Setenta y seis segundos. Una clienta que me pregunta por los descansos de Navidad.
No lo escuché.
Lo descargué, lo dejé en el escritorio del ordenador y le dije a Claude: «Transcríbelo, léelo y déjame en borradores la respuesta».
Cuando volví, tenía el correo escrito, con la norma comprobada y mi firma.
Pero lo mejor no fue eso.
Lo mejor fue que Claude me corrigió. Yo le había dicho que la consulta era de una persona trabajadora. Y no. Era de la empresa.
Y lo segundo mejor: ese audio no salió de mi ordenador para transcribirse. Ni una web gratuita de transcripción, ni un servicio de pago, ni nada.
Hoy te cuento las dos cosas. Cómo transcribo gratis y en local los audios de mis clientes, separando quién habla. Y por qué esa corrección vale más que todo lo demás.
1. Un audio de WhatsApp y un correo que no escribí yo
¿Cuántas consultas te entran al día por WhatsApp?
¿Y cuántas en forma de audio?
A mí, muchas. Hay clientes que te mandan cinco audios seguidos para contarte una sola cosa. Y otros tres al día siguiente para matizarla.
Antes me tocaba escucharlos todos. Tomar notas. Buscar la norma. Abrir el correo. Escribir. Revisar.
Ahora hago esto:
Descargo el audio y lo dejo en el escritorio, o en la carpeta del cliente.
Le pido a Claude que lo transcriba y que guarde la transcripción al lado.
Le digo qué normas tiene que mirar: el Estatuto y el convenio del sector, que tengo en una carpeta del servidor.
Le pido que me deje la respuesta en la carpeta de borradores de Outlook, sin enviar.
Y mientras tanto, yo estoy a otra cosa.
La consulta era de una pequeña empresa de comercio. Iba a ampliar el contrato de una persona de su plantilla para cubrir vacaciones en Navidad y tenía dos dudas: si el 25 de diciembre podía contar como uno de los días de descanso semanal, y si dos tardes libres equivalían a un día de descanso.
Las dos respuestas eran que no.
Claude lo explicó en lenguaje sencillo: el descanso semanal y las fiestas son dos derechos distintos. El Estatuto los regula por separado, el descanso mínimo semanal de día y medio ininterrumpido en el art. 37.1 y las fiestas laborales, retribuidas y no recuperables, en el art. 37.2, que incluye entre las nacionales la Natividad del Señor.
Para llegar ahí comprobó el Estatuto, el convenio y la jurisprudencia. Y me avisó de lo que no había podido verificar. Eso, apúntatelo, es oro.
Aquí tienes el vídeo entero, con el borrador en pantalla:
2. «Quien consulta no es una trabajadora»
Ahora viene lo que más me gusta del vídeo.
Cuando le di la instrucción a Claude, me equivoqué. Le dije que preparara la respuesta a la consulta «de esta trabajadora». Me corregí a medias, sobre la marcha.
Y cuando terminó, me dijo esto:
«Del audio se desprende que quien consulta no es una trabajadora, sino la empresa».
Toma ya.
Si llega a escribir la respuesta como si hablara con la persona trabajadora, el correo no servía para nada. O peor: le explicaba sus derechos a quien tenía que cumplirlos, con el tono equivocado y las preguntas equivocadas.
La IA no se fio de mí. Se fio del audio.
Y aquí está la moraleja, que vale para todo lo que hagas con IA:
El contexto manda. Lo que tú le dices es una pista. Lo que dice el documento, el audio o el expediente es la prueba.
Revisa siempre. Esta vez el error era mío y lo pilló la máquina. Otras veces será al revés.
Pide que te avise. Una buena respuesta no es la que lo sabe todo. Es la que te dice qué ha comprobado, qué no y por qué.
Esa última es la que más me importa.
Porque Claude me dijo que no había podido acceder a uno de los preceptos que necesitaba y que lo había visto transcrito en las sentencias. No lo maquilló. Me lo dijo.
Y para que eso funcione, la IA tiene que poder ir a la fuente. No a lo que recuerda: a la fuente.
Por eso trabajo con mi conector. El Conector JMAI mete el BOE, el CENDOJ, los convenios del REGCON y más fuentes oficiales dentro de tu Claude o tu ChatGPT. Va a la fuente, lo comprueba y te lo trae. Y si no puede localizar o verificar algo, te lo dice, en lugar de rellenar el hueco.
El conector · JMAI
Tu IA, enchufada a la fuente oficial.
JMAI es el conector jurídico que me construí y uso cada día en el despacho. Mete el BOE, el CENDOJ, el TJUE y más de veinte fuentes oficiales dentro de tu Claude o tu ChatGPT. No recita de memoria: va a la fuente, lo comprueba y te lo trae con su enlace. Y si no puede localizar o verificar una cita, te lo dice.
