Transcribir árabe hablado: dialectos, árabe estándar y habla mixta

¿Cuál es la diferencia entre el árabe estándar moderno y un dialecto?

El árabe estándar moderno es el que se usa en los informativos, los libros, los documentos oficiales y los discursos formales, y el que se enseña en las escuelas de todo el mundo árabe. En cambio, con la familia, los amigos y en el trabajo se hablan los dialectos, que cambian de una región a otra e incluso de una ciudad o un pueblo al siguiente. El levantino, el egipcio, el del Golfo y el magrebí son grandes familias dialectales, y dentro de cada una varían el vocabulario, las vocales y varias consonantes.

Las diferencias son tan grandes que quienes hablan dialectos lejanos pueden tener problemas para entenderse. En una grabación, esos cambios se notan en el vocabulario de todos los días, las formas de los verbos, la pronunciación y las partículas que unen las oraciones. Si un sistema de transcripción se ha entrenado sobre todo con árabe formal, se topará con palabras que no conoce al escuchar una conversación familiar informal.

¿Pueden los sistemas de voz a texto con los dialectos?

Sí, pero de forma desigual. Como el árabe estándar es la variante mejor documentada del idioma, el habla formal de conferencias, informativos o presentaciones preparadas suele dar resultados más estables que una charla informal. En los dialectos la cobertura es más irregular y depende mucho de la zona, de quién hable y del tema.

Para KolWrite el árabe es un idioma principal, pero eso describe cómo está construido el producto, no garantiza el mismo resultado en cada dialecto regional. La única manera fiable de saber cómo rinde es probarlo con un fragmento representativo. Grabe un audio real en su entorno habitual, con sus propios hablantes, y revíselo con alguien que hable ese dialecto.

Si quiere comparar herramientas o ajustes, pase exactamente el mismo corte de audio por cada uno. No se fije solo en si el texto se lee con fluidez; mírelo por los detalles que de verdad importan en su trabajo, como los nombres, las cifras y los términos técnicos.

¿Cómo se escriben las palabras dialectales?

La mayoría de las palabras dialectales no tienen ortografía oficial. Dos personas pueden escribir la misma palabra con letras distintas y, además, los términos dialectales con muchas vocales tienen que encajar en un alfabeto que normalmente no escribe las vocales breves. Se ve muy bien con la letra cuyo sonido se pronuncia como q, como g o como cierre glotal según la región: cada hablante la dice a su manera, pero al escribir casi todos mantienen la letra estándar.

En la práctica, al transcribir caben dos opciones. Una es recoger el habla tal como suena y escribir las palabras dialectales como suele hacerlo la gente en los mensajes de diario. La otra es pasar el texto a árabe estándar moderno para que se lea como un informe formal. La opción literal sirve mejor para investigación, historia oral y lingüística; la estandarizada resulta más práctica para actas de reuniones, subtítulos dirigidos a un público amplio o citas que se van a publicar.

Conviene dejar claro qué criterio se va a seguir antes de ponerse a revisar. Así se evita que quien edita pase a árabe estándar palabras dialectales que estaban bien, o que deje giros formales en un texto que tenía que ser literal.

¿Qué pasa cuando se mezcla árabe con hebreo o inglés?

Cambiar de un idioma a otro sobre la marcha es lo normal para muchos hablantes de árabe en Israel y en toda la región. En una sola frase, alguien puede decir el nombre de una institución en hebreo, un término de ingeniería en inglés y el resto en árabe. Cada cambio rompe el contexto que necesita el reconocedor de voz para distinguir entre sonidos parecidos.

Lo que más falla son los nombres propios y los términos técnicos del segundo idioma. Pueden salir escritos en alfabeto árabe, latino o hebreo, y no es raro que un mismo borrador mezcle los tres. Conviene buscar los términos clave en todos los alfabetos en que puedan haber aparecido y luego unificarlos bajo una sola forma en el documento final.

KolWrite transcribe en más de 100 idiomas, admite habla mixta e incluye etiquetas de hablante y marcas de tiempo. Con eso es fácil ir directo al punto exacto en que cambia el idioma y volver a escuchar esa parte del audio.

¿Cómo conviene grabar para obtener una mejor transcripción?

Ponga el micrófono cerca de quien habla y reduzca todo lo posible el ruido de fondo. El árabe tiene consonantes que se articulan en el fondo de la garganta y que se pierden enseguida en una sala ruidosa; si el micrófono está lejos, esos sonidos son los primeros en desaparecer. Cuando participen varias personas, pídales que no hablen a la vez, porque las voces pisándose unas a otras complican el trabajo de cualquier sistema de transcripción.

Al empezar la sesión, grabe unos segundos en los que cada participante diga su nombre y deletree en voz alta cualquier nombre poco común. No cuesta nada hacerlo y ahorra mucho trabajo al verificar el texto durante la revisión.

¿Cómo se revisa una transcripción de árabe hablado?

Lo más práctico es revisar el texto con el audio delante y hacerlo por partes. Empiece comprobando los nombres de personas y lugares. Pase después a los números, las fechas y las cifras. Por último, fíjese en las palabras que cambian entre el dialecto hablado y el árabe estándar, porque los sistemas automáticos a veces sustituyen unas por otras sin que se note a simple vista.

Pida a un hablante nativo de ese dialecto que repase los pasajes importantes o dudosos. Las transcripciones automáticas tienen fallos y, cuando se trata de un dialecto, una palabra equivocada puede parecer gramaticalmente correcta sobre el papel; la única forma de pillar el error es compararla con el audio. Si además piensa traducir el texto, corrija antes el original en árabe, porque cualquier error que quede ahí pasará directamente a la traducción.