Por qué cuesta pasar el hebreo hablado a texto

¿Por qué importa que no se escriban las vocales?

El hebreo moderno se escribe casi solo con consonantes. Existen signos para marcar las vocales y saber exactamente cómo suena cada palabra, pero los libros para adultos, la prensa y los mensajes de todos los días no los usan. Quien lee con soltura no los necesita porque conoce el idioma y entiende la frase entera.

A un sistema de reconocimiento de voz le toca hacer lo contrario. Oye las vocales y tiene que decidir a qué palabra escrita corresponden. Las palabras habladas «sefer» (un libro), «sapar» (un barbero) y «siper» (él contó) se escriben exactamente con las mismas tres letras. Solo el contexto permite saber cuál es cuál, y ese contexto escasea cuando alguien murmura, cambia de tema o usa una palabra poco común.

¿Qué cambia con los prefijos pegados a las palabras?

En español o en inglés, las palabras cortas que sirven de enlace van sueltas. En hebreo, muchas se pegan directamente a la palabra que sigue, como «y», «el/la», «en», «a», «de», «como», «cuando» y «que». La expresión «y cuando vi» se escribe como una sola tira de letras. El sistema de transcripción tiene que decidir dónde terminan esas partículas y dónde empieza la palabra principal, y después escribir bien todo el bloque.

Por eso el vocabulario real resulta mucho más grande de lo que parece. Un mismo verbo o sustantivo puede llevar decenas de combinaciones de prefijos, y una combinación rara quizá aparezca una sola vez en una grabación larga. Puede que el sistema haya escuchado la raíz muchas veces, pero nunca con ese grupo exacto de prefijos. De ahí que a veces se coma un prefijo, agregue uno de más o lo pegue a la palabra equivocada.

Cuando revise el texto, fíjese en las frases que suenen un poco raras gramaticalmente. Si falta un artículo definido o un conector, suele ser señal de que se perdió un prefijo.

¿Hay una sola forma correcta de escribir cada palabra?

En hebreo conviven dos formas habituales de escribir. Una más completa agrega letras para marcar las vocales y otra más corta las omite. Las dos se ven en textos publicados y la gente suele mezclarlas al escribir. Las palabras tomadas de otros idiomas suman todavía más variantes. Por ejemplo, todos los días se usan las formas equivalentes a «email», «mail» y una versión con guion de la misma palabra. Pasa lo mismo con muchos nombres de productos y de lugares.

En la práctica, esto significa que quien lee puede encontrarse con dos transcripciones distintas de la misma frase sin que ninguna esté mal. A la hora de buscar dentro del texto, el problema pesa más. Si busca una palabra escrita de una manera y la transcripción usa otra, quizá no encuentre nada. Cuando un nombre o un término sea importante, busque todas sus variantes antes de dar por hecho que nadie lo dijo.

Antes de ponerse a editar, elija una sola forma de escribir los nombres propios, las marcas y los términos clave, y úsela en todo el texto. Un archivo parejo es más fácil de buscar, citar y entregar.

¿Qué pasa con la jerga y el habla rápida?

El hebreo de la calle no es el de los diarios. Al hablar aparecen todo el tiempo palabras cotidianas como «yalla», «sababa» y «wallah», que por escrito se ven de varias maneras. La gente acorta las sílabas, deja frases a medias y se pisa al hablar. En una reunión, una misma frase puede incluso empezar en boca de una persona y terminar en la de otra.

La mayoría de las grandes colecciones de hebreo escrito reúnen textos formales. En cambio, las grabaciones de charlas reales, sobre todo si tienen acentos regionales y jerga de algún oficio, son mucho más difíciles de juntar y verificar. Por eso el reconocimiento automático funciona de forma más pareja en una conferencia clara que en una charla animada en la cocina, aunque hable exactamente la misma persona.

Cuente con esto de antemano y tome las grabaciones informales como borradores que van a necesitar una escucha atenta. También puede agregar unas líneas de contexto en las grabaciones donde importen ciertas palabras locales poco comunes.

¿Por qué dan tantos problemas los nombres propios y las palabras extranjeras?

En los nombres propios se juntan todas las dificultades que vimos hasta aquí. Un nombre puede escribirse sin vocales, llevar un prefijo pegado, admitir varias ortografías y sonar apenas un par de veces en todo el audio. Si encima es un nombre extranjero dicho con acento hebreo, la cosa se complica un poco más.

Además, equivocarse en un nombre es lo que más caro sale, porque puede cambiar quién dijo o hizo algo. Compruebe cada nombre escuchando el audio y unifique la ortografía para que aparezca igual en todas partes.

¿Cómo revisar una transcripción en hebreo sin perder tiempo?

Apóyese en estos patrones cuando toque revisar. Preste atención a las frases con una gramática extraña, que casi siempre delatan un prefijo perdido o una palabra cambiada por otra. Busque los nombres propios y los términos clave probando todas las formas en que puedan escribirse. Y vuelva al audio cada vez que una palabra escrita admita dos lecturas y elegir una u otra cambie el sentido.

En KolWrite el hebreo se trata como un idioma principal. El texto, las etiquetas de quién habla y las marcas de tiempo quedan enlazados para que pueda saltar a cualquier momento de la grabación y escucharlo. Todo texto automático trae errores, y darle una repasada corta es lo que permite compartirlo con tranquilidad. Si quiere ver en detalle cómo se mide la fidelidad del texto, consulte la página sobre la precisión en la transcripción del hebreo.