Cómo grabar audio para transcribir sin perder palabras

Por qué la grabación pesa más que la herramienta

Los sistemas de reconocimiento de voz actuales, como Whisper, son bastante tolerantes con acentos y con cierto ruido, pero tienen un límite claro: si una palabra quedó tapada por un camión, por un ventilador o por el eco de un salón vacío, el sistema adivina o la omite. Corregir esos huecos después cuesta mucho más tiempo que prevenirlos.

La buena noticia es que no hace falta equipo caro. La mayoría de los problemas se resuelven con decisiones sencillas: dónde te sientas, dónde pones el teléfono, qué apagas antes de empezar. El artículo sobre ruido de fondo y reconocimiento de voz (en inglés) explica por qué ciertos ruidos afectan más que otros.

Distancia y posición del micrófono

La distancia es el factor que más influye y el más fácil de controlar. La voz pierde fuerza muy rápido al alejarse del micrófono, mientras que el ruido de la habitación se mantiene más o menos igual. Duplicar la distancia empeora mucho la relación entre voz y ruido.

• Para una sola persona (dictado, nota de voz, clase propia), el micrófono a un palmo de la boca, ligeramente de lado para evitar los golpes de aire de la «p» y la «b».
• Para una entrevista entre dos, el teléfono en la mesa, entre ambas personas, un poco más cerca de quien habla en voz más baja.
• Para un grupo, al centro de la mesa y sobre un paño o una servilleta doblada, que amortigua los golpes en la mesa.
• Nunca dentro de un bolsillo, una mochila o boca abajo sobre una superficie dura.

Si grabas a alguien que habla poco y bajito, acércale el micrófono a esa persona en lugar de subir el volumen después. Subir la ganancia en edición también sube el ruido.

Ruido: ventiladores, aire acondicionado, calle

Hay dos tipos de ruido y se tratan distinto. El ruido constante (ventilador de techo, aire acondicionado, refrigerador, el zumbido de una laptop) parece inofensivo porque el oído se acostumbra, pero el micrófono lo registra completo y enmascara las consonantes. El ruido intermitente (una moto, un perro, la licuadora del vecino, el carrito de los tamales con su altavoz) tapa frases enteras.

• Apaga ventiladores y aire acondicionado durante la grabación, aunque haga calor. Si no puedes, aleja el micrófono de la salida de aire.
• Cierra ventanas que den a la calle y elige el cuarto más alejado del tránsito.
• Silencia notificaciones del teléfono que graba: una vibración sobre la mesa se oye como un golpe.
• En una cafetería, evita las mesas cerca de la cafetera y de la barra. Mejor una esquina.
• Si alguien interrumpe con ruido fuerte, pide repetir la frase. Es más fácil que reconstruirla luego.

Eco y acústica de la habitación

El eco es el enemigo silencioso. En un salón con paredes desnudas, piso de cerámica y pocos muebles, la voz rebota y llega al micrófono varias veces con un pequeño retraso. Al oído humano le molesta poco; al reconocimiento de voz, bastante.

Para reducirlo:

• Prefiere habitaciones con muebles, cortinas, alfombras, libreros o ropa colgada. Un dormitorio suele sonar mejor que una sala grande.
• Evita baños, cocinas, pasillos y salones de clase vacíos.
• Si tienes que grabar en un salón grande, acerca el micrófono a quien habla; la distancia corta reduce la proporción de eco.
• Para grabaciones caseras recurrentes, una manta gruesa colgada detrás de ti mejora mucho el sonido.

La guía sobre acústica de la habitación para grabar voz (en inglés) entra en más detalle.

Celular, grabadora o micrófono de solapa

No existe una opción mejor para todos los casos; depende del contexto:

• Celular: siempre lo tienes a mano y los modelos recientes graban voz con buena calidad. Su punto débil es que se usa lejos de la boca y que puede interrumpirse por llamadas. Actívale el modo avión o el modo no molestar antes de grabar.
• Grabadora de mano: pensada para esto, con micrófonos de mejor calidad, control de nivel y sin interrupciones. Útil para periodistas, investigadores y quien graba con frecuencia en lugares ruidosos.
• Micrófono de solapa (lavalier): se engancha en la ropa a pocos centímetros de la boca y resuelve el problema de distancia. Hay modelos que se conectan al teléfono. Cuida que no roce con la ropa ni con un collar.

