Traducción en tiempo real vs. transcripción: en qué se diferencian
Un proveedor dice algo en portugués durante la llamada. Tu herramienta de reuniones lo capta a la perfección: cada palabra bien escrita, con su marca de tiempo y atribuida a la persona correcta. Y sigues sin tener ni idea de qué se acaba de acordar.
En ese momento está toda la diferencia, y por eso dos funciones que en una página de precios se leen casi igual se comportan de forma totalmente distinta en una reunión. Una cambia la forma del mensaje. La otra cambia su idioma. Pagar por la primera cuando lo que necesitabas era la segunda es un error que los equipos cometen más o menos una vez por cada expansión internacional.
Cuatro trabajos y dos preguntas para distinguirlos
Cada producto de este sector hace una de cuatro cosas, y puedes saber cuál con dos preguntas: ¿cambia el idioma? ¿Y el resultado tiene que existir mientras la gente sigue hablando?
La transcripción mantiene el idioma y cambia la forma: el habla se convierte en un texto que alguien que hable ese mismo idioma ya podría haber seguido de oído. Nada más. Cómo se produce, cuánto cuesta y en qué siguen ganando las personas a las máquinas es un tema en sí mismo, y lo tratamos por separado en cómo funciona realmente la transcripción.
La traducción mantiene la forma y cambia el idioma. Entra texto escrito en el idioma de origen y sale texto escrito en el de destino. Suele aplicarse a un texto que ya existe, y por eso traducción y transcripción van tan a menudo una detrás de otra en lugar de competir.
La interpretación cambia el idioma y se queda en el habla, en directo, a cargo de una persona. Otra formación, otra asociación profesional, otra factura.
Los subtítulos no son un quinto trabajo: son un formato de entrega. Texto sincronizado con una pista de video. Pueden contener una transcripción (mismo idioma) o una traducción (otro idioma), y precisamente por eso hay quien usa las mismas palabras para decir cosas opuestas. Si estás decidiendo entre tipos de archivo y convenciones, en qué se diferencian los subtítulos ocultos y los subtítulos cubre la parte del documento.
| Modalidad | ¿Cambia el idioma? | ¿Ocurre en directo? | Qué obtienes | Quién lo hace | Uso típico |
|---|---|---|---|---|---|
| Transcripción | No | Ambas cosas: en directo o después | Un registro de texto con búsqueda en el idioma original | Software, una persona o ambos | Registros de reuniones, entrevistas, archivos de cumplimiento normativo |
| Traducción | Sí | Normalmente después | El mismo documento, legible en otro idioma | Software o un traductor humano | Contratos, documentación, contenido publicado |
| Traducción en tiempo real | Sí | Sí, por definición | Texto traducido que aparece unos segundos después de quien habla | Software, casi siempre | Llamadas entre idiomas, eventos en directo, chat de soporte |
| Interpretación | Sí | Sí | El significado, transmitido de viva voz en el momento; por defecto no se guarda nada | Una persona cualificada | Negociaciones, tribunales, consultas médicas, diplomacia |
| Subtítulos ocultos / subtítulos | Ambos | Ambos | Texto sincronizado sobre el video, ajustado para caber en pantalla | Software, editores humanos o una combinación | Accesibilidad, ver sin sonido, estrenos en el extranjero |
«Tiempo real» es una promesa de latencia, no de esfuerzo
Los proveedores aplican la expresión a todo lo que no sea un proceso por lotes que se ejecuta de noche, así que sin una cifra al lado casi no significa nada. Esta es la cifra que tiene que superar.
La conversación funciona con un reloj mucho más ajustado de lo que creemos. Cuando unos lingüistas midieron las pausas entre turnos en una muestra mundial de diez idiomas, la pausa más frecuente en todos ellos estaba entre cero y 200 milisegundos, y la media del conjunto de datos rondaba los 208: más o menos lo que se tarda en pronunciar una sílaba (Stivers y colegas, 2009). Tomar el turno no es hacer una pausa educada; es una carrera, y todos en una conversación están prediciendo el final de tu frase para empezar la suya.
