Acentos y modismos: cómo transcribir español de distintos países sin perder el sentido

Por qué el país del hablante cambia el resultado

El español es una sola lengua con una ortografía común, pero se pronuncia de maneras muy distintas entre Buenos Aires, San Juan de Puerto Rico, Sevilla, Ciudad de México o Lima. Un sistema de reconocimiento de voz aprende a partir de grandes cantidades de audio y texto; cuanto más se parece tu grabación a lo que el modelo escuchó durante su entrenamiento, más fácil le resulta acertar. Cuando el acento se aleja de esa «media», aparecen palabras cortadas, terminaciones que faltan o términos locales que el sistema reemplaza por otros más frecuentes.

Esto no significa que un acento sea «peor» que otro. Significa que cada variedad tiene puntos ciegos previsibles, y si los conoces puedes revisar una transcripción en la mitad de tiempo, porque sabes dónde buscar. La explicación técnica de fondo está en nuestra guía sobre reconocimiento de voz y acentos (en inglés).

Rasgos de pronunciación que más confunden a la máquina

Estos son los fenómenos que conviene tener en el radar, ordenados por región. No son caricaturas: son rasgos habituales del habla espontánea, en especial en entrevistas informales, audios de campo y pódcast conversacionales.

• Rioplatense (Argentina y Uruguay): voseo con acentuación propia («vos tenés», «vení», «decime»), y el sonido «sh» en lugar de la ll y la y («sho me shamo»). Lo habitual es que el sistema escriba «yo me llamo», que es correcto; el riesgo aparece con formas verbales voseantes poco frecuentes en textos escritos.
• Caribe (Cuba, Puerto Rico, República Dominicana, costa de Venezuela y Colombia): eses finales aspiradas o perdidas («lo' niño'»), r que suena como l («puelta» por «puerta»), y reducciones como «pa'» o «na'». En palabras sueltas sin contexto, la ese perdida puede cambiar el número gramatical de la frase.
• Andalucía y Canarias: seseo o ceceo, aspiración de la ese y caída de la d entre vocales («cansao», «pescao»). Las palabras que solo se distinguen por la ese o la ce pueden quedar intercambiadas.
• México: vocales átonas muy relajadas en habla rápida («pss» por «pues»), muchos diminutivos («ahorita», «cafecito») y muletillas como «este...» que llenan pausas.
• Chile: habla rápida, ese aspirada y voseo verbal coloquial («¿cómo estái?», «¿cachai?»), además del «po» al final de frase.
• Zona andina: erre asibilada y un ritmo silábico parejo; en la sierra peruana o boliviana pueden aparecer préstamos del quechua o del aimara que el sistema no reconoce.

Modismos: la palabra se oye bien, pero se escribe o se entiende mal

El segundo problema no es acústico sino léxico. Muchos regionalismos son palabras de baja frecuencia en los textos con los que se entrenan los modelos, así que el sistema puede sustituirlas por una palabra parecida y más común. Otros sí se transcriben bien, pero su significado cambia de un país a otro, y eso pesa cuando la transcripción va a traducirse.

«Guagua»

Autobús en Cuba, Puerto Rico y Canarias; bebé en Chile, Ecuador y la zona andina

«Ahorita»

En México puede ser «dentro de un rato» o «ya mismo»; en otros países casi siempre «ahora»

«Pana»

Amigo en Venezuela, Ecuador y Panamá; tela de pana en España

«Chamba» / «laburo» / «curro»

Trabajo en México y Perú / en Argentina y Uruguay / en España

«Al tiro»

Inmediatamente, en Chile

«Vaina»

Cosa o asunto en Venezuela, Colombia y el Caribe

«Qué padre» / «qué chévere» / «qué guay»

Expresiones de aprobación en México / Venezuela y Colombia / España

En la transcripción conviene conservar estas palabras tal como se dijeron. Si una persona de Medellín dice «eso estuvo muy bacano», escribir «eso estuvo muy bueno» ya no es transcribir: es editar la voz de otra persona.

Qué pasa cuando además hay que traducir

Si la transcripción es solo el primer paso y luego necesitas subtítulos en inglés o una versión hablada en otro idioma, los modismos pasan a ser el mayor riesgo. Una traducción automática tiende a elegir el sentido más general de cada palabra. «Me quedé sin laburo» puede salir bien, pero «está re bueno» o «no pasa nada, güey» pueden perder el matiz o salir demasiado literales.

Tres casos típicos que vale la pena revisar a mano después de traducir:

• Intensificadores regionales: «re», «súper», «bien» («está bien rico») o «demasiado» usado como «muy» en Colombia.
• Expresiones de tiempo ambiguas: «ahorita», «al rato», «luego» (que en algunas zonas de México significa «enseguida»).
• Vocativos y apodos: «che», «güey», «tío», «mijo», «asere». A veces lo correcto en la traducción es omitirlos, no traducirlos literalmente.

