¿Por qué mi transcripción del iPhone escribe los números en cifras y no con letras?

Di "pagué veinticinco dólares por esto" a una app que transcribe, y lo más probable es que la transcripción diga "pagué $25 por esto" o "pagué 25 dólares por esto", no una reproducción palabra por palabra de lo que saliste diciendo. El primer impulso es leerlo como un fallo, como si el sistema hubiera oído "veinticinco" y por error hubiera escrito "25". No ha oído mal nada. Ha reconocido el número correctamente y después ha tomado una decisión deliberada sobre cómo representarlo por escrito — un paso completamente distinto del reconocimiento en sí.

Reconocer y dar formato son dos trabajos distintos

Convertir voz en texto no es una sola operación: son al menos dos, una detrás de otra. La primera es el reconocimiento — comparar el sonido con un modelo para averiguar qué palabras se dijeron realmente. La segunda es el formato — decidir cómo deben verse esas palabras en la página. Para la mayoría de las palabras, los dos pasos coinciden por completo, así que la diferencia pasa desapercibida: "el" se reconoce como "el" y se escribe como "el", nada que notar. Los números son una de las pocas categorías donde los dos pasos se separan a propósito, porque las palabras que alguien dice en voz alta y la forma en que esas mismas palabras se escriben habitualmente no son en realidad lo mismo.

Por qué ganan las cifras

El español escrito casi nunca deletrea un número tal como se pronuncia, salvo en un puñado de contextos concretos — un cheque, un documento formal, un número suelto en mitad de una frase. Un precio, una fecha, un teléfono, una edad, un porcentaje: en un texto escrito normal, esos son cifras prácticamente siempre. El paso de formato de un reconocedor de voz se entrena con ese mismo tipo de texto escrito normal, así que reproduce la convención que ya usa ese texto en vez de deletrear literalmente las sílabas que pronunciaste. Esto no es exclusivo de ninguna app en particular: es el mismo comportamiento que usa el dictado de iOS en Mensajes o Notas, que convierte "quedamos a las siete y media" en "quedamos a las 7:30" sin que nadie se lo haya pedido.

Dónde más aparece esto

• Fechas y horas — "el tres de mayo" o "las dos y media" suelen volver como una fecha escrita o una hora en formato reloj, en vez de las palabras que se dijeron.
• Dinero y cantidades — una cifra dicha con palabras suele terminar como número, a veces con un símbolo de moneda pegado.
• Teléfonos y direcciones — una serie de dígitos dichos en voz alta vuelve como dígitos, agrupados como se escribe normalmente un número, no como palabras-número sueltas.
• Recuentos pequeños dentro de una frase — este es el caso más variable. Un "tres" suelto en una conversación puede ir de una forma u otra según el contexto, a diferencia de un precio o una fecha, que se formatean de manera constante.

El único punto que conviene comprobar, no dar por bueno

Que un número bien reconocido se escriba en cifras es inofensivo: cambia el aspecto del número, no lo que significa. El riesgo real está un paso antes, en el reconocimiento mismo: los números son una de las categorías en las que un reconocedor de voz falla más a menudo, junto con nombres propios y jerga, porque un dígito dicho a media voz o muy rápido tiene menos pistas de contexto en las que apoyarse que una palabra corriente. Una cifra que se ve limpia y segura en la pantalla no es garantía de que sea la cifra correcta — solo significa que, sea cual sea el número al que llegó el reconocedor, se formateó bien. Para todo aquello en lo que un número equivocado sí importaría — una dosis, una dirección, un total, un teléfono — conviene comprobarlo contra el audio específicamente, igual que se comprueba un nombre, en vez de confiar en él porque se ve prolijo.

¿Hay algún ajuste para desactivar esto?

En realidad no, y aunque lo hubiera no sería un ajuste de la app. El formato ocurre dentro del propio reconocimiento de voz de Apple, como parte de convertir las palabras reconocidas en el texto que devuelve — no es un paso aparte que una app de transcripción ejecute después y sobre el que pueda ofrecer un interruptor. Si un documento necesita específicamente los números deletreados en vez de en cifras, la transcripción es texto normal y editable una vez que existe, así que esa es una corrección que se hace a mano para el puñado de números donde realmente importa, más que algo que un ajuste vaya a resolver.

Cómo lo maneja Voice Studio

La transcripción que muestra Voice Studio es exactamente lo que devuelve el reconocedor de voz de Apple, formato incluido — no hay un paso aparte que reescriba después números, fechas ni nada más. La transcripción intenta primero el reconocimiento en el dispositivo para el idioma que tengas seleccionado, y solo recurre al servidor de Apple si ese paso local vuelve vacío o da error, así que ese mismo comportamiento de cifras frente a palabras se aplica en ambos casos. Como la transcripción es texto plano y editable que se exporta como TXT o JSON, corregir un número realmente equivocado — a diferencia de uno bien oído que simplemente se escribió en cifras — es una edición normal, igual que corregir un nombre mal entendido.

Preguntas frecuentes

¿Es un error que mi transcripción diga "25" en vez de "veinticinco"?

No, es formato normal, no un error. Los números escritos aparecen en cifras en un texto normal casi siempre, y el reconocimiento de voz sigue esa misma convención en lugar de deletrear las palabras que dijiste.

¿Cómo distingo una decisión de formato de un error de reconocimiento real?

Comprueba el número contra el audio. El formato solo cambia el aspecto de un número bien oído — 25 en vez de veinticinco — no convierte "siete" en "diecisiete". Si un número se ve claramente mal o no coincide en absoluto con lo que se dijo, eso es un fallo de reconocimiento que conviene corregir, no solo una cuestión de estilo.

¿Puedo hacer que mi transcripción deletree los números en vez de escribirlos en cifras?

No hay un interruptor integrado para esto — el formato viene del propio reconocedor de voz, no de un ajuste de la app. Edita la transcripción después para los números concretos donde importe la forma deletreada.

¿Esto pasa también con fechas y precios, o solo al contar cosas?

Sí, en general. Cubre la mayoría de tipos de números — fechas, horas, precios, teléfonos — porque normalmente aparecen como cifras en un texto escrito, no solo los números que se dicen al contar algo en voz alta.