¿Qué es la alineación forzada? Es emparejar un texto conocido con una grabación de audio para hallar cuándo se dice cada palabra. Las palabras se dan de antemano, así que el sistema solo decide en qué momento caen, y no necesita averiguar qué se dijo.
Transcribe una grabación
Envía tu mensaje de voz, audio o vídeo a @potok_now_bot en Telegram y el texto te llega en el chat.
Abrir @potok_now_bot en Telegram
Archivos de hasta 2 GB · exportación a TXT, MD, DOCX, PDF, SRT y VTT · etiquetas de hablantes y marcas de tiempo · unos 30 idiomas
Datos clave
- La entrada son el audio y su texto exacto, como un guion, el capítulo de un libro o una transcripción corregida.
- La salida es un tiempo de inicio y de fin para cada palabra, más fino que los tiempos por línea de un archivo de subtítulos.
- Si el texto difiere de lo que se dijo realmente, los tiempos cercanos a la discrepancia dejan de ser fiables.
- Los usos típicos son el resaltado al estilo karaoke, la sincronización de subtítulos y encontrar una frase dentro de una grabación larga.
Cómo se ve
input: audio = reading.wav
text = "the harbour was quiet"
output: [
{"word": "the", "start": 0.42, "end": 0.55},
{"word": "harbour","start": 0.55, "end": 1.02},
{"word": "was", "start": 1.02, "end": 1.21},
{"word": "quiet", "start": 1.21, "end": 1.80}
]
Más
Consulta la lista completa de idiomas, las herramientas y el glosario.
Preguntas frecuentes
¿En qué se diferencia la alineación forzada de la transcripción?
La transcripción encuentra las palabras a partir del sonido. La alineación forzada parte de las palabras y solo halla su posición en el audio, así que los errores vienen de la sincronización, no del reconocimiento.
¿Qué necesito para usarla?
Necesitas la grabación y un texto que coincida con ella de cerca. Cuanto mejor coincidan el habla y el texto, mejores serán los tiempos.
¿Qué pasa si el texto tiene errores?
Las palabras que no se dijeron, o que faltan en el texto, confunden la alineación a su alrededor. Corrige primero la transcripción y luego aliníala.
¿Para qué querría tiempos por palabra?
Te permite saltar a una palabra hablada, resaltar el texto durante la reproducción y cortar el audio en palabras exactas en lugar de en el inicio de una línea.
¿Puedo obtener una transcripción con tiempos del bot de Potok?
Sí. Las marcas de tiempo se pueden activar y puedes exportar SRT o VTT. Comprueba los tiempos con la reproducción, ya que las pausas largas y el ruido pueden desplazarlos.
Fuentes
Cada fuente se abrió a mano en la fecha indicada. Las páginas cambian, así que abre la fuente si un detalle te importa.
- Forced alignment (Wikipedia), Wikipedia · comprobado
- Speech recognition (Wikipedia), Wikipedia · comprobado
Pruébalo con tu propia grabación
Envía tu mensaje de voz, audio o vídeo a @potok_now_bot en Telegram y el texto te llega en el chat.
Abrir @potok_now_bot en Telegram