¿Qué precisión tiene la transcripción con IA?

La precisión se mide en todo el sector como tasa de error de palabra (Word Error Rate, WER) – la suma de palabras insertadas, sustituidas y eliminadas dividida por el número total de palabras en la transcripción de referencia. Un WER del 5% significa que el 5% de las palabras son erróneas, es decir, un 95% de precisión.

Benchmarks reales (2026): - Audio de estudio limpio, un solo hablante, acento estándar: WER 2-5% (precisión 95-98%). - Grabación de pódcast, buenos micrófonos, 2-3 hablantes: WER 5-8%. - Grabación de reunión, audio medio, voces superpuestas: WER 10-15%. - Llamada telefónica, compresión con pérdida, acento regional: WER 15-25%. - Evento en directo, mucho ruido de fondo, hablante que grita: WER 30% y más.

Los transcriptores humanos alcanzan un WER del 2-4% con audio óptimo, pero también bajan al 10-15% con grabaciones malas – en ese rango la IA ya es competitiva.

Qué baja la precisión: - Ruido de fondo (ventilación, tráfico, reverberación) - Hablantes superpuestos (dos personas hablando a la vez) - Acentos regionales marcados sin entrenamiento específico de dialecto (el alemán suizo es famosamente difícil) - Jerga del sector, nombres propios, nombres de productos – sin un vocabulario personalizado, el modelo reconoce bien \"Aspirin\" pero por lo general no \"Pembrolizumab\" ni el nombre de tu cliente. - Habla muy rápida, mascullada o susurrada.

Qué sube la precisión: - Buenos micrófonos (un micrófono XLR en lugar del micrófono del portátil mueve el WER de forma notable). - Un vocabulario personalizado con términos del sector y nombres propios. - El modelo adecuado: DeepScript Premium usa un modelo más grande y lento con optimización para dialectos DACH (CH/AT/DE) – alrededor de un 30% menos de errores que Standard en audio austriaco y alemán suizo. - La posedición por parte de una persona para usos como actas judiciales o subtítulos publicados.

Regla general: si alguien te promete \"99% de precisión\" sin nombrar el conjunto de prueba, esa cifra es marketing. Los proveedores fiables indican el WER en benchmarks públicos (Common Voice, LibriSpeech, FLEURS), no un porcentaje de marketing pulido.