# Transcripción para investigación lingüística y corpus

> Crea transcripciones de primera pasada para trabajo de campo, entrevistas y corpus en 100 idiomas, con tiempos de inicio y fin por palabra y turnos de hablante en JSON que puedes convertir para tus herramientas de anotación.

Última actualización: 2026-10-08 · HTML: https://console.kolwrite.com/es/use-cases/researchers

## Por qué la usan los investigadores

- 100 códigos de idioma, incluidos idiomas con pocos recursos como yidis (`yi`), amhárico (`am`), suajili (`sw`), yoruba (`yo`), maorí (`mi`) y hawaiano (`haw`). Consulta la [lista completa](https://console.kolwrite.com/es/languages/).
- Tiempos de inicio y fin por palabra para trabajos de alineación.
- Etiquetas de hablante (`include_diarization`) para los turnos de una entrevista, o etiquetas por canal en grabaciones con varios micrófonos.
- Traducción de la transcripción a un idioma de trabajo con los modelos Oracle, para equipos que no leen todos el idioma original.

## Una solicitud para una entrevista

```json
{
  "audio_url": "https://example.org/corpus/session-014.wav",
  "model": "oracle",
  "language": "yi",
  "word_timestamps": true,
  "include_diarization": true,
  "num_speakers": 2,
  "output_format": "json"
}
```

El resultado JSON incluye `segments[]` con `start`, `end`, `speaker`, `text` y `words[]`. Convertirlo a ELAN, Praat TextGrid o CSV es un script corto por tu parte; la API no exporta esos formatos directamente.

## Revisa el resultado antes de analizarlo

- Una transcripción automática es una primera pasada. Prevé corrección humana para todo lo que publiques o anotes.
- La precisión varía según el idioma, el dialecto, la calidad de la grabación y el tema, y es menor en idiomas con poco audio de entrenamiento. Mide la tasa de error por palabra en una muestra de tu corpus antes de transcribirlo entero.
- Indica `language` explícitamente en grabaciones que alternan idiomas; la detección automática elige un idioma por archivo.
- Normaliza la ortografía (diacríticos, convenciones) en ambos lados antes de calcular tasas de error.

## Presupuesto

Un corpus de 100 horas cuesta 48 US$ con `base` o 144 US$ con `oracle`, con facturación por segundo. Los grupos de investigación que necesiten factura o condiciones por volumen pueden contactar con [KolWrite Enterprise](https://enterprise.kolwrite.com/).

## Preguntas y respuestas

### ¿KolWrite exporta archivos de Praat o ELAN?

No. Devuelve JSON con tiempos de segmento y de palabra, fácil de convertir a TextGrid, EAF o CSV.

### ¿Puedo fiarme de las transcripciones de idiomas con pocos recursos?

Trátalas como borradores. Prueba una muestra, mide las tasas de error y prevé revisión.

### ¿Se usa mi audio de investigación para entrenar modelos?

KolWrite indica en su página de modelos que el audio enviado a través de la API no se usa para entrenar sus modelos.

## Páginas relacionadas

- [Universidades y estudiantes](https://console.kolwrite.com/es/use-cases/education)
- [Medios, pódcasts y subtítulos](https://console.kolwrite.com/es/use-cases/media)
- [Agentes de IA y vibe coding](https://console.kolwrite.com/es/use-cases/ai-agents)
- [Idiomas compatibles](https://console.kolwrite.com/es/languages/)

---
Obtener una clave de API: https://console.kolwrite.com/auth?lang=es · Documentación de la API: https://console.kolwrite.com/es/public_api_docs · llms.txt: https://console.kolwrite.com/llms.txt