Compara la traducción en directo con esa cifra y los niveles salen solos:
- Menos de un segundo. Lo bastante rápida para formar parte de la conversación. Puedes leer una línea y aun así tomar el turno que te abre.
- De uno a tres segundos. La franja realista para el texto traducido hoy en día, y de verdad útil. Irás un compás por detrás, que es más o menos donde ya está quien escucha en un segundo idioma.
- Cinco segundos o más. Ya no es en directo en ningún sentido útil. Es una transcripción que llega por entregas, y para cuando has leído una línea el grupo ya ha votado.
Lo que empuja la traducción hacia el extremo lento es estructural, no una cuestión de comprar servidores. Un sistema de reconocimiento puede publicar una palabra en cuanto está seguro de ella. Un motor de traducción no puede, porque necesita suficiente frase para saber qué está haciendo esa frase, y en alemán o en japonés el verbo que fija el significado puede no aparecer hasta el final. Así que o espera, o se compromete pronto y corrige después. Las dos cosas tienen un coste. Por qué la captura en directo es un problema de ingeniería más difícil que procesar una grabación terminada lo explicamos en cómo funciona la tecnología de voz a texto.
Si eres tú a quien traducen, termina tus frases. Lo más importante que puede hacer quien habla por una capa de traducción en directo es cerrar bien cada idea antes de empezar la siguiente. Las subordinadas que se alargan, las frases abandonadas a medias y los «bueno, en fin…» dejan al motor con una unidad incompleta que tiene que adivinar.
Los intérpretes lo resuelven anticipando hacia dónde va una frase. El software no anticipa: espera. Frases cortas y completas, con el verbo al principio, harán más por la calidad que cualquier ajuste de la app.
Añadir un idioma añade un segundo sitio donde equivocarse
Muchos productos de traducción en directo que hay hoy en el mercado son una cascada: reconocen el habla y después traducen el texto resultante. Dos modelos en serie, cada uno con sus propias formas de fallar.
La aritmética no perdona. Dos etapas que aciertan cada una el 95 % de las veces aciertan juntas alrededor del 90 % de las veces. Es una ilustración, no una medición, pero lo que importa es la dirección. En una cadena de procesos, la precisión no se promedia. Se multiplica.
Lo más interesante es que la segunda etapa no tiene ni idea de que la primera se equivocó. Un modelo de traducción es una máquina de producir frases fluidas. Dale un nombre propio mal oído o una negación perdida y convertirá el error en un español perfectamente gramatical sin el menor asomo de duda. Nada en el resultado parece dañado, y eso es justo lo que lo hace peligroso.
Y los errores de traducción no se notan como los de reconocimiento. Una palabra mal oída es un problema local: evidente, reparable por el contexto. Un desliz de traducción es semántico: una negación invertida, un «podríamos» endurecido hasta convertirse en «lo haremos», un pronombre al que se le asigna un género que el original nunca especificó. «Let's table it» significa aplazarlo en inglés estadounidense y tratarlo ya en inglés británico, y ninguna calidad de audio lo arregla.
Hasta la calidad se mide de otra forma. La traducción automática se puntúa comparando el resultado con una traducción de referencia (BLEU es la métrica de toda la vida, y puntuaciones aprendidas como COMET siguen más de cerca el juicio humano), y nada de eso te dice si la única línea que importaba en tu reunión salió bien. Hay una línea de investigación más discreta que se salta el paso intermedio: modelos entrenados para ir directamente del audio en un idioma al texto en otro, sin transcripción intermedia que corromper. Menos etapas, menos sitios donde se acumulan errores. Aun así, muchos productos ya en el mercado siguen funcionando en cascada.
