Puntos clave
Busca primero la transcripción, antes que los auriculares. WhatsApp puede transcribir mensajes de voz en el propio teléfono, una vez que activas la función en los ajustes del chat y se descarga el paquete de idioma, pero que la tengas disponible depende de tu teléfono, de la versión del sistema operativo y del idioma. La versión de Telegram es una función de pago y su calidad varía mucho según el idioma. Ambas son ayudas de lectura. Si necesitas guardar, actuar sobre el mensaje o reenviarlo, exporta el audio y transcríbelo como corresponde.
El mensaje de voz siempre llega en el peor momento. Estás a los cuatro minutos de una reunión, o de pie en un vagón silencioso, o el bebé por fin se ha dormido en la habitación de al lado y el teléfono está en silencio por una buena razón. Alguien te ha mandado cincuenta y ocho segundos de voz y ni idea de qué dice.
Hay dos respuestas, y conviene saber cuál necesitas antes de empezar a tocar la pantalla. La mayoría de las veces solo quieres la idea general, ya, y es posible que tu teléfono ya pueda dártela. De vez en cuando el mensaje contiene algo que necesitarás más adelante, y eso es otro trabajo con otra herramienta.
Primero, comprueba si la transcripción ya está ahí
Antes de buscar nada más, mira si la app en la que estás te ofrece el texto directamente. Tanto WhatsApp como Telegram pueden hacerlo, con condiciones, y si tu caso cumple esas condiciones, el problema entero se resuelve en cinco segundos.
Si no aparece nada, no te pongas a rebuscar en los menús en plena reunión. O la función no está disponible para ti o necesita configurarse, y ninguna de las dos cosas es algo que quieras hacer con un dedo por debajo de la mesa. Sigue adelante: silencia la notificación y ocúpate de esto después.
La transcripción de WhatsApp, y por qué puede que no la tengas
WhatsApp incorporó su propia transcripción de mensajes de voz, y funciona en el propio teléfono en lugar de en un servidor remoto. Se activa en los ajustes de chat de WhatsApp, y la primera vez que la uses se descargará el paquete de idioma antes de que pase nada, así que esa primera transcripción tarda más que todas las siguientes.
Lo complicado es la disponibilidad. Que la función exista para ti depende de tu teléfono, de qué versión del sistema operativo tiene instalada y del idioma que quieras transcribir. Esas tres cosas se combinan de formas que la app no explica. Un compañero puede mostrarte la opción en su pantalla mientras que la tuya sencillamente no la tiene, y no hay ningún aviso en la app que te diga por qué. Si ya has buscado en los ajustes de chat y no está, esa es tu respuesta por ahora. No es algo que hayas hecho mal.
Como funciona en el propio dispositivo, la transcripción se queda en el dispositivo. Eso es bueno para la privacidad y malo para cualquier otra cosa que quieras hacer con el texto.
Telegram, y el problema del idioma
Telegram también transcribe mensajes de voz, pero forma parte de la suscripción premium. Si no pagas, no la tienes.
Si pagas, ten en cuenta que la calidad depende mucho del idioma del mensaje. Algunos idiomas salen lo bastante limpios como para leerlos de un vistazo. Otros salen como algo que hay que reconstruir a partir del contexto, lo cual es más lento que simplemente haber escuchado el audio. No hay forma de saber en qué grupo caes salvo probarlo con un mensaje que también puedas comprobar de oído, una vez, y ver qué tan acertada fue la transcripción.
Leer es más discreto que escuchar
Deja a un lado la precisión por un momento. Hay una razón social para preferir el texto que no tiene nada que ver con lo buena que sea la transcripción.
Acercarte el teléfono al oído en una reunión se nota. También se nota el altavoz puesto disimuladamente en un ángulo raro, y también rebuscar un solo auricular en el bolsillo. Echar un vistazo a un texto en la pantalla no se nota. Todos en la sala ya asumen que de vez en cuando miras el teléfono. Leer tres líneas de una transcripción entra dentro de esa suposición; reproducir un audio, no.
Lo mismo pasa al revés, en un piso con un niño dormido o en una oficina compartida donde el sonido se propaga. Una transcripción no necesita auriculares, no necesita volumen y no necesita que salgas de la habitación. Incluso una imperfecta suele decirte si el mensaje puede esperar una hora.
Cuando necesitas algo más que una ayuda de lectura
Una transcripción integrada es exactamente eso: una ayuda de lectura. Puedes verla. Por lo general no puedes exportarla de forma limpia, no puedes buscar en todos tus chats una frase que alguien dijo en una nota de voz el marzo pasado, y no puedes corregir la palabra que se transcribió mal para que quede corregida de forma permanente. Es texto en una pantalla, no un documento que te pertenece.
Para la mayoría de los mensajes, con eso sobra. Alguien te avisa de que llega tarde. Lo lees, ya lo sabes, sigues con tu día. Pero algunas notas de voz contienen cosas que necesitarás recuperar más adelante: una dirección, una decisión, una serie de instrucciones, un precio que alguien aceptó de palabra. Para esos casos, lo correcto es guardar el audio del chat y transcribirlo como corresponde, lo que te da un archivo de texto hecho a partir del audio que puedes editar, buscar, pegar en un correo y reenviar a alguien que no estuvo en la conversación.
Ese es el trabajo que hace la app de transcripción SozAI: convierte archivos de audio y video en texto con etiquetas de interlocutor, resúmenes y traducción en más de 99 idiomas, algo que importa cuando la nota de voz no está en el idioma que tiene configurado tu teléfono. Funciona en iOS, Android y macOS, así que puedes hacerlo desde el mismo teléfono al que llegó el mensaje. Son más pasos que tocar una transcripción dentro del chat, y para un mensaje que solo dice «ya voy» sería perder el tiempo.
Dónde fallan estas transcripciones
La transcripción integrada es más débil precisamente en las partes del mensaje que hacían que valiera la pena leerlo. Los nombres propios salen deformados, sobre todo los que el teléfono nunca ha visto. Los nombres de lugares se sustituyen por palabras corrientes que suenan parecido. Los números son poco fiables de una manera realmente peligrosa, porque una cifra equivocada sigue leyéndose como una frase perfectamente normal y nada indica que esté mal. Si el mensaje contiene un número de teléfono, un código de acceso, una hora de vuelo o una cantidad de dinero, trata la transcripción como una pista y escucha esa parte tú mismo cuando puedas.
El otro punto débil constante es el idioma. Cualquier cosa que no sea el idioma configurado en el teléfono sale peor, y un mensaje que cambia de un idioma a otro a mitad de frase, que es como habla mucha gente en realidad, suele salir peor que ningún otro caso.
Para lo que sirven bien estas transcripciones es para clasificar rápido: ¿es urgente?, ¿es sobre lo que creo que es?, ¿puede esperar a que salga de aquí? Responden bien a esas preguntas, y las responden en silencio, que es justo lo que necesitas cuando no puedes reproducir el audio. Eso sí, no actúes sobre un dato concreto que solo has leído, sin haberlo escuchado, cuando equivocarte en ese dato te vaya a costar algo.