Cuando el destino es otra variedad del español, el problema es distinto: no se trata de traducir, sino de neutralizar. Para subtítulos pensados para el continente entero, revisa nuestra guía de subtítulos en español neutro.

Cómo encaja mydubly en este trabajo (y qué no hace)

mydubly transcribe con un reconocimiento de voz basado en Whisper, un modelo abierto entrenado con audio de muchos idiomas y acentos. En la práctica:

1. Abre la herramienta de video a texto (en inglés) y arrastra tu archivo a «Drop a video here» (o a «Drop audio here» si es solo audio, por ejemplo un M4A o un MP3).
2. Deja desactivado el interruptor «Full translation output» (en audio se llama «Audio and text output»): así obtienes la transcripción con marcas de tiempo en el idioma hablado.
3. En «Select language» elige el idioma hablado para recibir el texto sin traducir, o elige otro idioma si lo quieres traducido.
4. Pulsa «Transcribe video» o «Transcribe audio» y no cierres la pestaña hasta que termine.
5. Descarga el resultado con «Download transcript» (texto plano), «Download timestamped transcript» (con tiempos) o «Download subtitles» (archivo SRT).

Lo que conviene saber antes de empezar: el idioma de origen se detecta automáticamente y no se puede elegir a mano, ni mucho menos indicar una variedad concreta como «español de Argentina». Tampoco hay una opción para cargar un vocabulario propio con nombres o regionalismos, ni un editor integrado para corregir el texto: las correcciones se hacen en el archivo descargado, con cualquier editor. No identifica quién habla, así que en entrevistas con varias personas tendrás que marcar los turnos tú. Y si alguien mezcla español con inglés (el típico «spanglish» de Miami o de la frontera), la transcripción reflejará lo que se oye, pero con más errores en los cambios de idioma.

Las variantes «Spanish (Latin America)» y «Spanish (Spain)» existen, pero solo como idioma de destino al traducir o generar voz, no como forma de afinar la transcripción del audio original.

Revisión por capas: tres pasadas con objetivos distintos

Revisar una transcripción de principio a fin, escuchando el audio completo, es lento. Una forma más eficiente para hablantes de varios países consiste en pasar tres veces por el texto con objetivos distintos:

1. Primera pasada, nombres propios: personas, barrios, marcas, instituciones. Son los errores que más dañan la credibilidad y los más fáciles de detectar con la búsqueda del editor.
2. Segunda pasada, rasgos de la variedad: busca las zonas donde sabes que el acento genera fallos (formas de voseo en una entrevista porteña, plurales en una caribeña, eses y ces en una andaluza) y escucha esos fragmentos usando las marcas de tiempo.
3. Tercera pasada, sentido: lee sin audio. Si una frase no tiene lógica, casi siempre hay una palabra mal reconocida; vuelve al minuto exacto y escucha.

La guía para revisar una transcripción hecha con IA (en inglés) amplía este procedimiento, y si dudas entre mantener muletillas o limpiar el texto, consulta la diferencia entre transcripción literal y transcripción limpia (en inglés).

Errores frecuentes al corregir habla regional

• Convertir el voseo en tuteo. «¿Vos querés venir?» no debe pasar a «¿Tú quieres venir?» en una transcripción: es parte de cómo habla la persona.
• Escribir la pronunciación en lugar de la palabra. Salvo en estudios fonéticos, se escribe «cansado» aunque se oiga «cansao». Reproducir el acento con la ortografía suele leerse como burla.
• Corregir lo que no está mal. «Ustedes» por «vosotros» en boca de un mexicano no es un error que haya que cambiar a la norma peninsular, ni al revés.
• Confiar en el corrector ortográfico. Muchos regionalismos aparecen subrayados en rojo y la tentación es aceptar la sugerencia; revisa antes con el audio.
• Olvidar las cursivas o comillas para palabras de otras lenguas. Un término en quechua, en guaraní o en inglés dentro de una frase en español merece una marca coherente de principio a fin.

Ejemplo práctico: un pódcast con invitados de tres países

Imagina un programa de una hora con una conductora mexicana, un invitado chileno y otro de Madrid. Lo razonable es transcribirlo completo de una vez y revisar por bloques según quién habla, porque cada uno tiene puntos débiles distintos: el «po» y el habla rápida del chileno, los diminutivos de la conductora y los «vale» y «vosotros» del madrileño, que se transcriben bien pero pueden molestar si luego el texto se adapta para un público latinoamericano.

Con la transcripción con tiempos en mano, la revisión se organiza sola: cada fragmento dudoso tiene su minuto, y puedes dejar para el final las intervenciones del hablante con más rasgos regionales. Si el audio tiene problemas generales de calidad (eco, música de fondo, voces solapadas), mira también los errores típicos al pasar audio a texto, porque ahí el acento no es el culpable.