La prueba de los diez segundos para saber si una herramienta traduce de verdad en directo. Empieza una reunión, di dos frases en un idioma y mira la pantalla mientras dices la tercera. Si aparece una versión en tu idioma de destino antes de que termines, eso es traducción en directo. Si no aparece nada hasta que acaba la llamada y llega el resumen, es posprocesamiento: útil, pero no ayudará a nadie a participar.
Hazla en una llamada real, no con una grabación de demostración. Las demos se eligen por su audio limpio y porque habla una persona cada vez, justo la condición en la que todas las herramientas lo hacen bien.
Por qué una herramienta puede ser excelente transcribiendo e inútil traduciendo en directo
Esto confunde a la gente constantemente, y no es una diferencia de calidad entre proveedores. Por debajo, es otro producto.
Una transcripción excelente se puede hacer por lotes: esperar a que termine la llamada, procesar la grabación sabiendo ya cómo acaba y tomarse todo el tiempo necesario. Es más barato de ejecutar, más fácil de hacer preciso, y es para lo que están optimizados la mayoría de los tomadores de notas de reuniones: todo su diseño da por hecho que seguiste la conversación en directo y solo quieres un registro después.
La traducción en directo rompe esa suposición en tres puntos a la vez. Tienes que mantener una conexión abierta durante toda la llamada. Tienes que cortar el flujo entrante en puntos donde una traducción tenga sentido, lo cual es una decisión lingüística y no un temporizador. Y pagas un segundo modelo por cada fragmento, por cada idioma de destino presente en la sala. Mantener un flujo abierto cuesta más que procesar el mismo audio una sola vez al final; súmale una pasada de traducción y la economía explica muchas hojas de ruta de producto.
Por eso la pregunta «¿tu herramienta traduce?» recibe tan a menudo una respuesta evasiva. Muchas herramientas traducen una transcripción terminada si se lo pides, y eso es un producto realmente distinto del texto en paralelo mientras la gente habla. Revisamos los tomadores de notas más populares justo con esta pregunta, herramienta por herramienta, en qué tomadores de notas con IA traducen de verdad, y las respuestas son menos uniformes de lo que sugiere el marketing.
Los subtítulos desaparecen. Para eso están.
Un subtítulo en directo es una representación, no un registro. Existe para leerse una vez y que la siguiente línea lo saque de la pantalla, y la mayoría de las plataformas de videoconferencia tratan los subtítulos traducidos exactamente así: presentes durante la reunión, desaparecidos cuando termina.
Para una llamada de seguimiento, bien. Para cualquier cosa con dinero o una fecha límite de por medio, la pregunta que importa es qué existe una semana después, y hay tres respuestas posibles.
Nada. Hubo traducción, hubo comprensión y no se guardó nada. Quien no estuvo en la llamada recibe un resumen escrito de memoria por otra persona.
La transcripción en el idioma original. Mejor, y es lo que produce la mayoría de las herramientas. Puedes buscar en ella y citarla, siempre que leas el idioma en que está. Si no, vuelves al punto de partida con un paso más.
Un registro traducido. Las dos versiones guardadas, con el resumen y las tareas en el idioma en que trabaja cada persona. Esta es la versión que zanja discusiones. Seis semanas después, la disputa nunca es cómo sonaba el audio: es si el compromiso era entregar antes del día 14 o revisar antes del día 14, y el documento que lo resuelve tienen que poder leerlo las dos partes.
Ese tercer resultado es el argumento práctico para comprobar qué guarda una herramienta antes de comprarla, y para usar un asistente de reuniones que traduce en directo junto con los subtítulos que tu plataforma ya muestra en pantalla. Laxis, por ejemplo, muestra una traducción debajo de cada línea de la transcripción mientras la gente sigue hablando (una función de Premium, en más de 60 idiomas), y cuando termina la llamada conservas en un mismo sitio la transcripción original, un resumen y los próximos pasos. Como con cualquier herramienta, comprueba qué se guarda realmente después de una llamada real antes de confiar en ella. Y quien pulsa grabar es quien tiene que avisar a los participantes y obtener su consentimiento cuando haga falta; nuestra guía sobre el consentimiento para grabar por estado y por país es un punto de partida, no asesoramiento jurídico.
