IureTranscribe ya sabe quién habló: identifica voces, aprende tu vocabulario y trabaja con tu asistente de IA

Quien ha tenido que redactar la minuta de una junta conoce el ritual: volver a escuchar la grabación, pausar cada diez segundos y adivinar quién dijo qué. Transcribir el audio ya no es lo difícil; cualquier herramienta decente lo hace. Lo pesado viene después: un bloque de texto sin dueños, nombres propios mal escritos y la tentación de subir todo a un servicio en la nube que se queda con la conversación completa de tu despacho, tu escuela o tu familia.

IureTranscribe, la app de escritorio libre que transcribe reuniones con Whisper en tu propio equipo y que presentamos aquí en septiembre, ha pasado desde entonces de la versión 0.5 a la 0.8.4. Los cambios atacan justo esos problemas: ahora distingue a las personas por su voz, aprende tu vocabulario y se deja usar desde Claude o Copilot sin que el audio salga de la máquina. Repasamos qué hay de nuevo, qué tan útil es y dónde conviene ser cauto.

Quién dijo qué, sin conexión

La novedad más importante llegó en la versión 0.8.0: identificación de hablantes. Hasta ahora la app sólo sabía separar dos fuentes cuando grababas una videollamada: tu micrófono («tú») y el audio de la bocina («Interlocutor»). Si al otro lado había tres personas, todas quedaban bajo la misma etiqueta, y si transcribías un archivo grabado con el teléfono, no había etiquetas en absoluto.

Ahora la app reconoce las voces de cualquier audio y las marca como «Hablante 1», «Hablante 2» y así sucesivamente, por orden de aparición. En una grabación con micrófono y sistema, tú quedas aparte y lo que separa son las voces que salen de la bocina: «Interlocutor 1», «Interlocutor 2». Funciona así:

• Es un complemento de unos 34 MB que se descarga una vez desde la sección Modelos. Después funciona sin internet y en cualquier idioma.
• Se ejecuta solo al transcribir (antes de generar resumen y minuta, para que éstos ya sepan quién habló) o a mano, con el botón Hablantes de cada archivo.
• Un clic en una etiqueta permite ponerle nombre: «Hablante 2» pasa a ser «Carlos Ruiz» en toda la transcripción y en los archivos guardados. Si escribes el nombre de otro hablante, los dos se fusionan, útil cuando el sistema partió a una misma persona en dos.

Por dentro usa sherpa-onnx con segmentación pyannote 3.0 y huellas de voz CAM++. Según las notas del desarrollo, los parámetros se ajustaron con conversaciones reales en español del corpus CIEMPIESS, y CAM++ acertó casi todos los cambios de turno donde la alternativa probada no pasaba del 73 %. Conviene leer eso con la cabeza fría: es una prueba del propio autor, no un estudio independiente, y la separación de voces sigue siendo un problema difícil. En voces parecidas, gente que se interrumpe o audio con eco, habrá errores; por eso importa que corregirlos sea un clic y no una sesión de buscar y reemplazar. Un detalle honesto del diseño: si al otro lado de la llamada sólo hay una persona, la app no intenta separar la bocina.

Tu vocabulario, bien escrito a la primera

Whisper es muy bueno con el español general y bastante torpe con lo particular: el nombre del cliente, la marca de la empresa, el tecnicismo jurídico o médico. La versión 0.6.0 añadió en Ajustes una sección de Vocabulario y correcciones con dos herramientas complementarias:

• Nombres y términos propios: una frase breve con las palabras que deben salir bien (se usan los primeros ~600 caracteres), que se le da a Whisper como contexto antes de transcribir.
• Correcciones automáticas: una tabla de «cómo sale» → «cómo debe quedar» para las palabras que Whisper sigue escribiendo mal pese al contexto. Se aplica al texto en vivo, al de archivos y a lo que se guarda.

Es un cambio pequeño en apariencia y enorme en la práctica: si cada semana transcribes juntas con los mismos clientes, configurar diez correcciones te ahorra corregir las mismas diez palabras en cada minuta. En la misma versión llegó la interfaz bilingüe: la app aparece en español si tu sistema está en español (o lo eliges en Ajustes → Idioma), y el resumen y la minuta se redactan en el idioma de la transcripción.

