¿Qué es la alucinación en ASR? Es texto que un modelo de reconocimiento de voz produce aunque nadie lo haya dicho. El modelo rellena un hueco con una frase plausible, casi siempre sobre silencio o música. Las palabras se leen bien, y por eso el error pasa fácilmente desapercibido.
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
- Las líneas inventadas suelen ser fluidas y cortas, así que superan una lectura rápida y hay que compararlas con el audio.
- Los tramos sin voz son el desencadenante típico: una pausa antes de que empiece una reunión, una cortinilla de entrada o un tono de espera largo.
- Las frases repetidas que se encadenan varias veces seguidas son otra señal de que el modelo perdió el hilo del sonido.
- Recortar el silencio de una grabación antes de transcribirla elimina muchas de las oportunidades para este error.
Cómo se ve
[00:00:00 --> 00:00:04] Welcome to the weekly review.
[00:00:04 --> 00:00:19] (music only in the recording)
[00:00:19 --> 00:00:23] Thank you for watching. <-- invented line, nobody said it
[00:00:23 --> 00:00:30] Let's start with the budget.
Más
Consulta la lista completa de idiomas, las herramientas y el glosario.
Preguntas frecuentes
¿Una alucinación es lo mismo que una palabra mal oída?
No. Una palabra mal oída sustituye algo que sí se dijo. Una alucinación añade palabras donde no se dijo nada, así que no hay una fuente hablada con la que compararla.
¿Dónde aparecen más las alucinaciones?
En silencios, música, zumbidos de fondo y en los segundos tranquilos del principio o del final de un archivo, donde el modelo tiene poca voz real a la que seguir.
¿Cómo detecto texto inventado en una transcripción?
Reproduce el audio en la marca de tiempo de cualquier línea que te parezca fuera de lugar. Si ahí la pista está en silencio o solo hay música, es probable que la línea sea inventada.
¿Se puede evitar por completo?
Ningún ajuste elimina el riesgo del todo. Recortar silencios, usar una grabación limpia y leer el resultado con el audio lo reducen, pero la revisión final sigue siendo necesaria.
¿El bot de Potok comprueba esto?
El bot entrega la transcripción tal como la reconoce, así que léela con el audio, sobre todo alrededor de pausas y música. Después puedes corregir líneas en un archivo TXT o DOCX exportado.
Fuentes
Cada fuente se abrió a mano en la fecha indicada. Las páginas cambian, así que abre la fuente si un detalle te importa.
- Speech recognition (Wikipedia), Wikipedia · comprobado
- Whisper speech recognition system (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