Míralo en una llamada real. Activa Translate en la app de escritorio de Laxis y cada línea de la transcripción tendrá su traducción justo debajo, en cualquiera de más de 60 idiomas, mientras la conversación sigue.
14 días de prueba de Premium, sin tarjeta de crédito. Prueba Laxis gratis
La interpretación no es una versión superior del mismo software
Conviene ser preciso con la tercera modalidad, porque «ya lo hará la IA» es una decisión que la gente toma sin saber a qué está renunciando.
Un intérprete simultáneo escucha y habla a la vez, un par de segundos por detrás, y gestionar ese desfase sin perder el sentido es la mayor parte del oficio. La interpretación consecutiva toma el otro camino: quien habla se detiene, el intérprete traslada el fragmento y la reunión avanza a media velocidad a cambio de una fidelidad mucho mayor.
Lo que ningún motor hace es la parte que no es lingüística. Un intérprete se da cuenta de que una frase es ambigua y pregunta. Ajusta el registro cuando una versión literal sonaría grosera. Asume la responsabilidad profesional de acertar, y en entornos regulados esa responsabilidad es el producto que de verdad estás comprando.
Así que la línea la marcan las consecuencias, no la dificultad. Reuniones semanales de equipo, revisiones de proyecto, seguimientos con proveedores, formación interna: el software se encarga y nadie echa de menos al intérprete. Una negociación con el comité de empresa, una consulta médica, una toma de declaración, una entrevista de inmigración: contrata a una persona. Ahí la traducción automática es una red de seguridad, no un sustituto, y es excelente en el noventa por ciento de las conversaciones en las que basta con acertar más o menos.
Cómo saber cuál necesitas de verdad
Cuatro preguntas, en orden. La mayoría de los equipos puede parar después de la segunda.
- ¿Todos en la llamada siguen con comodidad el idioma que se habla? Si es así, necesitas transcripción y nada más, y pagar una capa de traducción es comprar una función que nadie va a activar.
- ¿Alguien necesita ayuda durante la conversación o solo después? Esta es la bifurcación cara. Ponerse al día después se resuelve con una transcripción traducida, que es barata y se puede preparar sin prisa. Participar durante la llamada exige la versión en directo, con todo lo que eso implica en latencia y precio.
- ¿El resultado tiene que ser hablado? Casi nunca, en un contexto de empresa. La voz sintética traducida mejora deprisa, pero el texto es más silencioso, se puede leer en diagonal, no choca con el audio original y deja un registro. La salida hablada importa en eventos y visitas a planta, donde nadie puede mirar una pantalla.
- ¿Qué pasa si una frase está mal? Si la respuesta implica a un regulador, un tribunal, un paciente o una firma, ese es el umbral del intérprete humano, y ninguna cifra de precisión lo cambia.
La mayoría de los equipos invierten de más en directo y de menos en el registro. La traducción en directo luce mucho en una demo, así que es la función que se evalúa. El registro traducido es en lo que la gente se apoya en silencio durante meses, y es lo que falta cuando alguien necesita comprobar qué se acordó.
Traduce la llamada y quédate con un registro. Lee la conversación en tu idioma mientras sucede en Zoom, Google Meet o Microsoft Teams, y vuelve después a la transcripción y al resumen. La traducción en directo forma parte de Laxis Premium. 14 días de prueba de Premium, sin tarjeta de crédito. Descarga Laxis
En resumen
Estas dos capacidades están convergiendo en productos únicos, lo que es bueno para quien compra y malo para la claridad. Una página de precios que dice «traducción» puede significar hoy texto en paralelo en directo, una pista de subtítulos que se evapora, un resumen generado veinte minutos después de la llamada o un botón que pasa una transcripción terminada por un motor cuando lo pides. Cuatro productos, una sola palabra.
