Transcribir audio grabado
El aspecto técnico del dictado: qué acepta el servicio, cuánto cuesta y qué devuelve.
Límites
| Límite | Valor |
|---|---|
| Duración máxima | 180 segundos |
| Tamaño máximo de la grabación | 4 MB |
| Coste | 6 créditos por minuto empezado |
La grabación se detiene automáticamente al alcanzar el límite de duración, y el audio capturado hasta ese momento se transcribe en lugar de descartarse.
El límite de tamaño es generoso para el dictado. POM AI graba a una tasa de bits baja, adecuada para la voz, así que tres minutos ocupan en la práctica bastante menos de un megabyte: el tope existe para rechazar cualquier cosa anómala, no para limitar un uso normal.
Coste, y por qué las grabaciones cortas son poco rentables
El coste se calcula por minuto empezado. Cualquier grabación de hasta sesenta segundos cuesta seis créditos; hasta dos minutos, doce; los tres minutos completos, dieciocho.
Ese redondeo es lo único que merece la pena planificar. Cinco grabaciones de diez segundos cuestan treinta créditos y contienen menos que una sola grabación de cincuenta segundos, que cuesta seis.
El dictado es, además, la única operación de POM AI que cobra sin una estimación ni un diálogo de confirmación. Transcribe en cuanto dejas de grabar. La exposición por grabación está limitada a dieciocho créditos, pero no es algo que apruebes de antemano.
Consulta Qué son los créditos de POM AI.
Formatos de audio
El formato de grabación lo elige tu navegador entre los candidatos que ofrece POM AI, prefiriendo Opus en un contenedor WebM y recurriendo a Ogg, MP4 y MPEG como alternativas según lo permita la compatibilidad.
El servicio acepta audio WebM, Ogg, Opus, MP4, MPEG, WAV, M4A, AAC y 3GPP, junto con contenedores de vídeo WebM y MP4, ya que los navegadores a veces etiquetan una grabación solo de audio con un tipo de contenedor de vídeo.
Tú nunca eliges el formato. Se negocia entre tu navegador y la grabadora, y por eso el dictado funciona en un teléfono y en un ordenador sin configuración.
Qué acepta y qué no
El dictado transcribe una grabación hecha en el navegador en ese momento. No hay campo de subida ni forma de enviar un archivo existente: ni grabaciones de reuniones, ni pódcasts, ni buzones de voz, ni vídeo.
Si necesitas transcribir esos contenidos, esta no es la herramienta.
Validación antes de enviar la grabación
Tu sitio comprueba la grabación antes de reenviarla, de modo que una inutilizable falla de inmediato en lugar de hacerlo después de una subida:
- la duración está dentro del límite;
- la grabación no está vacía y no supera el límite de tamaño;
- el audio es realmente uno de los tipos aceptados, lo que se determina inspeccionando el contenido real del archivo en lugar de fiarse de la etiqueta que le puso el navegador.
No superar estas comprobaciones produce un mensaje en la línea de estado y no cuesta nada.
Qué devuelve el servicio
Si tiene éxito, la respuesta incluye la transcripción, el idioma detectado cuando el proveedor suministra uno, la duración aceptada y los créditos consumidos. La transcripción se añade entonces a tu campo de indicación.
El registro de uso de la cuenta anota la operación como transcribe_audio contra el dominio que la solicitó, de modo que el gasto en dictado es visible junto a todo lo demás. Consulta Revisar tu historial de créditos.
Requisitos
La transcripción es un servicio de la cuenta, así que necesita lo mismo que cualquier otra operación de POM AI:
- una licencia válida con este dominio autorizado;
- créditos disponibles y un límite de gasto del dominio que no se haya alcanzado;
- que tu servidor pueda comunicarse con el host de la cuenta.
Un fallo de dictado que coincida con fallos de otras herramientas de POM AI es un problema de licencia, créditos o conectividad, no de audio. Consulta Solucionar errores de licencia y dominio.
Ampliar los límites
Los límites de duración, tamaño y formatos aceptados son filtrables, de modo que un desarrollador puede ajustarlos para una instalación concreta. Subirlos por encima de lo que acepta el servicio de la cuenta no sirve de nada: la cuenta aplica sus propios límites y rechazará una grabación que tu sitio haya dejado pasar.
Trata los valores documentados como el techo real.
Cuándo se rechaza la transcripción
| Causa | Se cobra |
|---|---|
| Falló la validación local: demasiado larga, demasiado grande, formato incorrecto, vacía | No |
| Sin licencia, dominio no autorizado, sin créditos | No |
| El servicio no pudo producir una transcripción | No |
| Se produjo una transcripción | Sí |
Consulta Solucionar problemas de dictado.