> ## Documentation Index
> Fetch the complete documentation index at: https://docs.neuracall.com/llms.txt
> Use this file to discover all available pages before exploring further.

# Transcripción

> Proceso de conversion de audio a texto

## Descripción General

Neuracall utiliza **OpenAI Whisper** para convertir grabaciones de audio en texto. La transcripción es el primer paso del proceso de análisis y es fundamental para la calidad del NeuraScore.

## Proceso de Transcripción

<Steps>
  <Step title="Recepcion del Audio">
    El archivo de audio se sube y almacena de forma segura en S3.
  </Step>

  <Step title="Conversion">
    Si es necesario, el audio se convierte a un formato optimizado para Whisper.
  </Step>

  <Step title="Transcripción">
    Whisper procesa el audio y genera el texto con timestamps.
  </Step>

  <Step title="Segmentación">
    El texto se divide en segmentos por hablante cuando es posible.
  </Step>
</Steps>

## Formatos de Audio Soportados

| Formato | Extension | Calidad Recomendada |
| ------- | --------- | ------------------- |
| MP3     | .mp3      | 128kbps o superior  |
| WAV     | .wav      | 16kHz mono mínimo   |
| M4A     | .m4a      | AAC 128kbps         |
| FLAC    | .flac     | Lossless            |
| OGG     | .ogg      | Vorbis 128kbps      |
| WEBM    | .webm     | Opus 128kbps        |

## Deteccion de Idioma

Whisper detecta automáticamente el idioma del audio. Los idiomas principales soportados incluyen:

* Espanol
* Ingles
* Portugues
* Frances
* Y muchos mas...

<Tip>
  Para mejores resultados, asegurate de que el audio tenga buena calidad y el idioma sea consistente.
</Tip>

## Estructura de la Transcripción

### Respuesta de API

```json theme={null}
{
  "id": "...",
  "status": "COMPLETED",
  "language": "es",
  "duration": 324.5,
  "transcription": "Agente: Buenos dias, gracias por llamar...",
  "segments": {
    "segments": [
      {
        "speaker": "Agent",
        "start": 0.0,
        "end": 5.2,
        "text": "Buenos dias, gracias por llamar a Neuracall."
      },
      {
        "speaker": "Customer",
        "start": 5.5,
        "end": 12.1,
        "text": "Hola, tengo una consulta sobre mi factura."
      }
    ]
  }
}
```

### Campos Principales

| Campo         | Descripción                |
| ------------- | -------------------------- |
| status        | Estado de la transcripción |
| language      | Código de idioma detectado |
| duration      | Duración en segúndos       |
| transcription | Texto completo             |
| segments      | Segmentos con timestamps   |

## Segmentos

Cada segmento incluye:

| Campo   | Descripción                 |
| ------- | --------------------------- |
| speaker | Identificador del hablante  |
| start   | Tiempo de inicio (segúndos) |
| end     | Tiempo de fin (segúndos)    |
| text    | Texto del segmento          |

## Estados de Transcripción

| Estado       | Descripción              |
| ------------ | ------------------------ |
| PENDING      | En cola de procesamiento |
| IN\_PROGRESS | Transcribiendo           |
| COMPLETED    | Completado exitosamente  |
| FAILED       | Error durante el proceso |

## Factores de Calidad

### Calidad del Audio

La precisión de la transcripción depende de:

| Factor              | Impacto | Recomendacion             |
| ------------------- | ------- | ------------------------- |
| Ruido de fondo      | Alto    | Usar grabaciones limpias  |
| Volumen bajo        | Alto    | Normalizar antes de subir |
| Multiples hablantes | Medio   | Audio estereo ayuda       |
| Acentos fuertes     | Medio   | Whisper es robusto        |
| Jerga técnica       | Bajo    | Generalmente preciso      |

### Recomendaciones

<Tip>
  **Calidad óptima**: Audio mono o estereo, 16kHz+, sin ruido de fondo, volumen normalizado.
</Tip>

<Warning>
  Audios con mucho ruido o superposicion de voces pueden resultar en transcripciónes incompletas o inexactas.
</Warning>

## Uso en el Análisis

La transcripción es la base para:

1. **NeuraScore**: El análisis GPT evalúa el contenido transcrito
2. **Resumen**: Se genera a partir del texto
3. **Keywords**: Se extraen del contenido
4. **Insights**: Se derivan del análisis

## Reproduccion Sincronizada

En la aplicación web, puedes:

* Reproducir el audio original
* Ver la transcripción con timestamps
* Hacer clic en un segmento para saltar a ese punto
* Leer mientras escuchas

## Privacidad y Seguridad

* Los audios se almacenan de forma segura en AWS S3
* Solo usuarios autorizados pueden acceder
* Los datos se procesan en infraestructura de Neuracall
* Cumplimiento con estándares de seguridad

<CardGroup cols={2}>
  <Card title="Ver detalle de llamada" icon="phone" href="/user-guide/analysis-detail">
    Acceder a transcripciónes
  </Card>

  <Card title="API de Transcripción" icon="code" href="/api-reference/call-analysis/transcription">
    Endpoint de transcripción
  </Card>
</CardGroup>