¿Qué es la transcripción en tiempo real? Es una transcripción que aparece mientras una persona aún habla, unas pocas palabras por detrás de la voz. El texto se produce en trozos pequeños a partir de un flujo de audio en vivo, y las palabras anteriores pueden corregirse a medida que llega más sonido. Los subtítulos en vivo de las reuniones funcionan así.
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
- El sistema debe responder rápido, así que solo ve las palabras dichas hasta ese momento y no puede usar lo que viene después para aclarar una palabra dudosa.
- Los resultados parciales cambian en pantalla: una palabra mostrada hace un momento puede reemplazarse cuando termina la frase.
- El uso en vivo no tiene una segunda pasada, así que la puntuación, los nombres y los números suelen ser más débiles que en una transcripción hecha a partir de un archivo terminado.
- Lo contrario es la transcripción por lotes, en la que se procesa una grabación completa después del evento y se dispone de todo el contexto.
- Aquí importan más una conexión estable y un micrófono cercano, porque un segundo de audio perdido no se puede reproducir de nuevo.
Cómo se ve
// a stream of partial results as one sentence is spoken
partial 0.8 s "the meeting"
partial 1.6 s "the meeting starts at"
partial 2.4 s "the meeting starts at nine"
final 3.1 s "The meeting starts at nine."
Más
Consulta la lista completa de idiomas, las herramientas y el glosario.
Preguntas frecuentes
¿Cuál es la diferencia entre transcripción en tiempo real y por lotes?
La de tiempo real muestra texto durante el habla a partir de un flujo. La de lotes procesa después un archivo terminado, lo que permite más contexto y un resultado más cuidadoso.
¿Por qué el texto en vivo sigue cambiando?
El sistema revisa sus primeras suposiciones cuando las palabras posteriores aclaran el sentido. Es normal en los resultados parciales y se estabiliza al terminar la frase.
¿El texto en vivo es suficientemente bueno para publicar?
Trátalo como un borrador. Para lo que vayas a publicar, procesa de nuevo la grabación guardada como archivo y revisa el resultado.
¿Cómo transcribo con Potok una grabación que ya tengo?
Abre el bot, envía el archivo como audio o como documento, o reenvía un mensaje de voz. Se aceptan archivos de hasta 2 GB.
¿Qué mejora más los resultados en vivo?
Un buen micrófono cerca del hablante, poco ruido de fondo y una sola persona hablando a la vez.
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
- Closed captioning (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