¿Por qué mi transcripción confunde a los hablantes?

Los detalles

• 01Reline capta dos cosas por separado: tu micrófono y el audio que reproduce tu ordenador. Son señales distintas en tu propio equipo, así que la frontera entre tú y el resto de la llamada se mide en lugar de inferirse, y tus palabras no acaban atribuidas al otro lado por accidente.
• 02Dentro del otro lado sí que es una mezcla. Tres personas remotas llegan como un solo flujo, y distinguirlas depende de que sus voces se diferencien y de que no se pisen. Ahí es donde se degradan las transcripciones de las llamadas animadas, en todos los productos del mercado.
• 03El caso más difícil para todos es una sala de gente compartiendo el micrófono de un portátil. Cada voz está más o menos a la misma distancia del mismo micro y en la misma acústica, así que la separación de interlocutores apenas tiene a qué agarrarse. Un micrófono en el centro de la mesa cambia el resultado más que cualquier ajuste de software.
• 04Las etiquetas genéricas aparecen por un motivo estructural: el audio no lleva nombres. Una herramienta solo sabe de quién es una voz si se lo dijo la plataforma de reuniones, lo que exige entrar en la llamada, o si se lo dijo una persona. Por eso las transcripciones llegan con hablantes numerados hasta que alguien les pone nombre.
• 05Por orden de efecto: dar a cada persona remota su propio dispositivo en vez de un manos libres compartido, poner un micrófono decente en el centro de la mesa presencial, evitar el micrófono de unos auriculares Bluetooth y dejar que la gente termine sus frases en los primeros minutos, mientras las voces todavía se están estableciendo.