Un motor de voz puede reconocer docenas de idiomas en grabaciones separadas y aun así tener dificultades cuando un hablante cambia de idioma a mitad de frase. Para la transcripción de audio multilingüe, haz tres preguntas distintas: qué idiomas puede reconocer el modelo, cómo elige un idioma y si conserva los cambios dentro de una misma grabación? Un único recuento de idiomas anunciado no puede responder a las tres.
Esta guía compara el comportamiento documentado de configuraciones concretas de modelos y te ofrece una prueba breve que pone de manifiesto los cambios omitidos. Para una comparación más amplia de herramientas en directo y grabadas, consulta nuestra guía de transcripción multilingüe.
- La cobertura de idiomas es el conjunto compatible de un modelo. No garantiza que cualquier combinación funcione en un solo archivo.
- La detección automática de idioma puede elegir la mejor opción entre candidatos sin transcribir todos los idiomas hablados.
- El cambio de código significa conservar los cambios de idioma en la transcripción, incluidos los cambios dentro de una frase. Verifica el modelo y la configuración exactos.
- Mide el resultado en cada cambio con tu propia grabación; los benchmarks del proveedor no pueden sustituir esta comprobación.
Tres especificaciones que debes pedir
Cobertura responde a si un modelo admite un idioma en absoluto. Detección responde a cómo elige entre posibles idiomas para una solicitud. Cambio de código responde a si puede seguir los cambios dentro de esa solicitud. Son comportamientos distintos, y la versión del modelo importa tanto como el nombre del proveedor.
Por ejemplo, la guía de reconocimiento automático de idiomas de Google Cloud Speech-to-Text permite hasta tres idiomas candidatos y dice que el servicio usa el idioma que mejor encaja de esa lista. Tres aquí cuenta como candidatos para la selección; no es una promesa de que los tres aparezcan correctamente en una sola transcripción. La página de Google también limita esta función a modelos y regiones concretos.
Lo que realmente dice la documentación del modelo
| Modelo o configuración | Comportamiento documentado | Pregunta que probar |
|---|---|---|
| Transcripción predeterminada de Whisper de código abierto | Detecta un idioma a partir de hasta los primeros 30 segundos cuando no se proporciona ninguno, y luego usa ese idioma para la decodificación. | ¿Qué ocurre cuando el idioma cambia más adelante en el archivo? |
| Reconocimiento automático de Google Cloud Speech-to-Text V2 | Selecciona un idioma que mejor encaja entre hasta tres candidatos. Esto es selección de idioma, no una garantía publicada de cambio de código. | ¿Conserva la salida ambos idiomas en los puntos de cambio? |
| Configuración de cambio de código de AssemblyAI | Su configuración documentada manual de código de idioma acepta hasta dos códigos, uno de ellos inglés; su configuración automática de cambio de código puede detectar hasta dos. | ¿Tu modelo y pareja de idiomas elegidos están cubiertos por esta configuración? |
| AssemblyAI Universal-3.5 Pro | Documenta cambio de código nativo en 18 idiomas compatibles. Dieciocho describe el conjunto compatible, no un máximo por archivo declarado. | ¿Están todos los idiomas de tu clip entre esos 18 y cuánta precisión tienen los cambios? |
| Deepgram Nova-2 multilingüe | El modo multilingüe documentado admite cambio de código entre inglés y español. | ¿Tu grabación usa exactamente esta pareja y este modo? |
| Deepgram Nova-3 multilingüe | Deepgram documenta cambio de código en un conjunto de diez idiomas con language=multi. Diez es el conjunto de idiomas del modelo, no un máximo publicado de idiomas por grabación. | ¿El modo configurado conserva cambios breves en tus idiomas objetivo? |
Estas filas describen distintos tipos de límites. No ordenes sus números como si midieran lo mismo. En particular, el recuento de candidatos de Google y los conjuntos compatibles de Universal-3.5 Pro y Nova-3 no son techos comparables por archivo. La API de transcripción de archivos alojada de OpenAI también es un producto distinto del código de Whisper de código abierto enlazado arriba; prueba su modelo actual de forma independiente.
