Elysia Tools
Navegación
Workflow Playbook
Mapee dónde vive el habla en una grabación terminada, transcríbala a subtítulos en el formato que espera el reproductor, alinee el tiempo de los subtítulos al habla, mezcle la audiodescripción con ducking del programa y demuestre que el mensaje sobrevive a una escucha degradada.
¿Nuevo en este flujo? Sigue los pasos en orden, empezando por la primera herramienta abajo. ¿Ya sabes lo que necesitas? Ve directo al paso correspondiente: todas las herramientas de este flujo están en la tabla comparativa.
Primera herramienta: Segmentación de actividad de voz
Temas
| Herramienta | Qué hace | Categoría |
|---|---|---|
| Segmentación de actividad de voz | Detecta actividad probable en banda de voz y exporta rangos de voz/no voz en JSON, CSV, SRT o lista FFmpeg. | Media |
| Transcriptor de audio a texto (IA) | Transcribe voz de audio (wav/mp3/m4a/flac/ogg/webm/aac) a texto, SRT, VTT o JSON con el modelo grok-stt. Hasta 10 min. | AI Tools |
| Desplazador temporal de subtítulos | Desplaza subtítulos SRT o WebVTT al inicio probable de voz o con un ajuste manual. | Media |
| Ducking de audiodescripción | Mezcla narración descriptiva y baja el programa mientras la narración está presente. | Media |
Temas
| Mejorador de escucha asistida | Aclara audio con limpieza grave, EQ de presencia vocal, reducción de ruido y protección de nivel. | Media |
| Simulador de inteligibilidad de alertas | Prueba claridad tras degradación de banda, compresión y ruido. | Media |
Un corte de audio hablado terminado sirve a oyentes con salas silenciosas, oído fino y atención completa. Todos los demás negocian — las personas sordas e hipocúsicas necesitan las palabras como texto, las oyentes ciegas necesitan el mundo visual narrado, quienes usan audífonos necesitan una pista que proteja niveles mientras aclara el habla, y una alerta pública debe sobrevivir a altavoces de teléfono y ruido de calle. El trabajo de accesibilidad no es relleno caritativo tras la producción — es una segunda superficie de entrega con sus propios artefactos, formatos y verificaciones. Este flujo produce esa superficie desde un programa terminado — un mapa del habla, subtítulos en el formato que el destino espera, narración descriptiva mezclada con ducking, e inteligibilidad que aguanta la escucha realista más adversa.
Todo lo posterior cuelga de saber dónde vive realmente el habla. La segmentación por actividad de voz recorre el programa terminado y devuelve rangos de habla y no-habla como JSON, CSV, marcadores SRT o lista de cortes. El mapa cumple tres tareas a la vez — delimita lo que debe subtitularse, revela las ventanas de no-habla donde la narración descriptiva puede sentarse sin pelearse con el diálogo, y expone silencios muertos por los que una pista de escucha no debería obligar a nadie a pasar. Un subtítulo flotando sobre silencio es un defecto que el mapa habría atrapado, y por eso el mapa va primero.
La transcripción convierte el habla en texto, y la decisión de formato pertenece al destino — SRT o VTT para reproductores con pista, texto plano para documentos y revisión, JSON para tuberías que procesan subtítulos después. Luego llega el paso que separa subtítulos utilizables de subtítulos bochornosos — la alineación del tiempo. Los uniformemente tardíos o tempranos se desplazan al probable inicio del habla; un retardo constante conocido, como una cadena de emisión o un búfer, toma un desplazamiento manual medido. El desfase progresivo es otro animal — significa que el archivo de subtítulos y el medio discrepan sobre el tiempo mismo, normalmente por tasa de fotogramas, y la corrección honesta es regenerar los subtítulos contra la fuente correcta. La verificación es barata e innegociable — primer subtítulo, último, uno del medio.
La audiodescripción narra el mundo visual para oyentes que no pueden verlo, y cabalga sobre un programa que se aparta con ducking mientras habla la narración. El oficio está en dos parámetros — profundidad y liberación. La profundidad se fija por el pasaje más fuerte que corre bajo la narración; si las palabras se leen claras ahí, se leen en todas partes. La liberación sigue el ritmo del propio programa — la música y el diálogo deben rebotar pronto en lugar de hundirse en un hoyo. El modo de fallo a revisar es el peor caso, no el promedio — una sola entrada de narración ininteligible hace que la versión descrita salte justo donde una oyente ciega no puede rellenar el hueco con la imagen.
El último paso responde la pregunta que la producción rara vez hace — ¿el mensaje sigue funcionando cuando escuchar cuesta? Para la pista de escucha asistida, la mejora conservadora limpia los graves, sesga la ecualización hacia la presencia de habla, reduce ruido con delicadeza y, ante todo, protege los niveles, porque una pista aclarada que satura cambió una barrera por otra. Para las alertas públicas, la prueba de degradación es a propósito más estricta — estrecha el ancho de banda al de un altavoz de teléfono, comprime, añade ruido y reporta si la claridad del habla de la alerta sobrevive a cada canal. Un aviso que solo funciona en monitores de estudio no ha sido probado — le han echado un deseo.
Esta página produce la capa de accesibilidad de un programa terminado. Los vecinos retienen los encargos circundantes. La grabación, edición y cumplimiento de entrega de un episodio pertenecen al flujo de producción de pódcast. Medir, visualizar y comprobar — espectrogramas, forma de onda, verificación de sincronía de subtítulos — pertenece a las páginas de análisis de audio. Una grabación fuente dañada — clics, zumbido, viento — pertenece a la reparación antes de cualquier trabajo de accesibilidad, porque los subtítulos de audio sin corregir heredan sus defectos. Subtitule el programa aquí — y cuando la audiencia crezca, la disciplina escala con ella.
Guía de flujo de trabajo
Ejecute la segmentación por actividad de voz sobre el programa terminado para obtener rangos de habla y no-habla como JSON, CSV, marcadores SRT o lista de cortes — el mapa dice qué necesita subtítulos y dónde puede sentarse la narración descriptiva.
Convierta el habla en texto con salida SRT, VTT, texto plano o JSON, eligiendo el formato que espera el destino en lugar de aceptar el predeterminado.
Desplace los subtítulos al probable inicio del habla cuando el desfase es uniforme, o aplique un desplazamiento manual medido cuando existe un retardo constante conocido, y verifique al principio, en medio y al final del programa.
Fusiona la narración descriptiva sobre el programa de modo que el programa se atenúe mientras habla la narración y se recupere cuando calla, manteniendo cada entrada inteligible en el pasaje más fuerte por debajo.
SRT y VTT sirven a reproductores con pista de subtítulos, el texto plano sirve a documentos y copias de revisión, y JSON sirve a tuberías automatizadas — elija por dónde se consumen los subtítulos, no por lo que el transcriptor soltó por defecto.
Desplazar al probable inicio del habla corrige subtítulos uniformemente tarde o temprano; un desplazamiento manual medido corrige un retardo constante conocido, como una cadena de emisión o el búfer de un reproductor — un desfasaje que crece a lo largo del programa indica problema de fuente, no otra caricia al tiempo.
El programa debe bajar lo suficiente para que la narración se lea clara, y soltar bastante rápido para no perforar la música o el diálogo — la profundidad sirve a la narración, el tiempo de liberación sirve al programa.
Para la pista de escucha asistida, aplique mejora conservadora — limpieza de graves, ecualización con presencia de habla, protección de niveles; para alertas públicas, ejecute la prueba de degradación que reporta si la claridad del habla sobrevive a altavoces de teléfono, compresión y ruido.