Solución de problemas

La primera transcripción con WhisperX tarda mucho

La primera vez que se usa un modelo, se descarga, lo que puede tardar varios minutos según tu conexión y el tamaño del modelo (hasta ~3 GB). El progreso indica cuándo se está cargando. El modelo se queda en memoria mientras sus opciones no cambien, así que las siguientes transcripciones empiezan al momento.

WhisperX falla con CUDA out of memory

Tu GPU no tiene memoria suficiente para los ajustes. Prueba, en este orden:

1. Baja el Tamaño de lote (p. ej. 4) en Preferencias → Transcripción.
2. Usa un modelo más pequeño (p. ej. small o base).
3. Usa un Tipo de cómputo más ligero (p. ej. int8).

Los dos últimos pueden reducir la calidad. Consulta Motores para ver la memoria que necesita cada modelo.

Transcribir tarda demasiado

La velocidad de WhisperX depende de tu hardware, así que no esperes resultados instantáneos en CPU modestas. Prueba un modelo más pequeño, como small, o large-v3-turbo en una GPU, o el tipo de cómputo int8. En un Mac con Apple Silicon, comprueba que Usar CPU está desactivado en Preferencias → Transcripción, para que transcriba en la GPU. También puedes usar la API de Whisper o la API de Google, que se ejecutan en servidores remotos.

La API de Whisper devuelve el error 429

RateLimitError("Error code: 429 - {'error': {'message': 'You exceeded your current quota, ...', 'type': 'insufficient_quota', ...}}")

Tu cuenta de OpenAI se ha quedado sin créditos, o tienes que añadir fondos antes de usar la API por primera vez (aunque tengas créditos gratuitos). Compra créditos en la sección Billing de tu cuenta de OpenAI. Tu cuenta puede tardar hasta 10 minutos en activarse.

Si creaste la clave de API antes de añadir fondos por primera vez y el error persiste después de 10 minutos, crea una clave nueva y configúrala en Preferencias → Claves de API.

No se pueden identificar los hablantes

Si la transcripción falla con Para identificar hablantes se necesita un token de Hugging Face. o No se ha podido descargar el modelo de identificación de hablantes., el token falta, no es válido o no puede acceder al modelo.

Identificar a los hablantes requiere un token de Hugging Face y aceptar las condiciones del modelo. Comprueba que:

• Has aceptado las condiciones de pyannote/speaker-diarization-community-1 con la misma cuenta.
• El token tiene el rol Read y está configurado en Preferencias → Claves de API.

Consulta Identifica a los hablantes.

No se encuentra ningún micrófono, o no se graba nada

• Comprueba que el micrófono está conectado y haz clic en el botón de actualizar junto a la lista de micrófonos.
• En macOS, permite el acceso a Audiotext en Ajustes del Sistema → Privacidad y seguridad → Micrófono. En Windows, en Configuración → Privacidad → Micrófono.
• Si el medidor de nivel muestra No hay sonido, elige otro micrófono de la lista o comprueba que no está silenciado.
• Si se muestra No se ha grabado ningún audio., la grabación terminó antes de que el micrófono enviara ningún sonido. Vuelve a grabar o elige otro micrófono.

No se muestra el texto en directo

Si se muestra El texto no se puede mostrar mientras se graba. mientras grabas, no se pudo cargar el Modelo en directo: por ejemplo, se descarga la primera vez que se usa, lo que requiere conexión a Internet, o no hay memoria suficiente. La grabación no se ve afectada y se transcribe como siempre al detenerla. Elige un Modelo en directo más pequeño (p. ej. tiny o base) en la tarjeta Texto en directo.

No se puede reproducir el audio de una transcripción

El archivo de origen se ha movido o eliminado. El texto se conserva, pero el audio solo se puede reproducir desde el archivo original. Audiotext guarda las grabaciones del micrófono y el audio de las URL.

