Convertir WAV a texto

Sí. Los archivos escritos a 48 kHz y 24 bits, que es el ajuste habitual de una grabadora de campo o de una interfaz de audio, se suben directamente. No hace falta convertir a 16 bits ni cambiar la frecuencia de muestreo. La transcripción trabaja sobre el archivo tal como se escribió, así que el original sigue siendo la referencia para cualquier cotejo posterior.

Convertir a MP3 agrega una generación con pérdida y un segundo archivo que hay que cuidar, sin que el habla se reconozca mejor. La conversión de WAV a texto toma el archivo sin comprimir, de modo que el audio que llega al reconocedor es el que se grabó. También evita la tentación de borrar el original cuando ya existe una copia más liviana.

El límite de subida es de 100MB, que a 48 kHz y 24 bits son varias horas de audio estéreo; el habla no tiene límite de duración. Una jornada completa de grabación suele pasar el límite de tamaño, así que conviene partir la sesión en un corte natural, como el final de una entrevista, antes de enviarla.

Sí, cuando la separación de hablantes está activada. Los turnos quedan etiquetados, algo que importa en una entrevista donde preguntas y respuestas deben mantenerse distintas. El cruce de voces y quien se aleja del micrófono siguen siendo los casos difíciles, y esos pasajes merecen una escucha antes de citar la transcripción.

Cada pasaje lleva el momento en que ocurre en la grabación, contado desde el inicio del archivo. Así se puede saltar a una frase del WAV original, lo que sirve cuando un nombre o una cifra están en duda. La transcripción y la grabación se mantienen sincronizadas incluso en una sesión larga.

Un archivo mono de un solo micrófono es la entrada más simple. Los archivos estéreo se procesan tal como llegan, pero si un canal tiene a un hablante distinto, separar los canales en archivos propios puede dar una transcripción más limpia que enviar la pista combinada, y cada mitad recibe luego su etiqueta de hablante.

El audio limpio, con poco ruido y el micrófono cerca, da los mejores resultados, que es lo habitual en una grabadora de campo. Los acentos, el habla superpuesta y el vocabulario especializado siguen necesitando revisión. Una escucha breve contra las marcas de tiempo basta para decidir si una sesión requiere corrección completa.

El texto plano se exporta para codificar, citar o archivar, y hay SRT cuando la grabación se publicará con subtítulos. Como el archivo original no cambia, un archivo de investigación puede guardar el WAV y su transcripción juntos, con las marcas de tiempo como enlace entre una afirmación y el audio que la respalda.