Jurisprudencia verificada y a la fecha del hecho, calculadoras laborales y un verificador que revisa cada cita de un escrito antes de que lo firmes. Más de 20 fuentes oficiales, más de 75 herramientas y un corpus propio de más de 30.000 sentencias, dentro de tu Claude o tu ChatGPT.
Va a la fuente: no recitaBOE · CENDOJ · TJUE · TCHecho por un graduado social en ejercicio
Suscripción mensual · Sin permanencia · 69 €/mes + impuestos
3. Por qué no subo los audios a una web de transcripción
Vamos a lo que de verdad te ahorra disgustos.
En el artículo ¿Miedo a la IA? Mira antes tu Gmail te puse deberes: dejar de usar transcriptores online gratuitos con audios de clientes. Hoy te doy la alternativa.
Un audio de un cliente es un dato personal. Su voz, su nombre, su historia. Y muchas veces mucho más: la baja médica, el conflicto con el jefe, la deuda, el despido.
Cuando lo subes a una web para que te lo transcriban, esa empresa trata esos datos por tu cuenta. Es un encargado del tratamiento. Y eso tiene consecuencias:
Solo puedes elegir encargados que ofrezcan garantías suficientes. Contratar a uno que no las ofrezca es infracción grave (art. 73.j LOPDGDD).
Necesitas un contrato u otro acto jurídico escrito con el contenido del art. 28.3 RGPD. Encargar el tratamiento sin él también es infracción grave (art. 73.k LOPDGDD).
Y si ese servicio usa tus audios para sus propias finalidades, por ejemplo para mejorar su sistema, la ley lo trata como responsable, no como encargado (art. 33.2 LOPDGDD). Ya no le estás encargando nada: le estás comunicando los datos de tu cliente.
¿Has firmado algo de eso con la web gratuita que salía la primera en Google?
Ya. Yo tampoco lo habría firmado.
Encima, tú sigues siendo el responsable. Te toca aplicar medidas para garantizar una seguridad adecuada al riesgo (art. 32.1 RGPD) y tratar, por defecto, solo los datos necesarios para cada fin (art. 25.2 RGPD). Y estás sujeto a un deber de confidencialidad que se suma a tu secreto profesional (art. 5 LOPDGDD).
Ahora mira la alternativa.
Si la transcripción se hace en tu ordenador, no hay tercero. No hay encargado para ese paso. No hay servidores de no sé dónde. No hay contrato que revisar. El audio entra en tu disco y la transcripción sale en tu disco.
Gratis.
Y sin límite de minutos.
4. Whisper: el motor gratis que lo hace posible
El motor se llama Whisper.
Es un modelo de reconocimiento de voz que publicó OpenAI, la empresa de ChatGPT, el 21 de septiembre de 2022. Y lo publicó en abierto: el código y los pesos del modelo, con licencia MIT.
¿Qué significa eso en cristiano?
Que te lo puedes descargar, instalar en tu ordenador y usarlo sin pagar nada a nadie. También en tu despacho.
Según OpenAI, se entrenó con 680.000 horas de audio en muchos idiomas, y eso lo hace más robusto frente a acentos, ruido de fondo y lenguaje técnico. Que en un despacho canario, con audios grabados en el coche o en la trastienda, se agradece.
Viene en varios tamaños. Del más pequeño, «tiny», con 39 millones de parámetros, al «large», con 1.550 millones. Y hay uno, «turbo», que es una versión optimizada del large-v3: bastante más rápido y con una pérdida mínima de precisión, según su propia documentación.
El Whisper original está pensado para Python y va mejor con tarjeta gráfica, que casi ningún ordenador de despacho tiene.
Para eso existe whisper.cpp. Es una adaptación de Whisper escrita en C/C++, también con licencia MIT, que funciona solo con el procesador, sin tarjeta gráfica, en Windows, Mac y Linux.
Los modelos ocupan desde 75 MiB el más pequeño hasta 2,9 GiB el large, según la tabla del propio proyecto.
En mi ordenador del despacho, sin tarjeta gráfica, un audio de 15 minutos con el modelo turbo tarda unos 11 o 12 minutos. Una nota de voz de un minuto, un suspiro.
5. Cómo lo monté sin saber programar
Aquí viene lo que más miedo da a la gente.
«José María, yo no sé instalar nada de eso.»
Yo tampoco.
Lo instaló Claude.
Tengo conectado Desktop Commander, un conector que permite a Claude ejecutar órdenes en la terminal y manejar archivos de mi ordenador. Así que le pedí, más o menos, esto:
«Cada vez que te paso un audio, me pones pegas. Vamos a arreglarlo de una vez. Quiero que en este ordenador puedas transcribir cualquier audio que te dé, en cualquier formato, desde cualquier chat o proyecto. Gratis, sin servicios de pago y sin que el audio salga del ordenador. Dime qué opciones hay y cuál me recomiendas.»
