Una nota de voz parece una sola acción y en realidad son cuatro: el micrófono graba, el archivo se guarda, un modelo de reconocimiento de voz convierte el audio en texto y algo indexa ese texto para poder encontrarlo después. Saber dónde están las costuras explica casi todo lo que sorprende a la gente: por qué las transcripciones fallan con los nombres, por qué la precisión se desploma en una cafetería y por qué una app que transcribe no es necesariamente una app en la que luego encuentres algo.
Paso uno: qué captura realmente la grabación
El aparato mide la presión del aire en el micrófono miles de veces por segundo y guarda esos números. El reconocimiento de voz suele trabajar con audio reducido a 16.000 muestras por segundo en un solo canal, porque casi toda la información que distingue los sonidos del habla está por debajo de los 8 kHz. La música se graba a 44.100 y más; el habla no lo necesita.
Por eso los archivos de las notas de voz son pequeños y por eso la colocación del micrófono importa más que su calidad. Un micrófono en el bolsillo graba sobre todo tela, y ningún modelo posterior recupera lo que el micrófono nunca recibió.
Paso dos: del audio al texto
El reconocimiento de voz actual convierte el audio directamente en texto mediante un modelo neuronal entrenado con cantidades enormes de habla transcrita, en sustitución de la antigua cadena de modelos acústico, de pronunciación y de lenguaje por separado. La consecuencia práctica es que el modelo adivina una frase plausible en lugar de descifrar los sonidos uno a uno.
De ahí el aspecto de los errores. Los sistemas rara vez producen galimatías; producen palabras incorrectas dentro de frases que suenan naturales: el apellido de un compañero se convierte en un nombre común parecido, y el nombre de un producto, en una expresión cotidiana. Como el resultado parece una frase completa, los fallos son más difíciles de detectar que un ruido o un silencio.
Cómo se mide la precisión y qué cabe esperar
La métrica estándar es la tasa de error por palabra: inserciones, omisiones y sustituciones divididas entre el número de palabras realmente pronunciadas. Un 5 % significa que una de cada veinte palabras está mal: suele ser aceptable para buscar y a veces resulta fatal en una cifra o un nombre.
Expectativas generales, que varían mucho según el sistema y las condiciones:
- Habla clara, sala silenciosa, acento común: tasas de error de unos pocos puntos porcentuales con vocabulario general.
- Ruido de fondo, varias personas hablando o distancia al micrófono: la tasa de error sube con fuerza, a menudo varias veces.
- Nombres propios, términos técnicos y frases que mezclan idiomas: el punto más débil con diferencia, porque las palabras raras están poco representadas en los datos de entrenamiento.
- Cifras, fechas y deletreos: se formatean por convención, así que «mil quinientos» puede volver como 1500 o en palabras según el sistema.
Paso tres: hacer que una transcripción se encuentre
Transcribir y recuperar son problemas distintos, y muchas apps resuelven solo el primero. Si la transcripción se guarda junto a cada grabación y se busca por palabra exacta, solo la encontrarás recordando una palabra que dijiste de verdad, que es justo lo que meses después has olvidado.
La búsqueda por significado cambia el requisito: una nota en la que dijiste «el proveedor no para de incumplir plazos» se alcanza desde «problema de fiabilidad del suministrador». Esa es la diferencia entre una grabadora y un archivo con búsqueda, y es invisible en las listas de funciones porque ambas prometen transcripción.
Por qué hablar gana a escribir al capturar
La diferencia es mecánica. El habla en conversación va a unas 130-150 palabras por minuto; escribir en una pantalla táctil, a unas 35-40 en la mayoría de la gente. Noventa segundos de camino hasta el coche dan para una idea completa que no habría sobrevivido a teclearla con un pulgar.
El precio es la precisión. Las notas habladas divagan, empiezan de nuevo y dejan el asunto implícito: «dijo que no iba a funcionar» te resulta claro durante un día aproximadamente. El arreglo barato es una única frase final que nombre a la persona, el tema y el motivo por el que estás grabando.
Lo que las notas de voz no van a hacer
No se corrigen solas. Un nombre mal transcrito seguirá mal mientras nada señale la duda o no lo detectes tú, y la fluidez del texto desanima activamente a comprobarlo. Conservar el audio original junto al texto es el único remedio real: la grabación es la prueba y la transcripción solo una interpretación de ella.
Tampoco resuelven el caso en el que nunca dijiste el contexto en voz alta. Y si un idioma que hablas está poco representado en los datos de entrenamiento de un modelo, espera resultados bastante peores en ese idioma que en inglés, diga lo que diga el marketing.
Trata la transcripción como un índice de búsqueda y el audio como la fuente de verdad. Pon a prueba cualquier app de notas de voz con una grabación difícil — ruido de fondo, dos nombres, una cifra — y búscala una semana después con palabras que no dijiste.