En un avance significativo para la transcripción de audio, Amazon ha lanzado una función de transmisión multicanal en su plataforma Amazon Transcribe. Esta modernización ofrece a los usuarios, especialmente en entornos colaborativos, la capacidad de integrar múltiples fuentes de audio a través de un navegador web. Utilizando la API de Web Audio de JavaScript, el sistema permite conectar y combinar diversas fuentes de audio, como videos, archivos de audio o micrófonos, para lograr transcripciones precisas.
El proceso, descrito paso a paso, se centra en la utilización de dos micrófonos como fuentes de audio. La idea es fusionarlos en un solo canal de audio estéreo, que posteriormente se envía a Amazon Transcribe para su transcripción. Un tutorial incluye el código fuente para una aplicación desarrollada en Vue.js, lo que resalta su adaptabilidad para diferentes dispositivos y fuentes de audio.
Una ventaja crucial de esta metodología es la obtención de transcripciones para dos fuentes en una sola sesión de Amazon Transcribe, lo que no solo genera un importante ahorro de costos, sino que también simplifica la recopilación de datos.
Sin embargo, el uso de dos micrófonos plantea ciertos desafíos. Las etiquetas de identificación de hablantes, asignadas aleatoriamente al inicio de la sesión, requieren un mapeo posterior en la aplicación del usuario, complicando el proceso en caso de voces similares. Además, puede haber superposición de voces si dos hablantes intervienen simultáneamente. Para mitigar estos problemas, se recomienda el uso de micrófonos direccionales y una gestión adecuada del volumen.
La implementación de esta solución requiere configurar las claves de acceso a AWS. El artículo detalla los pasos necesarios para iniciar la aplicación, desde la administración de conexiones de micrófonos hasta el procesamiento del audio con la API de Web Audio. Se introduce gradualmente el código necesario para fusionar y transmitir el audio a Amazon Transcribe en formato PCM.
El uso de Audio Worklet para un procesamiento de baja latencia se destaca como una característica innovadora, permitiendo la fusión y codificación de datos en tiempo real.
Concluyendo, esta nueva funcionalidad de Amazon Transcribe es una herramienta invaluable para transcripciones en tiempo real, aplicable a una amplia gama de usos, desde reuniones hasta interfaces controladas por voz. Este avance abre nuevas oportunidades para desarrolladores y empresarios en la exploración de aplicaciones innovadoras.
