¿Por qué mi transcripción en el iPhone se corta a mitad de la grabación?

Una transcripción que se corta es una forma concreta y desconcertante de fallo. A diferencia de una transcripción vacía, esta claramente funcionó — los primeros minutos se leen bien, los nombres son correctos, el ritmo parece normal — y luego, a mitad de camino, nada. Sin error, sin reintento, solo silencio donde debería haber texto. Parece que la app se colgó o perdió el interés. Normalmente ninguna de las dos cosas es cierta.

Por qué una grabación larga no se reconoce como una sola pieza

El reconocimiento de voz de iOS —el mismo Speech framework al que recurre cualquier app de transcripción en el iPhone— no está pensado para entregarle a un modelo un archivo de noventa minutos y recibir una única respuesta. El audio largo se procesa por tramos, y cada tramo es su propio intento de reconocimiento. Cuando un tramo tiene éxito, su texto llega a la transcripción. Cuando un tramo falla, sencillamente no aporta nada, y la app sigue con lo que venga después si puede, o se detiene si no puede.

Esa es la razón mecánica por la que una transcripción puede parecer completa durante un rato y luego simplemente agotarse. Normalmente no es un único fallo catastrófico, es un tramo, en algún punto del medio o cerca del final, que no devolvió nada.

Por qué no se arregla solo con un reintento

El reconocimiento en el dispositivo se intenta primero, y solo recurre a un segundo intento en el servidor si ese primer intento vuelve completamente vacío o da un error. Esa lógica de reintento comprueba el resultado de la petición en su conjunto. Una grabación que produjo quince minutos buenos de texto y luego nada no es, desde el punto de vista de esa comprobación, un resultado vacío — produjo algo. Así que la condición que dispara un reintento nunca se activa, aunque el tramo que falló se habría beneficiado de uno.

Vale la pena saberlo porque explica algo que de otro modo parece un fallo del programa: volver a transcribir exactamente el mismo archivo suele reproducir exactamente el mismo corte. El audio no ha cambiado, y el tramo que falló la primera vez no tiene ningún motivo nuevo para acertar la segunda.

Qué provoca realmente que un tramo falle

La grabación es larga

Cuanto más largo es un archivo, en más tramos individuales se divide, y más oportunidades hay de que uno de ellos tope con algo que el modelo no puede manejar. Una nota de voz de cinco minutos tiene muchas menos ocasiones de fallar así que una entrevista de dos horas.

Un tramo de silencio, ruido o pausa

Una pausa en la que alguien se levanta a por un café, un golpe de ruido de fondo, o varios minutos de silencio casi total en medio de una grabación le dan a ese tramo muy poco discurso aprovechable que reconocer. Si vuelve sin nada, ese hueco es lo que aparece como el final de la transcripción — aunque la gente vuelva a hablar con total claridad un minuto después en el propio audio.

Cambios de distancia o de volumen a mitad de camino

Si el teléfono se quedó en el mismo sitio pero quien hablaba se alejó, se giró respecto al micrófono, o la sala se volvió más ruidosa a medida que avanzaba la grabación, la calidad del audio en los tramos posteriores puede ser realmente peor que en los primeros — aunque sea el mismo archivo, el mismo teléfono, el mismo ajuste durante toda la grabación.

Qué merece la pena probar

• Reproduce la grabación desde más o menos donde se corta la transcripción. Si ahí se sigue oyendo con claridad, el audio en sí está bien — a la transcripción le falta texto, no es una prueba de que la grabación fallara.
• Vuelve a transcribir. A menudo reproducirá el mismo corte, pero si el primer intento se hizo sin conexión, repetirlo con conexión le da al segundo intento la oportunidad de llegar a un tramo que el reconocimiento en el dispositivo no pudo.
• Con cualquier cosa que grabes habitualmente y sea larga —clases, entrevistas largas— conviene escuchar la segunda mitad en vez de dar por hecho que la transcripción la cubre entera.
• Rellena el tramo que falta escuchándolo, en lugar de descartar toda la transcripción. La parte que sí funcionó sigue siendo correcta, y ya te ahorró el trabajo de escribirla.

Cómo lo gestiona Voice Studio

Voice Studio transcribe a través del Speech framework de Apple de la misma forma descrita arriba: reconocimiento en el dispositivo primero, con un segundo intento en el servidor de Apple solo cuando un intento vuelve completamente vacío o da un error. Una transcripción que se corta a mitad de una grabación larga significa que un tramo no produjo texto mientras los de alrededor sí lo hicieron — la grabación en sí queda intacta, y el audio del tramo que la transcripción no captó sigue estando ahí, en el .m4a, para reproducirlo o volver a transcribirlo.

Preguntas frecuentes

¿Una transcripción que se corta significa que falta parte de la grabación?

No. El archivo de audio y la transcripción son cosas distintas. Una transcripción cortada significa que el reconocimiento no produjo texto para ese tramo — la grabación en sí lo conserva todo, y puedes reproducir o volver a transcribir esa parte.

¿Volver a transcribir la misma grabación arregla el corte?

Normalmente solo si algo cambió en las condiciones, lo más habitual es pasar de estar sin conexión a tenerla. Si no cambió nada, el mismo tramo suele volver a fallar.

¿Esto pasa más en grabaciones largas?

Sí. El audio más largo se procesa en más tramos, así que hay más ocasiones de que alguno vuelva sin nada. Una grabación corta tiene mucho menos margen para que esto ocurra.

¿Una transcripción cortada es el mismo problema que una transcripción vacía?

Están relacionadas pero no son lo mismo. Una transcripción vacía significa que el reconocimiento falló en toda la grabación. Una transcripción cortada significa que funcionó para una parte y luego se detuvo — el texto anterior que ya tienes sigue siendo correcto.