.

Cómo lo maneja Voice Studio

La transcripción pasa por el motor de voz de Apple, primero en el dispositivo, y Voice Studio no aplica un paso aparte para detectar y eliminar palabras repetidas — lo que produjo el reconocedor es lo que aparece en la transcripción, tanto las repeticiones reales como las acústicas. Lo que sí ofrece es una transcripción que puedes corregir después: borras una palabra o línea duplicada, y esa corrección se mantiene en la búsqueda propia de la app y en lo que exportes a continuación, TXT o JSON, en lugar de volver al texto original.

Preguntas frecuentes

¿Una palabra repetida en mi transcripción es siempre un error?

No. A veces es el registro exacto de algo que de verdad dijiste dos veces — una repetición o un tropiezo con reinicio. La forma de saberlo es escuchar el audio en ese punto; si la palabra se dijo una sola vez, la repetición en el texto es del reconocedor, no tuya.

¿Por qué una sala con eco haría que se escribiera una palabra dos veces?

Una sala con superficies duras puede devolver al micrófono un reflejo retrasado de tu voz. Si ese reflejo es lo bastante fuerte y claro, puede captarse como una segunda pronunciación independiente de la misma palabra en lugar de como ruido de fondo.

¿Una calidad de grabación más alta arregla las palabras repetidas?

No. No es un problema de nitidez — es habla real que ocurrió dos veces, o un eco real que el micrófono captó dos veces de verdad. Una grabación más limpia no cambia ninguna de las dos cosas.

¿Cambiar entre transcripción en el dispositivo y en el servidor afecta a las repeticiones?

No de forma fiable. iOS prueba primero en el dispositivo y solo recurre al servidor si ese intento vuelve vacío o falla, pero ambos trabajan sobre el mismo audio sin instrucciones para eliminar duplicados, así que cuál se haya usado no es una palanca para arreglar esto.