1
La necesidad
Pasar de una grabación a un texto útil: el acta de una entrevista, una pieza de un expediente, un corpus para analizar, los subtítulos de un vídeo. Sin dedicarle el día entero.
Transcripción y subtitulado de grabaciones
Sus grabaciones, transcritas en su propio ordenador
Klarword convierte una entrevista, una reunión o un vídeo en texto con marcas de tiempo: lo revisa mientras escucha, lo corrige y lo exporta a Word o como subtítulos. Un vídeo le vuelve subtitulado, listo para publicar. Está pensado para las profesiones que graban a personas, y el cálculo se hace en su navegador: el audio se queda en su ordenador.
Para qué sirve Klarword
Una hora de entrevista suele exigir de cuatro a seis horas de transcripción a mano. Los servicios de transcripción en línea son mucho más rápidos, pero hay que entregarles la grabación.
2
El problema
Un servicio en línea le pide subir el audio a sus servidores. En una entrevista de RR. HH., una consulta o una fuente, eso significa datos personales en manos de un tercero: un encargado del tratamiento más y un plazo de conservación que ya no depende de usted.
3
La respuesta
La misma transcripción automática, pero el modelo funciona en su navegador. El texto llega en pocos minutos y la grabación no sale de su equipo.
Así se ve
Un fragmento de entrevista, tal como lo entrega Klarword: en el editor, como subtítulos y como documento Word.
1
00:00:10,000 --> 00:00:15,000
¿Puede describirme su trayectoria desde
que llegó en 2019?
2
00:00:15,000 --> 00:00:21,517
Empecé en el departamento de contabilidad
de Madrid y hace tres años me incorporé al
3
00:00:21,517 --> 00:00:24,000
equipo de RR. HH. en Alcobendas.Lo que hace Klarword
Sus archivos tal como están
MP3, M4A, WAV, MP4 y la mayoría de los formatos que su navegador sabe reproducir. O grabe desde el micrófono y vea cómo se escribe el texto mientras se habla, o envíe el archivo desde su teléfono con un código QR.
Una transcripción con marcas de tiempo
Español, francés, inglés y una quincena de idiomas más. Cada segmento lleva su instante, y el texto aparece a medida que avanza el cálculo.
Un editor sincronizado con la reproducción
Cada palabra lleva el instante en que se dijo: Ctrl+clic para escucharla, corte con precisión de palabra. Las palabras de las que el modelo dudaba aparecen resaltadas, Alt+U lleva a la siguiente, Ctrl+Z deshace. Etiquetas y notas para codificar una entrevista.
Las exportaciones que necesita
Word con cuatro maquetaciones, PDF, texto, y los subtítulos en SRT, WebVTT, TTML, SBV o ASS, controlados según las normas de las cadenas de televisión. Transcripción literal en bruto o depurada de vacilaciones. Sin autor ni fecha.
Su vídeo, devuelto con subtítulos
Klarword le devuelve el propio vídeo, con los subtítulos incrustados: contorno, franja, redes sociales o máxima legibilidad, un color por voz, bilingüe con la traducción. Caras difuminadas si hace falta, formato vertical que sigue a quien habla, y un fragmento por capítulo para las redes.
Una elección de modelo explícita
Rápido, Equilibrado o Preciso, con el peso exacto de la descarga para su equipo, indicado antes de empezar, y una velocidad medida.
Un acta redactada en el propio equipo
Resumen, puntos clave, decisiones y acciones, y después capítulos con marcas de tiempo y citas verificadas palabra por palabra, por un pequeño modelo de lenguaje que funciona en su tarjeta gráfica. Un borrador, que no sale del equipo.
Los subtítulos traducidos en el propio equipo
El mismo modelo de lenguaje traduce las intervenciones al inglés, al alemán, al español y a otros idiomas, en los instantes del original. Nada se envía a un traductor en línea.
Quién habla, identificado
Las voces se identifican en su equipo, con dos pequeños modelos; después usted les pone nombre una sola vez para toda la transcripción.
Un glosario propio
Nombres propios y vocabulario del oficio, dados al modelo antes de la transcripción: los escribe bien desde el principio. Lo que aún se le escapa se corrige automáticamente o se le propone.
