¿Transcribir el original o una copia limpiada?
Usa el original si la voz ya es utilizable. Compara la limpieza solo ante un problema identificado; rechaza pérdidas de consonantes, respuestas suaves o solapamientos aunque suba la puntuación.
Elysia Tools
Navegación
Workflow Playbook
Conserva la grabación, evalúa riesgos, compara una copia limpiada opcional y revisa el borrador de IA contra el original para entregar texto trazable con pasajes pendientes.
¿Nuevo en este flujo? Sigue los pasos en orden, empezando por la primera herramienta abajo. ¿Ya sabes lo que necesitas? Ve directo al paso correspondiente: todas las herramientas de este flujo están en la tabla comparativa.
Primera herramienta: Hash de Audio
Temas
| Herramienta | Qué hace | Categoría |
|---|---|---|
| Hash de Audio | Genera hashes criptográficos (sumas de verificación) para archivos de audio | Media |
| Metadatos multimedia a JSON | Extrae metadatos de audio/video como JSON con ffprobe. | Media |
| Comprobador de audio para dictado | Evalúa audio para transcripción con SNR, clipping, formato, canales y actividad vocal. | Media |
| Generador de Forma de Onda | Crea una imagen de forma de onda desde audio | Media |
| Generador de espectrogramas |
Temas
| Sube un archivo de audio o vídeo para generar un espectrograma PNG en el servidor. Elige dimensiones en píxeles, paleta y etiquetas de tiempo, frecuencia e intensidad. |
| Media |
| Asistente de limpieza de voz | Analiza problemas de voz y sugiere una cadena de procesado, con una vista previa antes/después. | Media |
| Transcriptor de audio a texto (IA) | Transcribe voz de audio (wav/mp3/m4a/flac/ogg/webm/aac) a texto, SRT, VTT o JSON con el modelo grok-stt. Hasta 10 min. | AI Tools |
| Comprobador de sincronía de subtítulos | Compara SRT o WebVTT con actividad de voz probable y marca deriva. | Media |
Periodistas, investigadores y editores necesitan acordar si entregan una transcripción literal, editada o de lectura. En citas no elimines silenciosamente reservas, dudas o negaciones. Define quién confirma nombres y aprueba la versión. Este proceso no traduce, identifica personas automáticamente ni autentica grabaciones.
Conserva el original localmente y registra SHA-256, duración y canales. El resumen identifica una versión, no demuestra procedencia ni veracidad. Micrófonos separados pueden guardar hablantes distintos; una advertencia multicanal no justifica mezclarlos sin escuchar. Si necesitas extraer o seleccionar una pista, hazlo mediante un proceso autorizado y documenta la relación con el original.
La forma de onda orienta sobre niveles y el espectrograma sobre ruido persistente; ninguna imagen revela palabras. Escucha los intervalos y revisa los componentes de la preevaluación. Sin una referencia adecuada de no habla, la separación de ruido puede ser desconocida, no aprobada.
La limpieza es opcional. Guarda cadena sugerida y ajustes, y compara original y copia a volumen equivalente. El diagnóstico del asistente usa PCM mono, no análisis independiente de cada hablante. Comprueba consonantes, respuestas débiles y voces simultáneas. Mejor sonido o más puntos no prueban mejor texto; rechaza pérdidas de información. La restauración importante pertenece al flujo relacionado de reparación.
La transcripción envía audio a un proveedor externo de IA. La posesión autorizada del archivo no basta para autorizar ese envío. Revisa límites del plan antes de preparar entrevistas largas. Si elaboras fragmentos aparte, conserva sus inicios originales y restaura manualmente los tiempos globales; aquí no hay ensamblado automático de entrevistas largas.
Texto sirve para lectura; SRT, VTT o JSON aportan referencias. Guarda la procedencia de los tiempos: cuando faltan los del proveedor, pueden ser aproximaciones alineadas con silencios. Revisa todo contra el original, especialmente uniones, duplicaciones, omisiones, nombres, fechas, importes y negaciones. Asigna hablantes por contexto confirmado. Mantén intervalos y etiquetas de duda para lo inaudible, sin inventar frases plausibles.
El verificador SRT/VTT compara tiempos con probable actividad vocal; no revisa palabras ni corrige automáticamente la deriva. Una coincidencia temporal puede contener texto equivocado. Escucha referencias iniciales, intermedias y finales y todos los avisos. Los tiempos en texto y JSON se comprueban manualmente. Para publicación de subtítulos usa el flujo de accesibilidad.
Abre el archivo definitivo en la aplicación receptora y comprueba codificación, saltos, política editorial y origen temporal. Entrega identificadores, versión aprobada, parámetros, informes y dudas con aprobación del revisor. Calcula resúmenes propios para archivos finales, sin exigir igualdad con el original. Archiva fuera de enlaces temporales: la trazabilidad exige mostrar lo pendiente, no ocultarlo detrás de una respuesta exitosa de IA.
Guía de flujo de trabajo
Calcula SHA-256, revisa duración y canales y asigna una versión; el resumen identifica bytes, no demuestra autenticidad ni consentimiento.
Combina preevaluación, forma de onda, espectrograma y escucha para anotar ruido, saturación, voz baja y solapamientos; las referencias ausentes requieren revisión.
Genera una vista previa independiente solo si hace falta, guarda la cadena sugerida y compara pasajes difíciles; vuelve a comprobar datos y calidad sin aprobar por puntuación.
Selecciona idioma y formato, transcribe la versión elegida y guarda el origen de los tiempos; escucha todo el original y comprueba desplazamientos, uniones y etiquetas manuales.
Usa el original si la voz ya es utilizable. Compara la limpieza solo ante un problema identificado; rechaza pérdidas de consonantes, respuestas suaves o solapamientos aunque suba la puntuación.
Elige texto para lectura y citas, o SRT, VTT o JSON para localizar pasajes. Revisa el origen temporal; tiempos aproximados y coincidencia con actividad vocal no verifican cada palabra.
Escucha el original y consulta referencias aprobadas. Marca palabras inaudibles, nombres tentativos y hablantes inciertos con intervalos, sin completar huecos por contexto.
En SRT o VTT, detecta desajustes de actividad y verifica palabras escuchando; en texto o JSON revisa tiempos manualmente. Calcula resúmenes finales y conserva aprobación e incidencias.