QUIÉN HABLÓ Y CUÁNDO
Diarización de hablantes, explicada.
Y lo que las etiquetas no te dicen.
La diarización de hablantes divide una grabación en turnos y marca quién habló y cuándo. Así funcionan las etiquetas de hablante en Voice Note Transcriber para iPhone y Android, y dónde conviene revisarlas.
TRANSCRIPCIÓN
Speaker A: ¿Podemos pasar la revisión al jueves? Speaker B: El jueves me va bien si el borrador está listo.
LA RESPUESTA CORTA
Quién habló y cuándo, no quién es alguien
La diarización de hablantes es el paso que divide el habla en segmentos según la voz y da una etiqueta a cada voz, para que la transcripción se lea por turnos y no como un solo bloque de texto. Responde a “¿quién habló y cuándo?”. No responde a “¿quién es esta persona?”. Esa segunda pregunta es la identificación de hablantes, que asocia una voz con una identidad conocida.
En Voice Note Transcriber, las etiquetas de hablante son una opción del plan Power. Activa Speaker labels (etiquetas de hablante) antes de enviar una grabación, elige Transcribe (transcribir) y el resultado muestra cada turno en su propia línea, como Speaker A, Speaker B, etc. Esta guía es para quienes transcriben sus propias grabaciones en el teléfono. Si eres desarrollador y buscas un modelo o una API de diarización, consulta la documentación de las plataformas de voz a texto.
QUIÉN HABLÓ Y CUÁNDO
Cómo obtener una transcripción con etiquetas de hablante
1. Empieza con una grabación adecuada
La diarización funciona mejor cuando las voces son distintas y la gente respeta los turnos. Usa una grabación que puedas procesar: una reunión, una entrevista, una llamada grabada con consentimiento o un episodio de podcast. Importa el archivo de audio o video, compártelo con la app o graba en la app (hasta 2 horas por grabación). Las grabaciones muy largas pueden rechazarse para la detección de hablantes; si pasa, prueba con una más corta.
2. Activa Speaker labels y envía
En las opciones de envío, activa Speaker labels. Aparece para suscriptores de Power; en otros planes se ve bloqueada. Elige Transcribe para una transcripción turno a turno. Un trabajo con etiquetas de hablante cuenta como el doble de su duración en el uso de tu plan, así que úsalo cuando haya más de una voz.
3. Revisa y pon nombre a los hablantes
Lee la transcripción con la grabación. Los segmentos seguidos de la misma voz se unen en un solo turno. Las etiquetas son anónimas: decide quién es Speaker A y quién Speaker B, copia el texto y cambia las etiquetas por nombres en tu propio documento. Revisa con cuidado las respuestas cortas y las interrupciones: son los turnos que más fácilmente se asignan a la voz equivocada.
QUIÉN HABLÓ Y CUÁNDO
Cómo aparecen las etiquetas en cada resultado
Cada trabajo da un resultado. Esto es lo que hacen las etiquetas de hablante en cada uno:
- Transcribe: una línea por turno, que empieza con una etiqueta como “Speaker A:”.
- Translate: las mismas etiquetas en el mismo orden; solo se traduce lo que se dice.
- Summarize: el resumen mantiene el estilo elegido, como Action items, y atribuye puntos a un hablante cuando importa. No repite cada turno.
- Summarize + Translate: ese tipo de resumen, en el idioma de destino.
- Si no se pueden conservar las etiquetas: el trabajo falla en lugar de devolver texto sin ellas, y puedes volver a enviarlo.
QUIÉN HABLÓ Y CUÁNDO
Dónde fallan las etiquetas de hablante
La diarización estima los cambios de hablante solo a partir del audio: no ve caras ni sabe a quién presentan. Estas situaciones son las que más hay que revisar:
- Voces superpuestas: cuando dos personas hablan a la vez, las palabras pueden caer en el turno equivocado.
- Voces parecidas: dos hablantes que suenan igual pueden unirse en una etiqueta, o una voz dividirse en dos.
- Turnos muy cortos: un “sí” o un “claro” rápido se atribuye fácilmente a la persona equivocada.
- Distancia y ruido: una voz lejos del micrófono o una sala ruidosa dificultan detectar los cambios.
QUIÉN HABLÓ Y CUÁNDO
Las etiquetas son por grabación y anónimas
Speaker A en una grabación no es la misma persona que Speaker A en otra. Las etiquetas se asignan de nuevo cada vez, en el orden en que se detectan las voces. No son nombres, y la app no reconoce ni recuerda la voz de nadie.
Las etiquetas se aplican a los trabajos nuevos enviados con la opción activada. Los resultados procesados antes no las ganan después; vuelve a enviar la grabación si las necesitas. Para entrevistas en las que importan las citas, la guía para transcribir entrevistas trata la atribución con más detalle. Para convertir una reunión etiquetada en tareas, consulta la guía para transcribir reuniones.
PREGUNTAS
Preguntas sobre la diarización de hablantes
¿La transcripción mostrará los nombres de las personas?
No. Muestra etiquetas anónimas: Speaker A, Speaker B, etc. Aunque alguien diga su nombre, la app no cambia la etiqueta por él. Pon tú los nombres después de revisar la grabación.
¿Speaker A es la misma persona en todas las grabaciones?
No. Las etiquetas se asignan por separado en cada grabación, así que la misma letra puede corresponder a personas distintas en dos resultados.
¿Puedo añadir etiquetas de hablante a una transcripción que ya tengo?
A un resultado existente, no. Activa Speaker labels y vuelve a enviar la grabación como un trabajo nuevo. Cuenta en el uso de tu plan como cualquier trabajo con etiquetas de hablante.
¿Es una API o un SDK de diarización de hablantes?
No. Voice Note Transcriber es una app para iPhone y Android para tus propias grabaciones. Los desarrolladores que necesiten diarización en su propio software deberían usar la API de una plataforma de voz a texto.
Conoce la app y sus funciones o aprende a importar archivos de audio y video.
QUIÉN HABLÓ Y CUÁNDO
Mira quién dijo qué y hazlo tuyo.
Descarga Voice Note Transcriber para iPhone o Android, activa Speaker labels con Power y transcribe una grabación turno a turno.
Por ahora la interfaz de la app está en inglés; transcribe audios en español y puede traducir el texto al español.