¿Qué es la Custom Vocabulary y cuándo la necesito?
Respuesta corta
Una lista de palabras que das al modelo antes de la transcripción con jerga y nombres propios – suele elevar el reconocimiento de esos términos del 30% al 95%.
Nombres y apellidos de colegas, nombres de producto, acrónimos, jerga médica y jurídica – esas palabras son desconocidas para un modelo de lenguaje estándar o están guardadas con la ortografía incorrecta. El modelo recurre a conjeturas fonéticamente similares. « Müller-Lüdenscheidt \" se convierte en « Mueller Loot Mitt \", « pembrolizumab \" en « Pemberlitsu Map \".
La Custom Vocabulary (a veces: « hot words \", « word boosting \", « diccionario de pronunciación \") resuelve esto. Antes de la transcripción, subes una lista de palabras que importan en tu contexto. El modelo da más peso a esas palabras durante el reconocimiento.
Cuándo la necesitas - Trabajas en un campo con vocabulario especializado (medicina, derecho, farma, TI, industria). - Transcribes entrevistas con personas recurrentes (clientes, socios de investigación). - Tu empresa tiene nombres de producto que no están en el léxico general. - Trabajas con marcas o empresas de ortografía inusual.
Cuándo no la necesitas - Conversaciones generales sin lenguaje sectorial. - Clips cortos con palabras comunes.
Cómo crear una buena lista 1. Reúne 20-50 términos por dominio – más allá, el modelo « aprende \" demasiado y empieza a cometer otros errores. 2. Escríbelos con su ortografía final (diacríticos, guiones, mayúsculas correctos). 3. Para palabras muy raras, aporta una pista fonética si el proveedor lo admite (p. ej. « GDPR | DSGVO \"). 4. Actualiza la lista a medida que surjan nuevos términos.
Con DeepScript Al subir el archivo puedes elegir una Vocabulary guardada o pegar una lista en línea separada por comas. Vía la API: usa `vocabularyId` (lista guardada) o `vocabulary` (array en línea) en la petición POST /v1/transcriptions. Para clientes existentes, merece la pena crear una vez un glosario central en la interfaz y reutilizarlo en todos los jobs.
Impacto real En nuestros benchmarks internos, una Custom Vocabulary bien ajustada eleva el reconocimiento de términos de dominio de en torno al 30% a en torno al 95%. Para la transcripción médica, suele ser el factor decisivo entre inservible y listo para producción.
Preguntas relacionadas
¿Te queda alguna pregunta?
Tres transcripciones gratis para probar. O escríbenos un correo – respondemos en menos de 24 horas, también a preguntas de cumplimiento.