Y se puso.
Me explicó qué modelos había, cuánto ocupaba cada uno y por qué convenía uno u otro. Descargó lo que necesitaba de los repositorios oficiales. Lo instaló desde la terminal. Lo probó con un audio. Y me dejó unos pequeños programas que él mismo sabe manejar.
Después le pedí que lo convirtiera en una skill, una habilidad que se le enseña una vez para que haga siempre igual una tarea. Así, cada transcripción sale con el mismo formato y en el sitio que yo quiero, sin repetirle las instrucciones.
Un detalle importante: internet solo hace falta una vez, para descargar el programa y el modelo. A partir de ahí, la transcripción se hace en tu máquina.
No es el rascacielos de Nueva York. Es una conversación. Y si te atascas, se lo dices y lo arregla.
6. Diarizar: que la máquina separe quién habla
✦ Imagen generada con inteligencia artificial
Una nota de voz es fácil. Habla una persona.
Pero ¿y una conversación?
Un cliente me trajo la grabación de una conversación con su jefe, en la que le reclamaba algo. Ahí ya no basta con el texto. Necesitas saber quién dice qué.
Eso se llama diarizar.
Whisper no lo hace por sí solo. Así que le pedí a Claude que me añadiera otra pieza: un diarizador que también funciona en local.
En mi caso es sherpa-onnx, un conjunto de herramientas de voz de código abierto, con licencia Apache 2.0, pensado para funcionar sin conexión a internet. Usa un modelo de segmentación de pyannote, con licencia MIT, que detecta cuándo hay voz y cuándo cambia el que habla.
El resultado es un guion así:
HABLANTE 1: …
HABLANTE 2: …
Y aquí, dos avisos que me costaron un rato aprender.
Primero: dile cuántas personas hablan. La primera vez, con un audio de teléfono, me salieron cuatro interlocutores. Eran dos. Se lo dije, rehízo el reparto y quedó bien. Con voz telefónica comprimida, el diarizador tiende a partir a una misma persona en varias etiquetas.
Segundo: diarizar no es identificar. La máquina agrupa voces por cómo suenan. No sabe quién es nadie. «HABLANTE 1» no es «el jefe» hasta que tú lo compruebas y lo pones.
Esto, si la grabación acaba en un juicio, no es un detalle. Es todo.
7. De la nota de voz al juicio
Porque esto no va solo de WhatsApp.
Va de preparar juicios.
La grabación del juicio. El juicio oral queda grabado, y las partes pueden pedir, a su costa, copia o acceso electrónico a las grabaciones originales (art. 89.1 LRJS). Una vista de hora y media, transcrita en tu ordenador y con los intervinientes separados, es oro para preparar el recurso de suplicación: localizas lo que dijo cada testigo sin tragarte el vídeo entero tres veces.
La grabación como prueba. En el proceso laboral se pueden usar los medios de reproducción de la palabra, de la imagen y del sonido, aportados en soporte adecuado y con los medios para reproducirlos (art. 90.1 LRJS). Y la Ley de Enjuiciamiento Civil exige que, al proponer como prueba una grabación, la parte acompañe, en su caso, la transcripción escrita de las palabras que resulten relevantes para el caso (art. 382.1 LEC).
Hasta ahora esa transcripción la hacías tú, con los auriculares puestos y dándole a la pausa cada tres segundos. Ahora la hace la máquina en tu ordenador. Y tú la revisas.
Y tienes que revisarla bien, porque la otra parte puede aportar dictámenes y pruebas para cuestionar la autenticidad y la exactitud de lo reproducido (art. 382.2 LEC). Una palabra mal transcrita en un pasaje clave y te desmontan.
¿Y es válida la grabación? El Tribunal Constitucional dijo hace mucho que quien graba una conversación en la que él mismo participa no vulnera el secreto de las comunicaciones del art. 18.3 de la Constitución (STC 114/1984, de 29 de noviembre, ECLI:ES:TC:1984:114). Otra cosa es lo que se haga después con ella o lo que contenga, que puede tocar la intimidad. Y recuerda que no se admiten las pruebas obtenidas violando derechos fundamentales (art. 90.2 LRJS). Mira cada caso.
8. Local no significa «ya no reviso»
Te debo un par de verdades. Que no quiero venderte la moto.
