Una entrevista de 40 minutos puede darle a la edición tres minutos de audio utilizable, y encontrarlos es la parte lenta. Alguien recorre la línea de tiempo, otra persona toma notas en un documento, y el director recuerda “una frase buenísima sobre la fábrica, por el minuto veinte”.
Una transcripción convierte todo eso en texto que puedes buscar y marcar, y después ese mismo texto se convierte en los subtítulos.
Conseguir una transcripción hoy toma minutos. Conseguir una que puedas mostrarle a un cliente lleva un poco más de trabajo, casi siempre en lugares predecibles.
En resumen
- Usa la transcripción automática para el trabajo interno y agrega una revisión humana cuidadosa antes de que un cliente o el público lea el texto.
- La mayoría de los errores vienen de la grabación: voces superpuestas, música bajo el habla, nombres poco comunes y un mal micrófono.
- Transcribe desde la pista de audio más limpia y lleva un glosario de nombres por cliente.
- En la revisión, verifica nombres, números, la grafía de las marcas, la jerga y los cambios de hablante.
- Corrige la transcripción antes de hacer los subtítulos, porque sus errores pasan a todos los archivos de subtítulos.
Tres formas de transcribir un video
| Método | Cuánto tarda | Cuándo tiene sentido |
|---|---|---|
| Escribirlo tú mismo | Varias veces la duración | Clips cortos, audio que el software no puede manejar, material que no puede ir a un servicio externo |
| Automático | Minutos | Registrar material, encontrar una frase, notas internas, primeros cortes |
| Automático más revisión humana | Minutos, más una escucha atenta | Todo lo que va a leer un cliente o el público: subtítulos, citas, transcripciones para aprobación |
Escribir a mano todavía tiene sentido para un testimonio corto con un acento fuerte en una sala ruidosa, que puede ser más rápido de escribir que de corregir, o cuando el contrato obliga a que el material no salga de la empresa.
Una transcripción automática está bien por sí sola cuando solo la va a leer el equipo, para registrar una entrevista o ver qué se dijo en la toma cuatro.
Cuando un cliente o un espectador va a leer el texto, deja que el software escriba y dedica tu tiempo a las partes que hace mal.
Qué hace tropezar a la transcripción automática
La mayoría de los errores vienen de la grabación. Dos personas hablando a la vez es el caso clásico. La transcripción elige una voz, mezcla las dos en una frase que nadie dijo o mete el “claro, claro” del entrevistador en medio de la respuesta.
Después viene la música bajo el habla. Una cama musical que suena bien en la mezcla compite con la voz, y las palabras más bajas del final de una frase tienden a perderse.
Luego está el vocabulario. El software escribe la palabra más común que suena como lo que escuchó, así que los apellidos, nombres de productos, siglas y la jerga del sector salen creíbles y equivocados.
Los acentos y las personas que cambian de idioma a mitad de frase reciben el mismo tipo de adivinanza. Si sabes el idioma del video, configúralo en vez de confiar en la detección automática, que una introducción musical o una primera frase en otro idioma pueden despistar.
Un mal micrófono empeora todo. El audio de cámara desde el otro lado de la sala o el viento en una toma exterior cuestan precisión, y ningún ajuste del software la recupera.
Prepara el audio antes de transcribir
Usa el audio más limpio que tengas. Si la entrevista se grabó con un lavalier o una jirafa en su propia pista, transcribe desde esa pista y deja el audio de referencia de la cámara. Si el corte ya tiene música y efectos, exporta una versión solo con diálogos para la transcripción.
En el set, pídele a cada entrevistado que diga y deletree su nombre y su cargo al inicio de la primera toma. Lleva diez segundos y te ahorra un rótulo equivocado después.
Pídele también al entrevistador que deje terminar cada respuesta antes de la siguiente pregunta, algo que ayuda tanto a la transcripción como a la edición.
Lleva un glosario por cliente, con los nombres de su gente, sus productos y sus siglas escritos como ellos los escriben. Lo vas a usar en cada revisión y otra vez en el siguiente trabajo.
Etiquetas de hablante y marcas de tiempo
Las etiquetas de hablante vienen de la diarización, la parte del software que distingue voces. No sabe quién es nadie, así que obtienes Hablante A y Hablante B.
Revisa los cambios de todos modos. Las intervenciones cortas caen en la persona equivocada, y dos voces parecidas pueden fusionarse en una. Reemplaza las letras por nombres antes de que la transcripción salga de la edición.
Una marca de tiempo al inicio de cada párrafo alcanza para encontrar cosas. Las marcas de tiempo por palabra son las que te permiten hacer clic en una palabra y caer en ella.
