Puntos clave
Antes de transcribir una llamada grabada, asegúrate de que la grabación fuera legal en el lugar donde estaban las personas que hablaban. Las normas cambian según el país: en algunos basta con que una sola persona de la conversación esté de acuerdo, en otros hace falta el consentimiento de todos, y esa cuestión quedó resuelta antes de que pulsaras el botón de grabar. A partir de ahí, todo es un problema técnico. El audio de las llamadas es de banda estrecha, así que el códec descarta detalles que la transcripción necesita, y muchas grabaciones mezclan ambos lados en un solo canal, lo que hace que atribuir cada frase a quien habló sea poco fiable. Los números, los nombres y las direcciones son lo que más sufre. Compruébalos contra el audio; no te fíes solo del texto.
Tienes un archivo. Alguien dijo en esa llamada algo que importa —una cifra, una fecha, un nombre, un compromiso— y quieres tenerlo por escrito para poder señalarlo más adelante. Convertir el archivo en texto es la parte fácil. Las dos cosas que determinan si terminas con algo fiable ocurrieron antes de que abrieras el archivo: si la grabación estaba permitida y cómo se capturó el audio.
Empecemos por la cuestión legal. No depende de nada técnico, y ninguna transcripción cuidadosa salva una grabación que no debías haber hecho.
Si la grabación era legal: lo primero que hay que resolver
Que se pueda grabar una llamada telefónica depende de dónde estaban las personas que participaban en ella. Las normas varían de un país a otro. En algunos lugares se exige que todos los participantes den su consentimiento. En otros basta con que lo dé uno solo, que puede ser la persona que está grabando. Son reglas realmente distintas, y cuál se aplica en tu caso no es algo que puedas deducir escuchando el audio.
Esto es una cuestión legal, no técnica. Y eso importa más de lo que parece, porque significa que la respuesta quedó fijada en el momento en que se hizo la grabación. Nada de lo que hagas después la cambia. Transcribir el archivo no la cambia. Borrar una parte del archivo no la cambia. Que la otra persona esté de acuerdo más adelante tampoco convierte, con efecto retroactivo, la grabación original en algo que no fue.
Si las dos personas no estaban en el mismo lugar, puede que se apliquen varias normativas a la vez, y precisamente en esa situación vale la pena consultarlo con alguien que conozca de verdad la legislación de tu país en lugar de suponer algo a partir de lo que leíste en algún sitio. Es una conversación breve, y conviene tenerla antes de construir nada sobre esa grabación.
Nada de esto quiere decir que debas descartar un archivo que ya tienes. Muchas grabaciones de llamadas se hacen con el conocimiento de ambas partes, o en lugares donde basta con el consentimiento de una, o por la propia persona que participó en la llamada, para su uso personal. Pero resuelve esa duda antes de compartir la transcripción, citarla o adjuntarla a algo. Un texto viaja mucho más lejos que un archivo de audio, y viaja más rápido.
Por qué el audio de una llamada es más difícil que una grabación hecha en una sala
Una llamada telefónica es de banda estrecha. El códec que transporta la llamada elimina buena parte del sonido antes de que nada llegue a escribirse en un archivo, porque solo necesita conservar lo suficiente para que una persona siga la conversación en tiempo real. Las personas son muy buenas rellenando huecos a partir del contexto. La transcripción lo hace peor, y precisamente el detalle que usaría para distinguir un sonido de otro parecido es parte de lo que se descartó.
Por eso la misma persona, diciendo la misma frase, se transcribe con más precisión desde una grabadora puesta sobre la mesa que desde una llamada telefónica. No es que un programa sea mejor que otro. La información simplemente no está en el archivo de la llamada. Nada de lo que hagas después la recupera: ni la reducción de ruido, ni normalizar el volumen, ni pasar el archivo por una segunda herramienta. Trabajas con lo que sobrevivió al códec.
Añade las condiciones habituales de una llamada real y el material se vuelve aún más pobre. Uno va caminando. Otro tiene mala señal y el audio se corta sílaba a sílaba. Alguien habla encima de otro. En una grabación hecha en una sala, las voces superpuestas ya son difíciles de separar; en una llamada comprimida, muchas veces es imposible, y la transcripción, en lugar de avisarte de que tuvo problemas, simplemente elige una voz en silencio y descarta la otra.
Grabar el altavoz del teléfono con un segundo dispositivo
Poner la llamada en altavoz y grabarla con otro teléfono o con una grabadora de mano parece una solución rápida. En realidad es peor que el original. El otro lado de la llamada ya se comprimió a banda estrecha, y ahora estás capturando ese audio comprimido reproducido por un altavoz pequeño, con el eco de la habitación rebotando en las paredes y con todo lo demás que suena alrededor. Conservas cada pérdida que introdujo el códec y le sumas una capa más.
Si un dispositivo o un servicio puede grabar la llamada directamente, usa esa opción. Grabar el altavoz es un último recurso, y conviene tenerlo presente como último recurso antes de confiar en él para algo que necesite precisión.
