Buenas.
La semana pasada intenté transcribir una entrevista grabada con el móvil y el resultado fue bastante malo. El micrófono estaba a casi un metro, habÃa ruido de cafeteria y, para colmo, el móvil subió automáticamente la ganancia durante las pausas.
La transcripción reconoció las frases principales, pero falló en nombres propios, cifras y varias palabras donde el ruido coincidÃa con la voz. Ahà me di cuenta de que limpiar una grabación para escucharla no es exactamente lo mismo que prepararla para un modelo de voz.
Dejo el flujo que estoy usando ahora.
1. Escucha antes de procesar
Escucho unos treinta segundos con auriculares y separo el problema en cuatro grupos:
- ruido constante: ventilador, tráfico o zumbido;
- ruido puntual: golpes, teclas o toses;
- reverberación de la habitación;
- saturación o voz grabada demasiado alta.
No se corrigen igual. Un golpe concreto se corta a mano. La reverberación necesita tratamiento de sala o de eco. Si la voz está saturada, ninguna reducción de ruido va a recuperar la información que se perdió al grabar.
2. Duplica y crea una muestra corta
Nunca proceso el único archivo que tengo. Hago una copia y recorto una muestra de veinte o treinta segundos que contenga:
1. una frase normal;
2. una palabra pronunciada bajito;
3. una pausa con ruido;
4. un nombre propio o una cifra.
Esa muestra es mucho más útil que procesar toda la entrevista y comparar de memoria.
3. Corrige primero lo que no necesita IA
Antes de usar un modelo:
- elimino golpes y clics evidentes;
- aplico un filtro paso alto suave para quitar retumbe;
- mantengo el archivo sin normalizar;
- evito aplicar dos reducciones de ruido consecutivas.
La EQ puede hacer que el ruido moleste menos, pero no lo elimina. Y si se recorta demasiado, también se llevan parte de las frecuencias que ayudan a distinguir consonantes.
4. Aplica un solo tratamiento principal
Para limpiar audio antes de una transcripción, he probado Audacity y AudioCleaner con la misma muestra.
Audacity ofrece más control, pero también exige decidir bien el perfil de ruido y los parámetros. En una toma con ruido variable, es fácil pasarse y dejar la voz más pequeña o metálica.
AudioCleaner me resultó más directo. Empecé únicamente con `Remove Noise`, sin activar normalización, eco y EQ automática al mismo tiempo. En esta grabación redujo el fondo constante y mantuvo bastante claras las terminaciones de las palabras.
El detalle de las consonantes importa mucho para un modelo de transcripción. Una pista que parece limpia al oÃdo puede ser peor para el reconocimiento si han desaparecido las eses, las tes o los finales de palabra.
5. Compara con una prueba real
Después de limpiar:
1. comparo la muestra con el original;
2. transcribo las dos versiones;
3. reviso nombres, cifras y frases cortas;
4. escucho los puntos donde la transcripción falló.
No uso como única referencia si el archivo queda más silencioso. Lo importante es si se entiende mejor y si el modelo conserva más información correcta.
6. Ajusta sin acumular procesos
Si la primera limpieza conserva la voz y todavÃa queda viento, puedo tratarlo como un problema distinto. Lo que evito es aplicar reducción, normalización y ecualización agresiva sin escuchar entre cada paso.
Un resultado con un poco de fondo suele ser preferible a una voz artificial donde faltan sÃlabas.
7. Cuida la privacidad
Una entrevista puede contener nombres, datos de contacto o información interna. Antes de subirla a cualquier servicio hay que comprobar qué se envÃa, durante cuánto tiempo se conserva y si es necesario recortar las partes que no hacen falta para la prueba.
Cuándo usar cada opción
- Audacity: cuando tengo tiempo y quiero controlar cada ajuste.
- Adobe Podcast: cuando solo hay voz hablada y quiero una mejora rápida.
- AudioCleaner: cuando busco un flujo directo y necesito corregir un problema concreto antes de transcribir.
El orden que sigo es sencillo: corregir ruido puntual, reducir el fondo una sola vez, comparar la transcripción y repetir solo desde el original si el resultado no convence.
¿Habéis notado que una limpieza demasiado agresiva empeora la transcripción aunque el audio parezca más limpio?