Primera verdad: lo que es local es la transcripción. En mi flujo, después Claude lee el texto para escribir el correo. Y ese texto sí viaja a los servidores del proveedor de la IA, como cualquier cosa que le escribas. Lo que te has ahorrado es un tercero más y el audio, con la voz de tu cliente. Lo demás tiene las mismas reglas que cualquier uso de la IA con datos de clientes, y eso lo tienes que contar en tu hoja de encargo. Te lo explico en Tu hoja de encargo necesita una cláusula de IA. Y si el asunto es delicado, anonimiza la transcripción antes de pasársela.
Segunda verdad: la transcripción se equivoca. En el vídeo, Claude entendió que la persona a la que querían ampliar el contrato se llamaba Rubén. No se llamaba así. Esta vez me vino hasta bien, porque el correo no llevaba el nombre real. Pero imagínate ese error en un acta, en una cifra o en una fecha.
Y otro aviso de la experiencia: en los tramos de silencio, a veces Whisper se inventa frases de relleno que nadie ha dicho. Hay que limpiarlas.
Tercera verdad: el correo también se revisa. El borrador estaba muy bien. Pero empezaba con una frase de esas que huelen a IA a un kilómetro, del tipo «te lo explico con calma porque es un tema que se lía con facilidad». La quité. Tu cliente te conoce. Que suene a ti.
Por eso el borrador se queda en borradores. Sin destinatario. Hasta que yo lo leo.
La máquina hace el trabajo pesado.
La firma la pones tú.
Glosario
Whisper: modelo de reconocimiento de voz publicado por OpenAI en 2022, con el código y los pesos bajo licencia MIT, que se puede usar gratis.
whisper.cpp: adaptación de Whisper en C/C++, también con licencia MIT, que funciona en el propio ordenador solo con el procesador, sin tarjeta gráfica.
Ejecución en local: cuando el programa funciona en tu ordenador y los datos no se envían a ningún servidor externo para procesarse.
Diarización: separar un audio por hablantes, agrupando las voces por cómo suenan. Etiqueta HABLANTE 1, HABLANTE 2…, pero no identifica a nadie.
Encargado del tratamiento: quien trata datos personales por cuenta del responsable para prestarle un servicio, con el contrato del art. 28.3 RGPD. Una web de transcripción lo es.
Desktop Commander: conector de código abierto que permite a Claude ejecutar órdenes en la terminal y manejar archivos del ordenador.
Alucinación: texto que la IA genera sin que exista en la fuente. En transcripción, frases que nadie ha dicho, sobre todo en silencios.
Preguntas frecuentes
¿Se puede transcribir un audio gratis sin subirlo a internet?
Sí. Con Whisper, publicado por OpenAI con licencia MIT, y con whisper.cpp, que lo ejecuta en tu propio ordenador sin tarjeta gráfica, la transcripción se hace en tu disco. Internet solo hace falta una vez, para descargar el programa y el modelo. Después no hay límite de minutos ni coste por uso.
¿Es legal subir el audio de un cliente a un transcriptor online gratuito?
Es arriesgado. Ese servicio actúa como encargado del tratamiento y necesitas un contrato con el contenido del art. 28.3 RGPD y que ofrezca garantías suficientes; si no, cometes una infracción grave (art. 73.j y 73.k LOPDGDD). Y si usa tus audios para sus propios fines, pasa a ser responsable (art. 33.2 LOPDGDD). Transcribir en local evita ese tercero.
¿Qué es diarizar y me dice quién es cada persona?
Diarizar es separar un audio por hablantes. No te dice quién es cada uno: agrupa las voces por cómo suenan y las etiqueta HABLANTE 1, HABLANTE 2. Ponerles nombre es tarea tuya. Y conviene decirle de antemano cuántas personas intervienen, porque el resultado mejora mucho.
¿Puedo transcribir la grabación del juicio para el recurso?
Sí. Las partes pueden pedir, a su costa, copia o acceso electrónico a las grabaciones originales del juicio (art. 89.1 LRJS). Transcrita en local y con los intervinientes separados, localizas cada declaración para preparar el recurso. Y si aportas una grabación como prueba, debes acompañar la transcripción de lo relevante (art. 382.1 LEC): revísala contra el audio.
¿Vale como prueba la grabación de una conversación con mi jefe?
Grabar una conversación en la que tú participas no vulnera el secreto de las comunicaciones (STC 114/1984, de 29 de noviembre). Pero no se admiten las pruebas obtenidas violando derechos fundamentales (art. 90.2 LRJS), y el contenido o el uso posterior pueden afectar a la intimidad. Hay que valorarlo caso por caso.
Graduado Social colegiado nº 88 del Ilustre Colegio Oficial de Graduados Sociales de Lanzarote y asesor jurídico laboral en ejercicio en Áurea Laboral (Arrecife). Especialista en derecho del trabajo, Seguridad Social e inteligencia artificial aplicada al empleo. Creador de «IA para Despachos Laborales» y «El Juego de las RRLL» en YouTube.
