¿Por qué mi transcripción en el iPhone sale en blanco?

Es un tipo de frustración muy concreto: reproduces la grabación, el audio está ahí, se oye a la gente hablando con claridad, y la transcripción de debajo está vacía, o se corta tras una línea. Antes de intentar arreglar nada, conviene saber que esto es un problema de reconocimiento, no de grabación. El archivo .m4a y la transcripción son dos cosas producidas por dos pasos distintos, y el segundo puede fallar mientras el primero funciona perfectamente.

En qué consiste realmente «transcribir»

En el iPhone, transcribir no es algo que la app construya por su cuenta: entrega el audio al framework Speech de Apple y recibe texto de vuelta, o no. Ese framework intenta primero el reconocimiento en el dispositivo, usando un modelo de idioma que ya vive en tu teléfono. Si esa pasada vuelve vacía o da error, lo habitual es reintentar con el reconocimiento local desactivado, lo que envía el audio al servicio de voz de Apple. Si ambas pasadas devuelven nada, la transcripción que te queda está en blanco, no porque la app se haya rendido, sino porque ningún intento de reconocer voz en ese audio tuvo éxito.

Son dos oportunidades para que el archivo falle, no una. Un resultado en blanco significa que fallaron las dos, lo que ya acota bastante las causas probables.

Las razones más comunes de que fallen las dos

El audio suena demasiado bajo o demasiado lejos

Los modelos de reconocimiento necesitan una señal de voz aprovechable, no solo técnicamente presente. Un teléfono grabado desde el otro extremo de una sala grande, dentro de un bolsillo o con el micrófono tapado puede sonar, al oído humano, como voz débil pero audible, y para un modelo entrenado con audio más limpio, como ruido en su mayor parte. Tú distingues las palabras porque sabes lo que se dijo; el modelo no tiene esa ventaja.

La grabación es casi toda silencio o sonido que no es voz

Un archivo donde los tres minutos interesantes están rodeados de veinte minutos de ruido ambiente, teclado o alguien dejando el teléfono sobre la mesa, sigue siendo técnicamente una grabación con voz dentro. Algunas implementaciones procesan el archivo entero y pueden devolver nada si la proporción de voz aprovechable frente al resto es demasiado baja, o si la voz cae justo en un tramo que se trata como silencio.

El idioma de transcripción no coincide con lo que realmente se dijo

El reconocimiento de voz se configura por idioma, y es un paso de reconocimiento, no de traducción: apuntar un reconocedor de inglés a una grabación en español no produce texto en español, produce prácticamente nada, porque el modelo compara patrones de sonido contra un vocabulario al que esas palabras no pertenecen. Si una grabación mezcla idiomas, o se seleccionó el idioma equivocado antes de transcribir, un resultado vacío o casi vacío es lo esperable, no un fallo.

El modelo de idioma local nunca llegó a instalarse

El reconocimiento en el dispositivo depende de un modelo de idioma que en algún momento se tiene que descargar al teléfono; no viene incluido en iOS para todos los idiomas soportados de forma automática. Si ese modelo falta y el teléfono está sin conexión al transcribir, tampoco hay servidor al que recurrir, y el resultado sale en blanco por una razón que no tiene nada que ver con la grabación en sí.

Qué revisar de verdad

• Reproduce la grabación en un punto donde sepas que alguien hablaba, y juzga con honestidad qué tan audible es frente al ruido de fondo, no si tú entiendes las palabras, porque ya sabes lo que dicen.
• Confirma que el idioma de transcripción coincide con el idioma realmente hablado en la grabación, sobre todo si grabas en más de uno.
• Comprueba que tienes conexión al transcribir. Si el modelo local para ese idioma no está instalado, el reintento en el servidor es la única vía que queda, y necesita conexión para funcionar.
• Prueba a transcribir un clip corto y bien pronunciado en el mismo idioma. Si también vuelve en blanco, el problema es el idioma o la configuración, no esa grabación en concreto.

Qué arregla volver a transcribir y qué no

Lanzar la misma transcripción otra vez, sin cambiar nada más, probablemente devuelva el mismo resultado en blanco: el audio no ha cambiado, y tampoco el modelo que lo examina. Lo que sí puede cambiar el resultado es conectarte a la red si antes estabas sin ella, porque eso abre el reintento en servidor que no estaba disponible la primera vez. Acercar el teléfono la próxima vez, o elegir el idioma correcto, arregla las grabaciones futuras, pero no hace nada por un audio que ya se grabó demasiado bajo para reconocerse.

Una grabación que no se transcribió no ha perdido nada. El archivo de audio queda intacto en cualquier caso, y sigue ahí para reproducirlo, compartirlo o volver a intentarlo más adelante, cuando cambie el idioma o la situación de red.

Cómo lo maneja Voice Studio

Voice Studio transcribe a través del framework Speech de Apple de la misma manera: primero en el dispositivo, y solo si esa pasada vuelve vacía o da error reintenta con el reconocimiento local desactivado, enviando el audio al servidor de Apple si hay conexión. Una transcripción en blanco aquí significa que ambos intentos no encontraron nada, casi siempre por audio bajo o lejano, un idioma equivocado, o falta de red para llegar al respaldo. La grabación en sí nunca se ve afectada por una transcripción fallida: queda exactamente como se grabó, y puedes volver a intentarlo cuando cambie lo que causó el fallo.

Preguntas frecuentes

¿Una transcripción en blanco significa que el archivo de la grabación está corrupto?

No. El audio y la transcripción se producen en pasos separados. Una transcripción en blanco significa que el reconocimiento de voz no encontró voz aprovechable en el audio; la grabación se reproduce exactamente como se capturó.

¿Volver a transcribir la misma grabación dará un resultado distinto?

Normalmente no, salvo que cambie algo más, por ejemplo que el teléfono ahora tenga conexión y antes no, lo que abre el reintento en servidor que el reconocimiento local por sí solo no podía usar.

¿Cambiar el idioma de transcripción puede arreglar un resultado en blanco?

Solo si el idioma seleccionado originalmente era el equivocado. Si ya coincide con lo que realmente se habló, cambiarlo a otro no ayudará y normalmente empeorará el resultado.

¿Una transcripción en blanco tarda lo mismo que una que sí funciona?

El reconocimiento tiene que procesar el audio igualmente para determinar que no hay nada aprovechable, así que un intento fallido no es necesariamente más rápido que uno logrado con la misma duración de grabación.