Subtítulos automáticos: cómo crearlos a partir del audio de tu vídeo
Cómo DijiFlow Dictate convierte el audio de un vídeo en líneas de subtítulos sincronizadas en tu ordenador, y cuál de...
Tienes %itemCount% en tu carrito.Total: %total%
El dictado en el dispositivo mantiene tu voz y tu texto en tu ordenador, sin cuenta y sin procesamiento en la nube. Esto es lo que significa de verdad pasar la voz a texto con privacidad.
Abre una aplicación de dictado cualquiera y tu voz se va de viaje. El micrófono te graba, el audio se sube a un servidor, un modelo lo transcribe en algún lugar lejano y el texto vuelve un momento después. Parece instantáneo, pero durante esos segundos tus palabras han estado en un hardware que no es tuyo, sujetas a una política que no has escrito tú.
DijiFlow Dictate no las envía a ninguna parte. Tu voz se graba, se transcribe y se convierte en texto íntegramente en el ordenador que tienes delante. Ni tu audio ni tu texto se suben a internet, y no se guarda ninguna copia en un servidor. Cuando decimos que tu voz se queda en tu dispositivo, no es una frase para tranquilizarte: es la descripción de cómo está hecha la aplicación.
La clave
Privacidad desde el diseño significa que la propia arquitectura hace imposible una filtración, no que una política prometa que no la habrá.
Muchas herramientas de dictado presumen de cifrar los datos en tránsito. Está bien tenerlo, pero fíjate en lo que cubre: protege tu audio mientras viaja hasta un servidor. En cuanto llega, el proveedor lo descifra para que el modelo pueda procesarlo.
A partir de ahí dependes de una cadena de cosas que no ves: un ajuste de retención, una lista de accesos, la buena fe de un proveedor, un aviso de privacidad que pueden cambiar el trimestre que viene. El cifrado protege el camino, pero no hace nada en el destino.
El procesamiento en el dispositivo elimina el destino. No hay ningún servidor de por medio, así que no existe un segundo lugar donde tu voz se descifre, se registre o se conserve. La grabación, la transcripción y el texto final se quedan en el hardware que ya tienes.
DijiFlow Dictate ejecuta sus modelos de voz directamente en tu ordenador: en el Neural Engine y la GPU de Apple en un Mac, y en GPU de AMD, Intel o NVIDIA en Windows. Ningún servicio remoto hace el trabajo, y no hay ningún plan B que envíe tu audio a otro sitio sin avisar cuando el modelo duda. El modelo de tu ordenador es todo el sistema.
Como todo ocurre en local, tienes varias ventajas que la mayoría de las herramientas en la nube no pueden ofrecer:
Esto último puedes comprobarlo tú mismo. Desconecta el cable de red, apaga el wifi y sigue dictando. Si sigue funcionando (y funciona), es que la transcripción nunca se conectaba a nada. Un comportamiento que puedes comprobar vale más que una promesa que tienes que creerte.
Las diferencias se ven mejor si pones los dos enfoques uno al lado del otro. Esto es lo que pasa con tus datos en cada caso.
| Qué pasa con tus datos | DijiFlow (en el dispositivo) | Herramienta típica en la nube |
|---|---|---|
| El audio se queda en tu ordenador | ✓ | ✗ |
| Las transcripciones se quedan en tu dispositivo | ✓ | ✗ |
| Sin cuenta ni correo | ✓ | ✗ |
| Tu voz no se procesa en la nube | ✓ | ✗ |
| Transcribe con la red desactivada | ✓ | ✗ |
| Nada que un juez pueda reclamar al proveedor | ✓ | ✗ |
Tres cifras lo resumen.
Mucha gente dicta material que no pinta nada en los registros de otra empresa. Un médico que redacta notas de pacientes con normas estrictas de confidencialidad. Un abogado que dicta correspondencia protegida por el secreto profesional. Un periodista que transcribe a una fuente a la que prometió discreción. Un ingeniero que describe en un documento la arquitectura interna de un sistema.
En todos esos casos, los datos más seguros son los que nunca se enviaron. El dictado en el dispositivo deja tus transcripciones fuera del alcance de una filtración, una orden judicial o un cambio discreto de política de terceros, porque esos terceros nunca las recibieron.
Antes se daba por hecho que trabajar en local costaba precisión o velocidad, que los modelos en el dispositivo eran la opción más floja. Eso dejó de ser así. Apple Silicon ejecuta modelos de voz modernos con rapidez y soltura, y DijiFlow reconoce en el dispositivo más de 90 idiomas con detección automática, con soporte completo y vocabulario propio en 29 de ellos para que nombres, jerga y siglas salgan bien.
Tú eliges el tamaño de modelo que mejor va con tu ordenador y con la precisión que necesitas. El resultado es una calidad de transcripción que antes exigía un centro de datos, sin que tu audio ni tu texto salgan de tu mesa.
Aquí la privacidad no es una función que se activa. Como la aplicación está construida en torno al procesamiento local, la privacidad es, sin más, su forma de funcionar: no hay ningún ajuste que buscar ni ningún modo que recordar. DijiFlow Dictate tiene una versión gratuita para siempre para el uso diario y una prueba de 30 días con todas las funciones Pro, y cuando quieras, pasas a Pro.
Si tus palabras deben seguir siendo tuyas, mira cómo encaja el dictado en el dispositivo en tu trabajo.