La voz, sin complicaciones

Preguntas frecuentes

Mi móvil ya trae traducción en directo, ¿para qué necesito VocalStack?

Un móvil ejecuta un modelo de voz pequeño que tiene que caber en el dispositivo y no agotar la batería. Eso basta para frases cortas, claras y cotidianas. No basta para lo que de verdad falla en el habla real: palabras y nombres poco comunes, palabras que suenan igual («vaya» y «valla», «hola» y «ola»), términos técnicos, acentos, personas que se pisan al hablar y ruido de fondo. El modelo adivina, la traducción se construye sobre esa suposición y nadie en la sala puede ver que estaba mal.

VocalStack funciona en servidores, así que los modelos son completos y cada frase se revisa con su contexto después del reconocimiento. Sube antes un guion o unas diapositivas y sus nombres y términos se impondrán a lo que se haya oído mal. Si aun así algo sale mal, puedes corregir la frase en directo y todos los oyentes ven la corrección.

Además, un móvil oye la sala, no al orador, y traduce para una sola persona, así que cincuenta móviles dan cincuenta transcripciones distintas. VocalStack toma el audio directamente de la mesa de mezclas, del stream o del micrófono, transcribe al orador una sola vez, y todos leen o escuchan lo mismo en su propio idioma. La traducción se lee en voz alta con la propia voz del orador, así que los oyentes oyen a la persona que está en el escenario, no una voz robótica genérica.

¿Se cobra por oyente? ¿Cómo funcionan los precios?

No. Los oyentes son gratis, sean cuantos sean y en el idioma en que lean o escuchen. Pagas por el audio que se transcribe, por segundos, con un mínimo de 5 minutos por transcripción, y esa es toda la factura: la traducción a hasta 10 idiomas, las traducciones habladas, las emisiones, los resúmenes y las exportaciones están incluidos.

Ver precios y planes

Los archivos y las transcripciones en directo tienen tarifas distintas, iguales en todos los planes, y Premium incluye $50 de crédito cada mes. Todos los planes tienen las mismas funciones, y la API se cobra a la misma tarifa que el panel.

¿Qué necesitan los oyentes para seguir la sesión?

Un enlace o un código QR, y un móvil. No hay nada que instalar ni cuenta que crear. El oyente abre el enlace en el navegador, elige un idioma y lee la transcripción a medida que se habla. Si prefiere escuchar, cada frase traducida también se lee en voz alta. Puede cambiar de idioma en cualquier momento; lo transcrito hasta entonces se vuelve a leer en el nuevo.

Un oyente que llega tarde ve todo lo que se dijo antes de su llegada y luego sigue en directo. Si se corta la conexión, la página se pone al día sola cuando vuelve.

¿El audio tiene que venir de un micrófono?

No. Una transcripción en directo puede oír un micrófono en cualquier dispositivo, una señal RTMP de OBS o de un codificador de emisión, un directo de YouTube, una emisora de radio por internet o cualquier URL que sirva un stream. Con un stream, VocalStack obtiene el audio por sí mismo: no tienes que ejecutar nada por tu parte.

Un mismo enlace de emisión puede alimentarse de varias transcripciones, así que un congreso con dos escenarios, o una emisora con un stream de radio y un directo de YouTube, sigue compartiendo un solo enlace.

¿Puedo controlar quién ve la transcripción?

Sí. Una emisión es pública por defecto: cualquiera que tenga el enlace puede seguirla. Hazla privada y ponle contraseña, y solo podrán entrar las personas a las que des ambos. Si más adelante cambias el nombre del enlace, el anterior sigue funcionando. También puedes ver quién está escuchando, en qué idioma y cuándo se unió.

¿El oyente oye al orador real o una voz sintética?

Cualquiera de las dos. Por defecto, cada hablante recibe una voz predefinida distinta del mismo género, para que una mesa redonda siga sonando como tal. Con el permiso del hablante, puedes clonar su voz a partir de treinta segundos de audio, y la traducción se leerá con su propia voz en todos los idiomas. Una voz clonada también permite reconocer al hablante y etiquetarlo por su nombre en futuras grabaciones. Puedes asignar una voz a cada hablante, o silenciar a alguno.

¿Qué se conserva después del evento?

Todo. La grabación, su transcripción con correcciones y traducciones, y el audio se guardan en tu biblioteca. Se redactan un título y un resumen cuando las palabras son definitivas, en todos los idiomas. Puedes reproducirla tal como llegó, buscar en todas las transcripciones en tu idioma y exportarla como subtítulos SRT, PDF, Excel o JSON.

¿Puedo integrarlo en mi propio producto?

Sí. Todo lo que hace el panel está disponible a través de la API, a la misma tarifa: transcripción en tiempo real por WebSocket, transcripciones en directo con emisiones, traducción y traducciones habladas, trabajos con archivos y enlaces, y un servidor MCP. Incluye SDK oficiales para TypeScript y Python. Los oyentes pueden suscribirse a una grabación desde tu propia app con un código para compartir y sin clave de API.