La distinción que vale la pena llevar encima no es técnica. La transcripción va de memoria: asegurarse de que la conversación siga existiendo mañana. La traducción va de acceso: asegurarse de que hoy todos estuvieron de verdad dentro de ella. Un equipo puede ser excelente en lo primero y discretamente desastroso en lo segundo, y la señal siempre es la misma: en cada llamada hay alguien que asiente mucho y nunca lleva la contraria.
Preguntas frecuentes
¿Qué diferencia hay entre traducción y transcripción?
La transcripción cambia la forma de un mensaje sin cambiar su idioma: convierte el audio hablado en palabras escritas que cualquiera que hable ese idioma ya podía entender. La traducción cambia el idioma en sí y lleva el significado de un idioma de origen a uno de destino. Quien podía seguir la conversación original no gana nada con una traducción, y lo gana todo con una transcripción.
¿Qué significa realmente traducción en tiempo real?
Traducción en tiempo real significa que la versión traducida aparece mientras la conversación sigue, lo bastante cerca de quien habla como para que quien escucha pueda usarla para participar y no para repasar después. En la práctica, eso supone entre uno y tres segundos de retraso, aproximadamente. Cualquier cosa que solo genere una versión traducida cuando la llamada ha terminado es posprocesamiento, por rápido que sea.
¿La traducción en tiempo real es lo mismo que la interpretación?
No. La interpretación la realiza una persona cualificada, se entrega de viva voz y trabaja al nivel del significado que se quiere transmitir, así que un intérprete puede señalar una ambigüedad, ajustar el registro o preguntar a quien habla qué quería decir. El software de traducción en tiempo real produce texto automáticamente y no tiene forma de preguntar nada. Coinciden en el momento y en nada más.
¿Por qué la traducción en directo va por detrás de quien habla?
Porque un motor de traducción necesita un trozo de frase lo bastante grande antes de comprometerse. El orden de las palabras cambia de un idioma a otro, así que un sistema que traduce alemán o japonés puede tener que esperar un verbo que llega al final del todo. Esa espera se suma al retraso que ya haya introducido la etapa de reconocimiento de voz.
¿Qué precisión tiene la traducción automática en las reuniones?
Suficiente para la conversación de negocios habitual, poco fiable en los casos límite. Dos etapas funcionan en secuencia, así que los errores de reconocimiento le llegan al traductor como si fueran correctos, y el resultado sigue siendo fluido mientras el significado se desvía. Los modismos, las abreviaturas internas, los nombres de producto y las personas que hablan a la vez son donde falla de forma más visible.
¿Qué diferencia hay entre subtítulos traducidos y una transcripción traducida?
Los subtítulos traducidos son una representación en directo pensada para leerse una vez y ser sustituida por la línea siguiente, y la mayoría de las plataformas no guardan nada cuando termina la llamada. Una transcripción traducida es un documento guardado en el que puedes buscar, que puedes citar y al que puedes volver semanas después. Los subtítulos resuelven la comprensión durante la reunión; una transcripción resuelve cada discusión que viene después.
¿Necesito transcripción o traducción para mis reuniones internacionales?
Si todos en la llamada siguen con comodidad el idioma que se habla, basta con una transcripción normal, y la traducción añade coste sin añadir comprensión. Añade una capa de traducción cuando al menos una persona trabaje en un segundo idioma, y hazla en directo solo si esa persona necesita intervenir durante la llamada en lugar de ponerse al día después.
Producto relacionado
Asistente de reuniones de Laxis
Automatiza tus notas hoy mismo.
- Notas sin bot para Zoom, Google Meet, Teams y reuniones presenciales
- Resúmenes con IA, tareas y seguimientos en más de 60 idiomas
- Mac, Windows, iPhone y Android, con plan gratuito
Empieza gratis, sin tarjeta de crédito.
Más información ▷