Transcribe audio M4A de Notas de Voz y grabaciones de iPhone

Notas de Voz usa AAC-LC para calidad normal y HE-AAC para grabaciones comprimidas. HE-AAC usa Réplica de Banda Espectral para reconstruir frecuencias altas desde una tasa de bits menor — suena claro con tamaños de archivo pequeños pero las frecuencias reconstruidas son sintéticas. Nuestro modelo de voz conoce la diferencia y no depende de frecuencias reconstruidas por SBR.

Algunos archivos M4A contienen ALAC (Apple Lossless Audio Codec) en lugar de AAC — calidad sin pérdida en el mismo formato contenedor. Detectamos ALAC automáticamente y lo procesamos como sin pérdida, dándote la misma ventaja de precisión que WAV sin necesidad de convertir.

Los iPhones modernos aplican procesamiento de audio computacional: cancelación de ruido, reducción de viento y aislamiento de voz. Estas funciones pueden introducir artefactos sutiles — huecos espectrales donde se eliminó el ruido, o ligera difuminación de consonantes. Nuestro modelo está entrenado con audio procesado por iPhone y maneja estos artefactos correctamente.

Notas de Voz permite a los usuarios elegir entre calidad Comprimida y Sin pérdida. El modo Comprimido usa AAC de menor tasa de bits que funciona bien para notas casuales pero se degrada con ruido de fondo. Optimizamos el procesamiento para ambos niveles de calidad, extrayendo máxima precisión independientemente de la configuración de grabación.