Tu asistente de IA redacta, tu equipo transcribe

Hasta septiembre, para obtener resumen y minuta necesitabas una llave propia de OpenRouter o una cuenta de Iurefficient. Desde la versión 0.7.0 hay una tercera vía: IureTranscribe puede funcionar como servidor MCP, el protocolo con el que los asistentes de IA usan herramientas externas. En la práctica, Claude Desktop, Claude Code o Copilot en VS Code le piden a tu equipo que transcriba un audio con Whisper, y el modelo del propio asistente redacta el resumen. No hace falta llave de OpenRouter y el audio nunca sale de la máquina; sólo el texto que el asistente decide leer.

La conexión no exige editar archivos de configuración a mano: en Ajustes → Asistentes de IA, el botón Conectar agrega la entrada a Claude Desktop (dejando una copia de respaldo de su configuración) o abre VS Code para que confirmes la instalación. Microsoft 365 Copilot es un caso aparte: no puede ejecutar programas de tu equipo, así que sólo puede leer las transcripciones que hayas guardado en una instancia de Iurefficient, mediante un token que se crea y revoca desde la misma pantalla.

La advertencia obvia: «el audio no sale» no significa «nada sale». Si le pides a un asistente en la nube que resuma la junta, el texto de la transcripción sí viaja a ese servicio. La diferencia con subir la grabación entera es real, pero conviene decidir conscientemente qué reuniones pasan por ahí.

Otros cambios que se agradecen

• Grabar desde otras apps (0.8.1): enlaces como iuretranscribe://record/start y iuretranscribe://record/stop inician y detienen la grabación de la ventana abierta, con asistentes, lugar y notas opcionales. Pensado, por ejemplo, para hacerlo por voz desde IureVoz.
• La grabación sobrevive a un disco lleno (0.8.3): antes, si el disco se llenaba un momento, se perdía la grabación entera. Ahora lo que no se puede escribir se guarda en memoria y se reintenta, la app avisa al instante y, al detener, conserva y transcribe lo grabado.
• macOS firmado y notarizado (0.8.4): los .dmg llevan firma Developer ID y notarización de Apple, así que ya se abren sin la advertencia de Gatekeeper. En Windows los instaladores siguen sin firma de código y SmartScreen puede avisar la primera vez.
• Grabaciones más recientes arriba, renombrar grabaciones, barra lateral colapsable e ícono nuevo.

Cómo instalarla o actualizarla

Si ya la tienes instalada como AppImage (Linux), en Windows o en macOS, la propia app ofrece la actualización al arrancar. Con .deb o .rpm sólo avisa y enlaza la descarga. Para instalarla desde cero:

1. Entra a la página de la última versión en GitHub.
2. Elige el archivo de tu sistema: windows-x64.exe o .msi en Windows, macos-arm64.dmg (Apple Silicon) o macos-x64.dmg (Intel) en Mac, y linux-x64 en .AppImage, .deb o .rpm en Linux. Hay variantes con GPU (vulkan y cuda); si no sabes qué tarjeta gráfica tienes, usa la variante sin GPU, que funciona en cualquier equipo.
3. Instala. En Linux, el AppImage se hace ejecutable con chmod +x IureTranscribe_*.AppImage. En Windows, si aparece «Windows protegió su PC», pulsa Más información → Ejecutar de todas formas.
4. El instalador ya trae el modelo Base para empezar. Para mejor calidad, descarga desde Modelos el Large v3 Turbo (el recomendado) y, si quieres identificar hablantes, el complemento de hablantes.
5. Opcional: en Ajustes, llena tu vocabulario y conecta tu asistente de IA.

IureTranscribe es software libre bajo licencia Apache 2.0; el código está en github.com/ellaguno/iuretranscribe. No recopila telemetría y sólo se conecta a internet cuando tú lo pides: para descargar modelos, revisar actualizaciones, usar tu instancia de Iurefficient o tu llave de OpenRouter.

¿Vale la pena?

Si transcribes reuniones con frecuencia, sí: la identificación de hablantes y las correcciones automáticas atacan el trabajo que de verdad consume tiempo, que es dejar el texto presentable. No esperes magia; revisa siempre las etiquetas y los nombres antes de enviar una minuta. Pero ahora el punto de partida es mucho mejor y, sobre todo, se construye sin entregar tus grabaciones a nadie.

Pruébala con la próxima junta o con esa entrevista que tienes pendiente de pasar en limpio, y cuéntanos en los comentarios cómo le fue con tus voces y tu vocabulario: qué acertó, qué no y qué te gustaría que hiciera después.

Comentarios

comentarios