Uno o dos canales: de eso depende si distingues quién habla
Muchas grabaciones de llamadas mezclan ambos lados de la conversación en un solo canal. Todo termina en un mismo flujo de audio, y la señal más clara para distinguir a las dos personas —de qué lado de la línea estaba cada una— desaparece. Lo que queda son las voces en sí: el tono, el ritmo, el timbre. Eso funciona mejor con dos voces muy distintas que con dos parecidas, y funciona peor sobre audio de banda estrecha, porque las características de la voz que servirían para diferenciarlas son justo el tipo de detalle que el códec descartó.
Cuando los dos lados se guardan como canales separados, identificar quién habla se vuelve mucho más fiable. Cada canal es una persona. No hace falta deducir nada. Si la herramienta de grabación que usas ofrece esa opción, es la que vale la pena buscar, y conviene buscarla antes de la llamada, no después.
Cuando trabajes con una grabación mezclada, trata las etiquetas de quién habla como una suposición útil, no como un hecho registrado. Suelen ser correctas durante un tramo largo sin interrupciones, y fallan sobre todo en los cambios de turno, especialmente cuando las dos personas se interrumpen. Si lo que importa de la transcripción es quién aceptó qué, esos cambios de turno son exactamente el punto donde necesitas que esté bien, así que comprueba esos momentos contra el audio.
Cómo sacar el texto del archivo
Una vez que exportas la grabación de una llamada, deja de ser una llamada. Es un archivo de audio corriente y se puede transcribir como cualquier otro. El paso de exportarlo varía: las aplicaciones de grabación, los sistemas telefónicos y los operadores son todos distintos, y la opción suele estar escondida bajo un botón de compartir o un menú de tres puntos sobre la propia grabación. Saca primero el archivo, y luego deja de pensar en él como una llamada telefónica; piénsalo como audio.
A partir de ahí, el proceso es el mismo que para cualquier audio que quieras convertir en texto. SozAI transcribe grabaciones en iOS, Android y macOS con etiquetas de quién habla, resúmenes y traducción a más de 99 idiomas; puedes descargar la app aquí, y el mismo camino sirve para los mensajes de voz, que son de banda estrecha por la misma razón y se comportan igual. Es una opción entre varias, y la elección importa menos que la calidad del archivo que le entregues.
Si no se trata de una sola llamada sino de una carpeta con meses de grabaciones acumuladas, el problema cambia de forma. Transcribirlo todo para encontrar una frase suele ser el instinto equivocado: lo más útil es poder buscar en un archivo histórico de grabaciones de llamadas en lugar de leerlo entero.
Si la grabación puede acabar siendo una prueba
Una grabación hecha para recordar lo que se dijo y una grabación usada como prueba se someten a exigencias distintas. Para uso personal, una transcripción con algún fallo menor no es problema; ya sabes lo que ocurrió y el texto solo es una ayuda para la memoria. Para cualquier uso formal, normalmente hay que conservar el archivo original sin modificar.
Eso significa guardar el archivo exactamente como salió del dispositivo. No recortes el silencio inicial. No elimines la parte intermedia que parece irrelevante. No lo vuelvas a exportar en otro formato para reducir su tamaño, y no lo pases por ninguna herramienta que normalice el volumen y genere un archivo nuevo. Cualquiera de esas acciones produce una copia derivada, y el original es lo que tiene peso legal. Trabaja sobre una copia y deja el original intacto.
En ese contexto, la transcripción es un documento de trabajo que acompaña a la grabación, no que la sustituye. Sirve para encontrar los treinta segundos relevantes. La grabación es lo que esos treinta segundos dicen en realidad. Si una grabación es admisible o no como prueba es otra cuestión distinta, y le corresponde a la misma persona a la que le preguntaste sobre la legalidad de haberla hecho.
Lo que tendrás que revisar a mano de todos modos
Lo que la gente más necesita después de una llamada son números, nombres y direcciones: un número de referencia, un importe, cómo se escribe un apellido, qué calle. Son también las partes que más daña el audio de banda estrecha, porque no llevan contexto alrededor que ayude a reconstruirlas. Una frase entera se puede reconstruir a partir de las palabras que la rodean. Un número de siete cifras no. Si un dígito está mal, nada en el audio circundante lo delata, y la transcripción lo presentará con la misma seguridad plana que todo lo demás.
Así que trata cada número, nombre y dirección de una transcripción de llamada como algo que hay que verificar, no como algo que se puede usar directamente. Búscalo en el texto, salta a ese momento del audio y escucha. Lleva un minuto por dato, y es la diferencia entre una transcripción sobre la que puedes actuar y una que solo parece plausible. Si un dato importa lo suficiente como para que equivocarte te cueste algo, ese es el criterio para saber si merece revisión.
Ajusta tus expectativas para el resto en consecuencia. La transcripción de una llamada suele ser un buen registro del contenido general: la forma que tomó la conversación, qué se propuso, qué se aceptó, el tono del desacuerdo. Es un registro más débil de los detalles precisos, y se debilita aún más donde dos personas hablan a la vez o donde la conexión se cortó. Saber de qué partes fiarte es la mayor parte de la habilidad. La transcripción te da una versión rápida y buscable de la conversación, y una forma de volver al audio en el segundo exacto que necesitas. No sustituye al audio, y en un archivo de banda estrecha nunca iba a hacerlo.