Para entrevistas en las que tú también hablas, lo ideal son dos micrófonos de solapa o dos teléfonos grabando por separado; la guía sobre cómo grabar con el celular para transcribir (en inglés) tiene ideas para ese caso.

Formato y ajustes antes de grabar

• Usa la app de grabación nativa del teléfono. En iPhone, Notas de Voz guarda en M4A, un formato que se transcribe sin conversión; la guía para transcribir notas de voz del iPhone cubre ese caso.
• Si tu grabadora permite elegir, WAV o MP3 de buena calidad funcionan bien. Mono es suficiente para voz.
• Desactiva efectos como «mejora de voz» agresiva o reducción de ruido extrema si notas que la voz suena metálica.
• Evita usar notas de voz de WhatsApp para grabaciones largas: se guardan en formato .opus, que no todas las herramientas aceptan y que habría que convertir.
• Revisa el espacio libre y la batería antes de empezar. Una grabación cortada a la mitad no tiene arreglo.

La prueba de 30 segundos

Antes de la entrevista, la clase o la reunión que importa, dedica un minuto a esta prueba. Es el hábito que más grabaciones salva.

1. Coloca el teléfono o la grabadora exactamente donde va a quedar.
2. Pide a cada persona que diga su nombre y una frase normal, con su volumen habitual.
3. Quédense en silencio cinco segundos: así escuchas el ruido de fondo puro.
4. Escucha la prueba con audífonos, no con el altavoz del teléfono.
5. Pregúntate: ¿se entiende cada palabra sin esfuerzo?, ¿hay un zumbido constante?, ¿suena a cuarto vacío?, ¿alguna voz queda mucho más baja que otra?

Si algo suena mal, corrígelo en ese momento: mueve el micrófono, apaga el aparato, cambia de habitación. Si te interesa medir niveles con más precisión, la guía sobre niveles de audio y dBFS (en inglés) explica cómo leer el medidor de una grabadora.

Transcribir la grabación con mydubly

Con una buena grabación, el paso a texto es lo más rápido del proceso. En la página de audio a texto (en inglés) o en el inicio de mydubly:

1. Arrastra el archivo al recuadro «Drop audio here». Se aceptan MP3, WAV, M4A, AAC, OGG, FLAC y WebM, hasta 2 horas por archivo.
2. Deja desactivado «Audio and text output» para obtener solo la transcripción con marcas de tiempo.
3. El idioma se detecta automáticamente; no se puede elegir a mano.
4. Haz clic en «Transcribe audio» y deja la pestaña abierta mientras se procesa; si sales de ella, el trabajo se cancela.
5. Guarda el resultado como texto plano (transcript.txt) o con «Download timestamped transcript» si quieres conservar los tiempos.

El costo es de 1 crédito por minuto iniciado, con mínimo de 5 créditos: una entrevista de 60 minutos cuesta 60 créditos (US$ 0,06).

Ten presentes los límites: mydubly no limpia ni mejora el audio, no separa a los hablantes en la transcripción y no acepta directamente las notas de voz .opus de WhatsApp ni las grabaciones de llamadas .amr; conviértelas antes a MP3 o M4A. Si después de transcribir ves palabras faltantes o frases inventadas, revisa la guía de errores al pasar audio a texto.

Errores frecuentes que arruinan una transcripción

• Grabar desde el otro lado de la mesa «porque el micrófono es bueno».
• Confiar en que el ruido se quitará después. Los filtros de reducción de ruido ayudan poco con voces tapadas y a veces empeoran el reconocimiento.
• Hablar todos a la vez. En reuniones y grupos focales, pedir turnos de palabra mejora muchísimo el texto.
• No avisar que se graba. Además de ser una cuestión de respeto y, en muchos contextos, de consentimiento, la gente que sabe que se graba suele hablar más claro.
• Dejar la grabación en un solo lugar. Haz una copia de seguridad apenas termines.