Seudonimizar antes de compartir
Los nombres propios se detectan y se le proponen; los que usted marca pasan a ser «Persona A», «Persona B», en el texto y en los nombres de los hablantes.
Un lote, o el trabajo de ayer
Suelte diez entrevistas y recupere un ZIP. Conserve un trabajo en este equipo para retomarlo mañana, busque una palabra en todos sus trabajos, páselo a un colega en un archivo .klarword, o revíselo entre dos, cada uno en su equipo.
Para las grabaciones que no deben circular
Entrevistas, declaraciones, consultas, trabajo de campo: los oficios en los que se graba a personas y en los que alguien responde de ello.
Recursos humanosEntrevistas de RR. HH. que se quedan en la empresa
Abogados y juristasEl secreto profesional, hasta en la transcripción
Salud y atención sanitariaDatos de salud que no salen de la consulta
Investigación en ciencias socialesEntrevistas cualitativas que no tiene que confiar a nadie
PeriodismoLa protección de las fuentes empieza en la transcripción
Sector público y administración localActas de reuniones sin proveedor externo
Tres modelos, un peso anunciado
Los tres modelos proceden de la familia Whisper de OpenAI, publicada con licencia MIT. El peso indicado es el que su equipo descargará, una sola vez; depende de la tarjeta gráfica.
| Modelo | Para qué sirve | Con tarjeta gráfica | En el procesador |
|---|---|---|---|
| Rápido74 millones de parámetros | Para una grabación limpia, una revisión rápida o un equipo modesto. | 80 MB | 80 MB |
| Equilibrado244 millones de parámetros | El buen término medio para una entrevista en un ordenador de sobremesa reciente. | 302 MB | 252 MB |
| Preciso809 millones de parámetros | La mejor calidad: nombres propios, acentos, voces que se solapan. Requiere una tarjeta gráfica. | 566 MB a 762 MB | 762 MB |
A ello se suma, una sola vez, el motor de cálculo, común a los tres: 27 MB.
Velocidad medida
El tiempo de cálculo para una hora de grabación, medido en un portátil reciente: AMD Ryzen 9 6900HX (8 núcleos), 16 GB de memoria, gráfica integrada Radeon 680M. Un ordenador de sobremesa con una tarjeta gráfica dedicada va más rápido; un equipo antiguo, más despacio.
| Modelo | Con la tarjeta gráfica | Solo en el procesador |
|---|---|---|
| Rápido | en el procesador | unos 13 min |
| Equilibrado | unos 19 min | unos 27 min |
| Preciso | unos 19 min | unos 104 min |
Medido con Chrome 152, en una entrevista de 71 s extrapolada a una hora; modelo ya guardado en el equipo, descarga no incluida.
Sin instalación y sin envío
Las demás soluciones piden o bien enviar el audio, o bien instalar un programa.
| Servicios en línea | Programas que instalar | Klarword | |
|---|---|---|---|
| El audio sale de su equipo | Sí, hacia los servidores del proveedor | No | No |
| Instalación y permisos de administrador | No | Sí, a menudo bloqueada en un equipo de empresa | No, basta con una dirección |
| Funciona con la red cortada | No | Sí | Sí, una vez cargado el modelo |
| Lo que hay que creer | Las condiciones generales y los subencargados | El editor del programa | Nada: se comprueba en el navegador |
Lo que Klarword no hace
- No reconoce las voces con total seguridad. La identificación de los hablantes se equivoca con dos voces parecidas y con las interrupciones muy breves: revísela, y corte en el cursor un segmento que mezcle a dos personas.
- No garantiza una transcripción exacta. Un modelo se equivoca con los nombres propios, las voces que se solapan y las grabaciones con ruido: revise el texto antes de difundirlo.
- No conserva nada al cerrar la pestaña. Guarde su trabajo; una exportación WebVTT se vuelve a abrir en Klarword para retomar la revisión.
- No sustituye la información que usted debe dar a las personas grabadas. El consentimiento sigue siendo su responsabilidad, como recuerdan las condiciones de uso.
Pruebe con una grabación real
El modelo Rápido pesa menos de 80 MB. Elija un archivo, corte la red cuando el modelo esté listo y observe.
Transcribir un archivo