Rev AI

Los trabajos por lotes procesan audio y vídeo ya grabados, y según Rev un archivo de una hora vuelve en menos de un minuto. El techo práctico son 17 horas de audio por trabajo, y los archivos enviados por URL llegan a 5 TB. Así caben jornadas completas, declaraciones judiciales y archivos de congresos sin trocear nada antes.

La API de streaming convierte audio en vivo en subtítulos con poca latencia. Usa los mismos modelos que el producto por lotes. Acepta WebSocket para aplicaciones y RTMP para codificadores de emisión. Cada flujo dura hasta 3 horas, así que un evento largo necesita el paso de reconexión que Rev documenta.

Rev AI etiqueta quién dice cada cosa, con hasta 8 hablantes en inglés y 6 en otros idiomas. Si cada persona se grabó en una pista distinta, puedes indicar el número de canales y obtener una separación más limpia que con la diarización sola. No hay forma de fijar el número de hablantes, algo que pesa en grabaciones de grupo desordenadas.

Cada texto puede llevar marcas de tiempo hasta la palabra, lo que facilita citar, buscar y sincronizar subtítulos. El alineamiento forzado es la función hermana: le pasas audio y un guion ya escrito y devuelve el tiempo exacto de cada palabra. Los equipos de medios lo usan para ajustar subtítulos incrustados y los jurídicos para citar un momento concreto de una declaración.

La API asíncrona cubre 58 idiomas, con modelos multilingües de inglés y español, mientras que el streaming llega a 9. La identificación de idioma funciona como llamada aparte, de modo que puedes clasificar audio desconocido antes de gastar en transcribirlo. Cada idioma tiene su propio perfil de precisión y Rev publica la lista actualizada.

Además del texto, este servicio de transcripción de audio puntúa el sentimiento, hace extracción de temas, resume una grabación larga y traduce a otro idioma. Cada función es un parámetro independiente del trabajo, así que no pagas por lo que no usas. Los modelos estándar y premium tienen tarifas distintas, conviene mirar el precio antes de lanzar un lote grande.

Puedes pasar una lista de nombres, productos y términos técnicos para que el modelo los escriba como lo hace tu empresa. Ayuda sobre todo con marcas, nombres de fármacos y jerga interna que los modelos generales destrozan. Es una lista de palabras, no un modelo de lenguaje que se entrene.

Los SDK oficiales cubren Python y Node.js, los webhooks avisan del final del trabajo y los formatos de salida incluyen JSON, texto plano, SRT y VTT. Rev también ofrece despliegue en servidores propios para quien no puede usar una nube pública. Los trabajos permanecen en el servidor 30 días salvo que acortes ese plazo.