No se puede descargar un vídeo de YouTube

Asegúrate de que la URL es correcta y de que el vídeo es público. YouTube cambia a menudo, así que, si sigue fallando, comprueba si hay una versión más reciente de Audiotext.

Si en cambio se muestra El vídeo de YouTube no tiene pista de audio., el vídeo no tiene sonido que transcribir.

No se puede transcribir un enlace

• La URL no apunta a un archivo de audio o vídeo.: el enlace abre una página web, no un archivo. Solo funcionan los enlaces de vídeos de YouTube y los enlaces directos a archivos de audio o vídeo. Busca en la página el enlace que descarga el archivo (p. ej. el episodio de un pódcast) y úsalo, o descarga el archivo y transcríbelo con la fuente Archivo.
• No se pudo descargar el archivo: …: no se pudo acceder al archivo. Comprueba que el enlace se abre en tu navegador y que tienes conexión a Internet. Los enlaces que requieren iniciar sesión no se pueden descargar: descarga el archivo tú mismo y usa la fuente Archivo.

Una carpeta no transcribe ningún archivo

Los archivos que ya tienen una transcripción se omiten, igual que los archivos ocultos y los que coinciden con Omitir los archivos que coincidan con. Para volver a transcribirlos, usa Volver a transcribir todo… en el menú ⋯ de la carpeta, o selecciónalos en su lista de archivos. Los archivos de las subcarpetas solo se transcriben con Incluir subcarpetas, y la carpeta debe contener archivos compatibles.

La API de Google pide el idioma

La API de Google no puede detectar el idioma. Elige el Idioma del audio en los ajustes.

Falla un resumen, una respuesta o una traducción

• DeepL no puede traducir al ….: DeepL no admite ese idioma. Elige otro proveedor, como un modelo de lenguaje.
• La respuesta del modelo era demasiado larga., El modelo no ha devuelto un resumen válido., El modelo no ha devuelto una respuesta válida. o El modelo no ha devuelto una traducción válida.: el modelo no escribió el resumen, la respuesta o la traducción con el formato esperado. Vuelve a intentarlo o elige un modelo más grande en Preferencias → Proveedores. Los modelos pequeños de Ollama fallan más a menudo.
• Para cualquier otro error, comprueba que la clave de API del proveedor está configurada en Preferencias → Claves de API y que tu cuenta tiene saldo.

No se subrayan las palabras de baja confianza

Comprueba que Resaltar palabras de baja confianza está activado en el menú ⋯ de la transcripción. Si la transcripción no tiene puntuaciones, el menú dice por qué:

• Activa «Tiempos por palabra» y vuelve a transcribirlo: WhisperX puntúa las palabras cuando calcula sus tiempos.
• No hay modelo de alineación para su idioma: las palabras de ese idioma no se pueden temporizar ni puntuar.
• Vuelve a transcribirlo para puntuar sus palabras: se transcribió antes de que se puntuaran las palabras.
• Solo WhisperX y whisper-1 puntúan las palabras: los demás motores y modelos no lo hacen.

Consulta Revisa las palabras de baja confianza.

El vídeo con subtítulos muestra recuadros

Si se muestra Exportado a …, pero ninguna fuente tiene estos caracteres, así que se muestran como recuadros: … después de exportar el vídeo con sus subtítulos, ninguna fuente de tu sistema puede dibujar esos caracteres. Instala una fuente para esa escritura (p. ej. Noto) y vuelve a exportarlo.

No se pueden buscar actualizaciones

No se pudo comprobar si hay actualizaciones. significa que Audiotext no pudo conectar con GitHub. Comprueba tu conexión a Internet o si un cortafuegos o un proxy la bloquea. Siempre puedes descargar la última versión desde la página de versiones.

Otro problema

Busca en las incidencias o pregunta en las discusiones. Si encuentras un error, infórmalo con tu sistema, la versión de Audiotext y los pasos para reproducirlo.