Te llegó un audio de WhatsApp en un idioma que no hablas

No hace falta entender nada para acertar. El portugués suena a español pronunciado con la boca más cerrada, y tiene vocales nasales que el español no usa. Esa nasalidad es lo que más lo delata, incluso sin entender una palabra. El italiano tiene las vocales igual de abiertas que el español y casi todas las palabras terminan en vocal, así que se entiende a medias y eso mismo lo delata. El inglés se reconoce enseguida por lo apretadas que suenan las consonantes entre vocales.

Hay dos atajos más que funcionan mejor que el oído. Mira quién lo mandó y de dónde: el prefijo del número te dice el país en un segundo, y eso resuelve la mayoría de los casos sin más análisis. Y lee lo que se escribió antes y después en el chat, porque casi nadie manda una nota de voz suelta en un idioma que no usó nunca por escrito en esa misma conversación.

Si después de eso siguen quedando dos candidatos, prueba con el más probable y mira el resultado. Cuesta un minuto y sale gratis dentro del plan gratuito.

Con el inglés el error habitual es de configuración, no de idioma. La gente elige español porque es el idioma en el que quiere leer el mensaje. El motor entonces se pone a buscar palabras en español dentro de una grabación donde nadie las dice, y devuelve muy poco. Hay que elegir inglés como idioma hablado y pedir la traducción al español aparte, en el otro campo.

Con el portugués el error es distinto y más sutil. Se parece tanto al español que un motor configurado en español devuelve un texto largo, con frases completas y puntuación correcta, que dice cosas que nadie dijo. Es el caso más peligroso de los tres, porque el resultado no parece roto. Parece bien y está mal.

El italiano se comporta parecido al portugués por la misma razón, aunque suele fallar de forma más visible. En los tres casos la solución es la misma y es aburrida: nombrar el idioma que se habla y no el que se quiere leer.

La detección automática de idioma existe y en muchos audios acierta. En este caso concreto es donde peor se porta, y conviene saber la razón antes de confiarle un mensaje que importa.

La detección decide con los primeros segundos. Una nota de voz suele empezar con un saludo, una risa, un hola dicho a medias o tres segundos de ruido de calle mientras la persona se acomoda. Con ese material el sistema se compromete con un idioma y sigue adelante sin volver a preguntarse si acertó.

Medimos qué pasa cuando se equivoca, con una grabación real de nueve minutos. Con el idioma nombrado a mano el texto salió prácticamente completo. Con otros ajustes el mismo archivo devolvió menos de la mitad, y en un caso un archivo vacío, siempre sin marcar ningún error. El detalle importante es ese último: nada avisa. El estudio completo está publicado en el blog, en inglés, con los números de cada configuración.

Antes de leer el texto, compáralo con la duración del audio. Una persona hablando produce del orden de mil palabras cada ocho o nueve minutos. Si una nota de voz de cinco minutos vuelve con doscientas palabras, el idioma estaba mal elegido. No hace falta entender el idioma para hacer esa cuenta, y por eso funciona justo en el caso en que no lo entiendes.

Es la única señal disponible cuando no puedes juzgar el contenido. Un texto en un idioma que no lees siempre parece correcto, así que el largo es lo único que queda como aviso.

Cuando el audio mezcla dos idiomas dentro de la misma frase, el problema cambia de naturaleza y tiene su propia página: audios de WhatsApp que mezclan español e inglés. Y si lo que buscas es el procedimiento de traducción en sí, está en traducir audios de WhatsApp.