Mejorar audio antes de transcribir: qué arreglar
La mayoría de las grabaciones malas no necesitan limpieza antes de transcribirlas. Los modelos de voz actuales se las arreglan con un ruido de fondo constante, una persona que habla bajo o un micrófono barato mucho mejor de lo que el oído humano espera. Lo que no pueden resolver es una voz que no está: sílabas saturadas, dos personas hablando a la vez o un habla enterrada bajo algo más fuerte. Así que primero revisa la grabación, arregla solo lo que un arreglo realmente puede mejorar y prueba la transcripción antes de pasarte una tarde reparando audio.
Revisa la grabación en un minuto
Arrastra el archivo al comprobador de calidad de audio. Mide el nivel de la voz, el ruido de fondo y la distancia entre ambos (la relación señal-ruido), busca saturación y canales muertos, y te da un veredicto claro. No se sube nada: funciona en tu navegador.
El número que más importa es la relación señal-ruido. Como regla general para la voz, 25 dB o más es cómodo, de 15 a 25 dB suele funcionar, aunque las palabras dichas en voz baja, los nombres y los números son lo primero que se pierde, y por debajo de 15 dB cuenta con huecos. El volumen por sí solo importa mucho menos: un archivo bajo grabado en una sala silenciosa se transcribe bien.
Qué ayuda, problema por problema
| Problema | Cómo suena | ¿Lo aguanta la transcripción? | Qué ayuda |
|---|---|---|---|
| Ruido constante: ventilador, aire acondicionado, zumbido del tráfico | Un siseo o un rumor continuo bajo la voz | Normalmente, por encima de unos 15 dB de relación señal-ruido | A menudo, nada. Si es fuerte, una reducción de ruido suave: el eliminador de ruido gratuito en el navegador, o Audacity (Noise Reduction, gratis) |
| Persona que habla bajo, lejos del micrófono | Subes el volumen para seguirla | Normalmente, si la sala está en silencio | Nada para la transcripción; normaliza el nivel solo si alguien va a escucharla |
| Eco en una sala grande y vacía | Las palabras se emborronan unas con otras | En parte: sufren las palabras cortas y las terminaciones | Poco a posteriori. La próxima vez, graba más cerca de quien habla |
| Saturación (clipping): el nivel estaba demasiado alto | Chasquidos y distorsión en las sílabas fuertes | Mal en las partes saturadas | No se puede reparar. Clip Fix de Audacity suaviza los casos leves |
| Dos personas hablando a la vez | Un muro de palabras superpuestas | Gana la voz más fuerte, la otra se pierde | Nada. Pide que repitan durante la grabación o anota el momento |
| Silencios largos y tiempos muertos | Minutos de nada entre partes | Sí, pero pagas el silencio | Quitar silencios acorta las pausas antes de subir el archivo |
| Música bajo la voz | Una banda sonora que compite con la voz | Depende de lo fuerte que sea la música | Nada fiable; un eliminador de voces también puede dañar el habla |
Un orden de trabajo sensato
- Pasa el comprobador. Si el veredicto es bueno, para aquí y transcribe.
- Transcribe una muestra antes de limpiar. Los primeros 15 minutos en Speecho son gratis, suficiente para ver si el modelo puede con esta grabación tal como está. A menudo puede, y la limpieza nunca hizo falta.
- Arregla solo el problema que muestra la muestra. Si faltan palabras bajo un zumbido, prueba una reducción de ruido suave y vuelve a transcribir la misma muestra. Si el resultado no mejora, deshazla: una reducción de ruido agresiva puede adelgazar la voz y hacer que cueste más reconocerla, no menos.
- Recorta los tiempos muertos en grabaciones largas. Un seminario de dos horas con cuarenta minutos de descansos son cuarenta minutos que no tienes por qué pagar. Quitar silencios guarda un archivo WAV, de unos 10 MB por minuto; si supera el límite de subida de 200 MB, la herramienta para extraer el audio lo convierte en un MP3 mucho más pequeño y también acepta archivos de audio.
- Con archivos de vídeo, sube el vídeo tal cual, o extrae antes la pista de sonido si el archivo es demasiado grande. La imagen nunca ayuda a una transcripción.
Sobre las herramientas de “mejora” con IA
Los mejoradores de voz con IA hacen que una grabación suene más limpia para las personas, y para un pódcast o un vídeo eso vale mucho. Para una transcripción ayudan menos de lo que cabría esperar, porque el modelo de voz ya ignora casi todo lo que ellos eliminan. Con audio muy dañado también pueden perjudicar: una palabra farfullada sale como otra palabra distinta, limpia y segura, y la transcripción hereda el error. Si usas uno, compara una transcripción del archivo mejorado con una del original antes de fiarte.
Cuándo es más rápido volver a grabar
Algunas grabaciones no merece la pena rescatarlas: una voz que se satura en cada frase, una entrevista en la que el invitado estaba a una habitación del teléfono, una reunión en la que todos hablaban a la vez. Si se puede repetir, una segunda toma con el micrófono a un palmo de la boca arregla en diez minutos lo que ningún software consigue. Para eso basta una grabadora de voz en el navegador, y el comprobador tiene una prueba de micrófono en directo para hacer antes de empezar.
Preguntas frecuentes
¿Debo quitar el ruido de fondo antes de transcribir?
Normalmente no. Prueba primero una muestra gratis de la transcripción. El ruido constante rara vez perjudica a los modelos de voz actuales, y una reducción de ruido fuerte puede hacer que la voz cueste más de reconocer. Limpia el audio solo donde la muestra muestre que faltan palabras.
¿Se puede arreglar una grabación saturada o distorsionada?
En realidad, no. Las crestas de la forma de onda se cortaron al grabar, y esa información ya no existe. Clip Fix de Audacity puede suavizar una saturación leve para escucharla, pero la transcripción de esos pasajes seguirá siendo más floja.
¿Un archivo más fuerte se transcribe mejor?
No. Lo que importa es cuánto destaca la voz sobre el ruido, no lo fuerte que sea el archivo. Subir el volumen de una grabación sube el ruido exactamente lo mismo que la voz.
¿Qué relación señal-ruido es buena para transcribir?
Como regla general, 25 dB o más es cómodo, de 15 a 25 dB suele funcionar y por debajo de 15 dB cuenta con huecos. El comprobador de calidad de audio te muestra la cifra de tu archivo.
¿Por qué fijarse en los silencios?
Porque la transcripción se cobra por la duración del audio. Los descansos largos, las pausas antes de que empiece una charla y los minutos después de que todos se van cuentan igual. Recortarlos antes baja el coste sin tocar ni una palabra.
