Prepare el material de origen
Identifique la grabación que tiene permiso para procesar. Anote el idioma, los posibles hablantes y las secciones donde el sonido sea especialmente difícil de entender.
Voz a texto
Una guía práctica de la transcripción de deepgram
La transcripción de Deepgram convierte el habla en texto que puedes buscar, revisar y reutilizar. El resultado útil rara vez es solo el primer borrador: los nombres, las voces superpuestas y el audio poco claro aún requieren una revisión humana.
Una ventaja clara: contenido hablado con el que puedes trabajar
Una transcripción permite revisar una grabación más rápido que escuchando solo el audio. Elige el siguiente paso según lo que necesites hacer con las palabras, no solo según el tipo de archivo con el que empezaste.
-
1
Voz de deepgram
Descubre en qué se diferencia la generación de voz de convertir el habla ya grabada en texto.
-
2
Transcripción de video de deepgram
Descubre qué debes tener en cuenta cuando el habla que necesitas transcribir proviene de un video.
-
3
Idiomas de deepgram
Revisa las consideraciones lingüísticas antes de planificar un flujo de trabajo de voz multilingüe.
Tres mecanismos, tres aspectos que comprobar
El reconocimiento del habla, la atribución de hablantes y el formato legible resuelven problemas distintos. Ninguno puede recuperar palabras que no se distinguen con claridad en la grabación.
- El reconocimiento no puede reparar el audio que falta
-
Las palabras cortadas, el ruido intenso y las voces que hablan a la vez pueden generar omisiones o errores que parecen correctos. Una frase fluida no demuestra que se haya entendido bien cada palabra.
AlternativaConserva la grabación original y vuelve a escuchar los pasajes dudosos antes de citarlos.
- Una etiqueta de hablante no es una identidad verificada
-
Separar las voces, cuando el flujo de trabajo elegido lo permita, puede ayudar a organizar los turnos de palabra. No permite establecer el nombre de una persona ni garantiza una separación clara cuando hay interrupciones.
AlternativaAsocia manualmente las etiquetas con los hablantes conocidos y marca como dudosos los turnos ambiguos.
- La puntuación no refleja toda la intención
-
El texto formateado automáticamente puede suavizar las pausas o colocar los puntos de forma distinta a la intención del hablante. El sarcasmo, el énfasis y el contexto pueden perderse al pasar al texto.
Solución alternativaRevise la transcripción comparándola con el audio antes de publicarla o tomar decisiones importantes.
Paso a paso: de la grabación al texto revisado
Considere la transcripción de deepgram como el inicio de un proceso de revisión, no como un sustituto de escuchar el audio cuando los detalles importan.
Genere una primera transcripción
Use un proceso de conversión de voz a texto adecuado para el material de origen. Conserve el audio original junto al texto resultante para poder comprobar cada fragmento dudoso.
Revise y comparta
Corrija los nombres, los números y los términos especializados cotejándolos con la grabación. Decida si la versión final debe conservar todo lo dicho o presentarse como notas editadas.
Límites y casos especiales: una transcripción no es un texto editado
Son dos entregables distintos. Defina cuál necesita antes de que alguien empiece a corregir el borrador.
Primera transcripción
Transcripción revisada
1
Propósito
Primera transcripción
Localizar y examinar el contenido hablado
Transcripción revisada
Proporcionar texto verificado para el uso previsto
2
Nombres propios
Primera transcripción
Pueden deducirse por el sonido
Transcripción revisada
Cotejados con el audio y con información contextual fiable
3
Habla poco clara
Transcripción inicial
Puede aparecer como un espacio en blanco o una palabra incorrecta
Transcripción revisada
Se volvió a escuchar y se marcó como incierto si no se pudo resolver
4
Identidad del hablante
Transcripción inicial
Puede estar ausente o representada mediante etiquetas
Transcripción revisada
Nombres asignados solo cuando se confirman de forma independiente
5
Puntuación
Transcripción inicial
Una interpretación de las pausas generada por una máquina
Transcripción revisada
Ajustada cuando cambia el significado
6
Uso más adecuado
Transcripción inicial
Búsqueda interna y revisión inicial
Transcripción revisada
Citas, registros o material preparado para su publicación
Dónde cambia el flujo de trabajo
La fuente de la grabación y el lector final determinan qué merece mayor atención.
Productor de pódcast
Un episodio necesita notas en las que se pueda buscar y citas precisas.
Compruebe los nombres y los pasajes citados con el audio; consulte también el tema independiente sobre la voz de deepgram si el proyecto incluye voz generada.
voz de deepgramEditor de vídeo
Una grabación de una entrevista necesita una referencia en texto para editarla.
Comprueba que las palabras coincidan con el audio antes de usarlas en subtítulos o fragmentos; la guía específica para vídeo explica cómo empezar.
transcripción de vídeo con deepgramInvestigador multilingüe
Los participantes pueden cambiar de idioma dentro de una grabación o entre grabaciones.
Confirma qué idiomas aparecen antes de elegir un flujo de trabajo y, después, pide a un revisor competente que compruebe los pasajes que entienda.
idiomas de deepgramElige con cuidado tu siguiente tarea de voz
Empieza por la grabación y el resultado que buscas
Decide si necesitas texto preliminar para búsquedas, una transcripción revisada o texto listo para publicar. Si quieres explorar herramientas de voz, el siguiente enlace te lleva al sitio del socio; comprueba sus capacidades actuales antes de compartir una grabación.
- Conserva la grabación original para verificarla
- Comprueba los nombres y los detalles importantes
- Confirma las prácticas de gestión de datos del sitio de destino antes de subir archivos
Preguntas frecuentes
Se usa para convertir el audio hablado en texto que se puede buscar, revisar o incorporar a otro flujo de trabajo. El texto es un punto de partida; el grado de revisión que necesita depende de la grabación y del uso que se dará al resultado.
Un flujo de trabajo puede asignar etiquetas a los hablantes, pero una etiqueta no equivale a un nombre verificado. Asocia las voces con las personas usando la grabación y un contexto fiable, especialmente cuando los hablantes se interrumpen.
Una primera versión puede servir para localizar temas en una grabación interna. Si vas a usar citas o material publicado, o a tomar decisiones que dependen de las palabras exactas, vuelve a escuchar la grabación y corrige los errores antes de confiar en el texto.
Compara esos pasajes con el audio original y con cualquier fuente fiable que tengas para comprobar su escritura. Si la grabación sigue sin ser clara, marca la palabra como incierta en lugar de adivinarla sin indicarlo.