En cualquier caso, los tiempos cuentan desde el inicio del archivo. Si tu secuencia empieza en 01:00:00:00, o transcribiste una exportación que empieza a mitad de un clip, suma ese desfase cuando busques el momento en la línea de tiempo.
Qué revisar en la pasada de revisión
Reproduce el video con la transcripción delante y corrige todo lo que no coincida con lo que escuchas. No toques la gramática salvo que hayas decidido limpiarla (ver más abajo).
Revísala en este orden:
- Nombres de personas, empresas y lugares, contrastados con el glosario o con el material del propio cliente.
- Números, porque una cifra equivocada en un subtítulo es el tipo de error que un cliente recuerda. Verifica precios, porcentajes y fechas, y escucha con atención pares como quince y cincuenta.
- Nombres de marcas y productos, que necesitan la grafía y las mayúsculas exactas del cliente.
- Términos técnicos y siglas, que es donde más adivina el software.
- Quién habla en cada cambio.
Si la herramienta muestra un nivel de confianza por palabra, empieza por los más bajos.
Antes de la revisión, decide entre transcripción literal y literal limpia. Para subtítulos y citas, la mayoría de los equipos quita las muletillas, los arranques en falso y las palabras repetidas. Una transcripción para revisión legal o investigación lo conserva todo.
Elige una por proyecto para que dos personas no editen la misma entrevista de dos formas distintas.
Qué hacer con la transcripción
Los subtítulos salen de la transcripción, así que corrige la transcripción primero. Un nombre mal escrito ahí se convierte en un subtítulo mal escrito en el SRT, en el VTT y en la versión incrustada. Para el largo de línea, la velocidad de lectura y los tiempos, mira nuestras pautas de subtitulado.
Encontrar una cita deja de ser un trabajo de recorrer la línea de tiempo. Busca en la transcripción la palabra que recuerdas, “fábrica” o “fin de semana”, y salta ahí.
Para una edición en papel, lee todas las entrevistas, marca las mejores frases y cópialas en un documento en el orden que necesita la historia, cada una con su archivo y su timecode:
INT_Ana_01 · 17:42 · “Mudamos toda la línea en un fin de semana.”
INT_Carlos_02 · 04:18 · “El primer lunes fue un caos. Para el miércoles ya funcionaba.”
INT_Ana_01 · 31:05 · “Nadie en la planta lo había hecho antes.”
El director o el cliente aprueba la estructura desde esa página antes de que alguien abra la línea de tiempo, y el editor arma el primer ensamble a partir de ella.
Cuando el corte esté listo, lee su transcripción al lado del guion aprobado. Las frases obligatorias, los textos legales, las afirmaciones sobre el producto y los nombres deberían estar todos como se aprobaron.
Si tus guiones separan el texto en pantalla y las líneas habladas en columnas, como en nuestra plantilla de guion a dos columnas, la comparación es rápida.
Cómo funciona en RecReview
En RecReview, una versión con audio que pasa por AI Review recibe su transcripción al mismo tiempo, con el idioma detectado a partir del habla, y la transcripción no usa minutos de IA más allá de la revisión.
Para una versión subida sin AI Review, cualquiera del equipo puede abrir la pestaña Transcripción en la página de revisión, elegir portugués, inglés, español o detección automática, y generarla. Eso usa los minutos de IA del espacio de trabajo según la duración del video.
La transcripción viene en párrafos, cada uno con su timecode y, cuando se pueden distinguir las voces, una etiqueta como Hablante A. Haz clic en una palabra y el reproductor salta a ella. Mientras el video se reproduce, la palabra actual se resalta y la lista avanza sola.
Las palabras de las que la transcripción estaba menos segura se ven un poco más tenues, las más dudosas en cursiva, y al pasar el cursor sobre una palabra se ven su tiempo y su nivel de confianza, así sabes por dónde empezar la revisión.
La búsqueda de la pestaña filtra la transcripción por palabra, y la búsqueda global de la app encuentra videos por lo que alguien dijo en ellos.
Si la tarea tiene un guion y el cliente todavía no vio el video, AI Review compara el habla con el guion y señala las líneas que se omitieron, se agregaron o se cambiaron, cada una en su timecode.
Quien subió la versión puede pasar la transcripción al modo de edición y corregir cualquier palabra con doble clic. Después los subtítulos se rearman a partir del texto corregido, salvo que alguien ya los haya editado a mano en el reproductor, en cuyo caso esos quedan como están.
La transcripción se exporta como SRT o VTT con los mismos subtítulos que ves en el reproductor, como TXT con un timecode al inicio de cada párrafo, o como JSON con el tiempo y el nivel de confianza de cada palabra.