La semana pasada intenté transcribir una entrevista grabada con el móvil y el resultado fue bastante malo. El micrófono estaba a casi un metro, habÃa ruido de cafeteria y, para colmo, el móvil subió automáticamente la ganancia durante las pausas.
La transcripción reconoció las frases principales, pero falló en nombres propios, cifras y varias palabras donde el ruido coincidÃa con la voz. Ahà me di cuenta de que limpiar una grabación para escucharla no es exactamente lo mismo que prepararla para un modelo de voz.
Dejo el flujo que estoy usando ahora.
1. Escucha antes de procesar
Escucho unos treinta segundos con auriculares y separo el problema en cuatro grupos:
- ruido constante: ventilador, tráfico o zumbido;
- ruido puntual: golpes, teclas o toses;
- reverberación de la habitación;
- saturación o voz grabada demasiado alta.
No se corrigen igual. Un golpe concreto se corta a mano. La reverberación necesita tratamiento de sala o de eco. Si la voz está saturada, ninguna reducción de ruido va a recuperar la información que se perdió al grabar.
2. Duplica y crea una muestra corta
Nunca proceso el único archivo que tengo. Hago una copia y recorto una muestra de veinte o treinta segundos que contenga:
1. una frase normal;
2. una palabra pronunciada bajito;
3. una pausa con ruido;
4. un nombre propio o una cifra.
Esa muestra es mucho más útil que procesar toda la entrevista y comparar de memoria.
3. Corrige primero lo que no necesita IA
Antes de usar un modelo:
- elimino golpes y clics evidentes;
- aplico un filtro paso alto suave para quitar retumbe;
- mantengo el archivo sin normalizar;
- evito aplicar dos reducciones de ruido consecutivas.
La EQ puede hacer que el ruido moleste menos, pero no lo elimina. Y si se recorta demasiado, también se llevan parte de las frecuencias que ayudan a distinguir consonantes.
4. Aplica un solo tratamiento principal
Para limpiar audio antes de una transcripción, he probado Audacity y AudioCleaner con la misma muestra.
Audacity ofrece más control, pero también exige decidir bien el perfil de ruido y los parámetros. En una toma con ruido variable, es fácil pasarse y dejar la voz más pequeña o metálica.
AudioCleaner me resultó más directo. Empecé únicamente con `Remove Noise`, sin activar normalización, eco y EQ automática al mismo tiempo. En esta grabación redujo el fondo constante y mantuvo bastante claras las terminaciones de las palabras.
El detalle de las consonantes importa mucho para un modelo de transcripción. Una pista que parece limpia al oÃdo puede ser peor para el reconocimiento si han desaparecido las eses, las tes o los finales de palabra.
5. Compara con una prueba real
Después de limpiar:
1. comparo la muestra con el original;
2. transcribo las dos versiones;
3. reviso nombres, cifras y frases cortas;
4. escucho los puntos donde la transcripción falló.
No uso como única referencia si el archivo queda más silencioso. Lo importante es si se entiende mejor y si el modelo conserva más información correcta.
6. Ajusta sin acumular procesos
Si la primera limpieza conserva la voz y todavÃa queda viento, puedo tratarlo como un problema distinto. Lo que evito es aplicar reducción, normalización y ecualización agresiva sin escuchar entre cada paso.
Un resultado con un poco de fondo suele ser preferible a una voz artificial donde faltan sÃlabas.
7. Cuida la privacidad
Una entrevista puede contener nombres, datos de contacto o información interna. Antes de subirla a cualquier servicio hay que comprobar qué se envÃa, durante cuánto tiempo se conserva y si es necesario recortar las partes que no hacen falta para la prueba.
Cuándo usar cada opción
- Audacity: cuando tengo tiempo y quiero controlar cada ajuste.
- Adobe Podcast: cuando solo hay voz hablada y quiero una mejora rápida.
- AudioCleaner: cuando busco un flujo directo y necesito corregir un problema concreto antes de transcribir.
El orden que sigo es sencillo: corregir ruido puntual, reducir el fondo una sola vez, comparar la transcripción y repetir solo desde el original si el resultado no convence.
¿Habéis notado que una limpieza demasiado agresiva empeora la transcripción aunque el audio parezca más limpio?