Cómo probar una grabación en varios idiomas
- Haz un clip de referencia. Graba dos minutos con hablantes reales. Incluye cada idioma objetivo, varios cambios, un cambio a mitad de frase y nombres que importen a tu equipo.
- Guarda una transcripción de referencia manual. Marca cada cambio de idioma y cada nombre propio para que puedas ver exactamente qué se omitió.
- Usa la configuración exacta de producción. Fija la versión del modelo y activa el modo multilingüe o de cambio de código documentado por el proveedor. Guarda la configuración de la solicitud junto con el resultado.
- Lee cada punto de cambio. Busca palabras omitidas, palabras reescritas en el alfabeto equivocado, traducción cuando pediste transcripción y etiquetas de idioma que van por detrás del habla.
- Repite con tu pareja más difícil. Añade ruido o un tercer idioma solo si esas condiciones aparecen en tus grabaciones reales. Compara los resultados con la misma referencia y organiza revisión humana para usos con consecuencias.
La cifra de precisión de un proveedor puede usar idiomas, hablantes y reglas de puntuación distintos. Este procedimiento te dice si su salida funciona para tu audio. Si tu flujo de trabajo también necesita traducción, nuestra guía de herramientas de traducción cubre ese paso aparte.
Dónde encaja MirrorCaption
La ruta en directo de MirrorCaption está diseñada para subtítulos y traducción durante una conversación. El cliente actual envía pistas de idioma con la identificación de idioma activada; la traducción unidireccional puede aceptar idiomas de origen detectados compatibles con el servicio configurado. La detección automática no añade compatibilidad para un idioma no admitido. Esa configuración no es una garantía medida para cada pareja de idiomas ni para cada cambio a mitad de frase. Prueba una sesión en directo con tus hablantes reales antes de depender de ella. Nuestra guía de centro de llamadas multilingüe cubre el flujo de trabajo en directo.
La interfaz actual de subida de archivos envía una sola pista de idioma de origen seleccionada. No infieras de la configuración en directo que las grabaciones subidas reciban el mismo tratamiento multilingüe. Para una grabación terminada con varios idiomas, prueba el resultado de la subida y usa un servicio especializado de cambio de código o revisión humana si omite pasajes importantes.
Cada cuenta nueva incluye una hora gratis, una sola vez, sin tarjeta de crédito. El plan Anual actual cuesta 54.99 € por 110 horas al año; consulta los precios actuales antes de comprar.
Preguntas frecuentes
¿Una lista de 99 idiomas significa que una grabación puede contener los 99?
No. Una lista de idiomas compatibles te dice qué idiomas puede reconocer un modelo. Consulta la documentación aparte sobre detección automática y cambio de código dentro de una sola grabación.
¿Seleccionar tres idiomas candidatos es lo mismo que cambio de código?
No. La documentación de Google Cloud Speech-to-Text dice que su reconocimiento automático selecciona el idioma que mejor encaja entre hasta tres candidatos. Esa configuración no promete una transcripción en varios idiomas.
¿Puede Whisper de código abierto seguir automáticamente un cambio de idioma?
La ruta de transcripción predeterminada de Whisper detecta un idioma usando hasta los primeros 30 segundos y usa esa elección para la decodificación. No asumas un cambio automático a mitad de archivo; prueba un clip multilingüe o divídelo deliberadamente.
¿Puede MirrorCaption gestionar una grabación multilingüe?
Las sesiones en directo de MirrorCaption usan identificación de idioma y pistas de idioma. La interfaz actual de subida de archivos envía una sola pista de idioma de origen seleccionada. Prueba una grabación representativa antes de confiar en la salida de subida en varios idiomas.
Haz que el modelo demuestre la afirmación
Elige un modelo para la pareja de idiomas y el flujo de trabajo que realmente tienes. Revisa su documentación de cambio de código, guarda la configuración exacta y prueba un clip que contenga puntos de cambio reales. Una lista larga de idiomas es un filtro inicial; la transcripción en sí es la prueba de compra.
Prueba una sesión multilingüe en directo
Usa tus propios hablantes y tu propia pareja de idiomas. Tu primera hora es gratis.
Empezar gratis