Por qué las transcripciones fallan con los nombres y cómo evitarlo

El reconocimiento de voz moderno maneja bien las frases comunes. Ha escuchado "deberíamos posponer la fecha límite al jueves" en incontables variaciones y la transcribe limpiamente. Lo que no ha escuchado es el apellido de tu gestor de cuentas, el nombre provisional de un producto que aún no es público o un término técnico usado por cincuenta personas en tu sector.

Cuando un sistema de reconocimiento encuentra una palabra que no conoce, hace lo único que puede: escribe algo que suena parecido. El resultado es una transcripción que técnicamente es casi correcta pero sigue siendo inútil, porque las seis palabras que un lector realmente busca (quién estaba allí, qué cliente, qué producto, qué fármaco) son las seis que salieron mal.

Por eso los porcentajes de precisión son una guía engañosa. Una transcripción puede ser correcta en casi todas las palabras y aun así fallar, porque los errores no se distribuyen uniformemente. Se agrupan exactamente en las palabras que llevan el significado. Corregirlas a mano es lento, y es el tipo de lentitud que hace que la gente deje de usar la transcripción por completo.

Un glosario de ortografía ataca ese fallo específico en lugar de la precisión general. No le pides al sistema que mejore su español. Le estás indicando las pocas palabras que no podía conocer.

Special Names es una referencia ortográfica personal vinculada a tu cuenta. Escribes las palabras que te importan, deletreadas como tú quieres, y se usan como referencia para escribir esos sonidos cuando aparecen en tus grabaciones.

No es una función de buscar y reemplazar. No es una herramienta de reescritura: no añade palabras a una frase, no elimina muletillas ni repeticiones, y no pone palabras en boca de un hablante solo porque la frase esté en tu lista. Si un término nunca se dijo, no aparecerá.

Este límite es fundamental en trabajos donde la transcripción es un registro de lo que alguien dijo realmente. En una nota clínica, una llamada de un cliente o una entrevista de investigación, una herramienta que mejora silenciosamente lo dicho es peor que una que deletrea mal. Special Names está limitado a propósito: ortografía, y nada más que ortografía.

Si también quieres que se limpie la redacción (eliminar muletillas, reparar frases, añadir encabezados y listas), esa es una elección independiente que haces por grabación al seleccionar Smart Summary. Ambos son independientes. Puedes tener una transcripción estrictamente literal con la ortografía correcta, que es lo que suele requerir el trabajo regulado o judicial.

Los médicos lidian con nombres de fármacos que difieren en una sílaba, nombres de patologías con varias formas aceptadas y abreviaturas que son claras en la consulta pero ambiguas en el papel. Añadir los medicamentos y condiciones que realmente prescribes, además de los nombres de los colegas a los que derivas pacientes, hace que esas palabras aparezcan escritas como las introdujiste en lugar de aproximaciones por sonido.

Los abogados tienen una versión más difícil del mismo problema: nombres de casos, de partes, de abogados y referencias a leyes deben ser exactos, y se repiten en todo un asunto. Añadirlos una vez al inicio de un caso permite que las grabaciones posteriores usen las mismas grafías; algo vital, ya que las inconsistencias ortográficas dificultan las búsquedas posteriores.

Consultores y comerciales viven entre nombres de clientes y productos, a menudo de empresas cuyas convenciones de nomenclatura ningún sistema general conoce. Los investigadores se enfrentan a terminología técnica y nombres de entrevistados; una transcripción con nombres de participantes mal escritos es difícil de trabajar y de citar.

Y si trabajas en un idioma cuyos nombres propios o de lugares son desconocidos para un sistema general, el efecto es mayor. La interfaz de sAInote está disponible en 11 idiomas: árabe, bengalí, español, francés, hindi, inglés, portugués, ruso, turco, urdu y chino simplificado. El reconocimiento de voz cubre muchos más idiomas que la interfaz. Un glosario es la forma de cerrar la brecha con los nombres que faltan.

Special Names es una función Pro. El plan Pro incluye 360 minutos de audio al mes, con renovación mensual, junto con los tres modos de procesamiento y gestión en segundo plano de grabaciones largas. Si usas el plan Guest o Free, obtienes 15 minutos de audio una sola vez (no mensuales, no recurrentes) con Quick Note y Smart Summary, y sin glosario.

Las grabaciones de hasta 20 minutos se procesan inmediatamente en todos los planes. Las grabaciones de entre 20 minutos y 2 horas se procesan en segundo plano y son exclusivas de Pro, con separación de hablantes y resúmenes jerárquicos para las más largas. Dos horas es el límite máximo por grabación; cualquier duración superior será rechazada. Las subidas están limitadas a 64 MB.

La ortografía correcta rinde más cuando vuelves al texto tiempo después. Los usuarios registrados tienen un historial de notas sincronizado entre dispositivos, y la búsqueda coincide tanto con la transcripción original como con el resultado procesado. Un nombre escrito de tres formas distintas en seis reuniones es un nombre que no puedes encontrar. Un nombre escrito como lo definiste en tu glosario está a una búsqueda de distancia.

El glosario se aplica dondequiera que grabes: la app web, las apps para iPhone y iPad, y la app de macOS con su atajo global Quick Capture en Control+Opción+Comando+N. La API REST es una vía separada con dos modos, literal y smart, autenticada con una clave secreta y medida por clave; no almacena audio ni texto.