Transcripción instantánea permite, como su nombre lo dice, transcribir lo que se escucha alrededor del celular. Esta herramienta es muy interesante para una persona con problemas de audición, pues podrá saber en tiempo real qué está diciendo su interlocutor. Pero, también podría ser utilizado en otras situaciones en las que el oír no es tan fácil y se necesitan ayudas visuales.

Las novedades de Transcripción instantánea

Algunas de estas funciones esperadas fueron anunciadas durante esta semana. De acuerdo con una publicación en el blog The Keyword de Google, llegarán algunas novedades esperadas a la app de transcripción instantánea. La primera de ellas tiene que ver con la posibilidad de copiar y guardar las transcripciones de manera local en el celular por hasta tres días.

De acuerdo con la empresa, esto no solo será útil para quienes necesitan ayudas auditivas, sino también para periodistas (por el tema de las entrevistas) o estudiantes (para las clases o conferencias). Este añadido es importante, pues como comenta The Verge, cuando se anunció la aplicación la compañía eligió no incluir la opción de guardar las transcripciones. Esto porque quería que su app fuera simple y fácil de usar, pero también podría tener que ver con problemas de privacidad.

Por otra parte, la aplicación también mostrará eventos como que un perro ladra o que alguien toca a la puerta. Esta funcionalidad sí puede ser muy importante para aquellas personas con discapacidades, pues le da mayores detalles de lo que sucede a su alrededor.

Si quieres probar Transcripción instantánea, la puedes descargar para Android a través de la tienda de Google Play. Eso sí, tendrás que esperar algunas semanas para tener las nuevas funcionalidades.

Imagen: Google.

Deepgram, una herramienta para transcribir audios a texto, es gratis para todos a partir de hoy. Esta plataforma funciona aplicando aprendizaje de máquinas a datos de audio, según reportó TechCrunch. Ya no tendremos que pasar horas eternas transcribiendo audios a texto, o pagar servicios costosos como el de Trint (que cuesta desde 12 dólares la hora).

Aunque la plataforma solo funciona para audios en inglés, es una herramienta útil para muchas labores de estudio o de trabajo. Por ejemplo, puedes transcribir en segundos, una entrevista, o el audio de un discurso para hacer un estudio académico.

Deepgram te permite subir un audio que tengas guardado en tu computador, o incluso pegar un enlace de un video de YouTube. Dependiendo del peso del archivo, el sistema se demora unos cuantos segundos procesando el audio. Luego te muestra el texto que logró captar, dividido en cada minuto de la duración.

La plataforma usa ‘deep learning’, una especie más compleja de aprendizaje de máquinas, que funciona con redes neuronales (similar al funcionamiento del cerebro). Eso quiere decir que los desarrolladores han estado ‘entrenando’ al sistema con palabras en inglés para que sea capaz de reconocerlas y ponerlas en texto. Es por eso que Deepgram solo funciona para audios en inglés.

¿Cómo quedan las transcripciones?

La versión gratis es muy rústica. Eso quiere decir que no asimila signos de puntuación y ciertos términos, como marcas o productos. Para que el sistema logre esas particularidades, sí tocaría pagar una mensualidad. Pero ¿qué es poner un par de puntos y comas en comparación con horas de transcripción?

Otras limitaciones de la plataforma tienen que ver con los tonos de las voces. Estuvimos probando con algunos audios y para el caso de las canciones, el sistema no es muy hábil a la hora de reconocer la ‘letra’.

Tampoco parece captar discursos con un tono artístico. Por ejemplo, intentamos con un fragmento del famoso discurso ‘Yo tengo un sueño’ de Martin Luther King, pero el sistema no reconoció más que un par de frases de un audio de dos minutos.

En cambio, subimos un audio de una entrevista a Barack Obama con Ellen Degeneres. El tono es más convencional y el audio es limpio. Por lo tanto, la transcripción salió tal como esperábamos:

¿Cómo funciona la plataforma?

Deepgram tiene un navegador que te permite buscar palabras clave. Esto es particularmente útil para transcripciones largas. El reporte de TechCrunch dice que el sistema es hábil a la hora de buscar dentro del texto. Por ejemplo, en una entrevista de una hora, el periodista dice que solo le tomó dos intentos encontrar el segmento del diálogo que estaba buscando.

“La ASR [reconocimiento autómata de voz] aún no está resuelta… está lista para sets específicos de datos pero con datos con acentos o ruidosos, cualquier servicio hará un mal trabajo”, le dijo al medio Scott Stephenson, cofundador y CEO de Deepgram. Vale la pena decir que en una de mis pruebas, subí el audio de una entrevista en la que hablo en inglés, con un acento latino moderado, y reconoció mis palabras a la perfección.

Finalmente, la oferta gratis tiene un límite: si usas más de un millón de minutos, te comenzarán a cobrar. La computación es costosa, así que tendría sentido cobrar si pones a un sistema a procesar un archivo de audio de 50 terabytes.

Imágenes: capturas de pantalla y Wikipedia.