# Identificar hablantes en audio para seguir la conversación

> Para identificar hablantes en audio, usa diarize=true en archivos o enlaces: Speaker 1 y Speaker 2 por segmento en JSON, texto, SRT y VTT sin costo extra.

Canonical: https://transcript1.com/es/features/identificar-hablantes-en-audio
Language: es
Last updated: 2026-10-19

Puedes identificar hablantes en audio sin escribir una etiqueta en cada intervención. Envía diarize: true y cada segmento llevará Speaker 1, Speaker 2 u otra etiqueta. Sirve para ordenar entrevistas, paneles y grabaciones de reuniones que subas como archivo. Los nombres reales los añades tú después de escuchar.

- Speaker 1, Speaker 2 y otras etiquetas por segmento
- Identificación de hablantes en JSON, texto, SRT y VTT
- Para enlaces de video admitidos y archivos que subas

## Distingue las voces y después asigna los nombres

### Actívalo al crear la transcripción

diarize viene en false. Envía true en POST /v1/transcriptions o pasa diarize a la herramienta transcribe de MCP.

### Escuchamos el audio, no los subtítulos

La identificación de hablantes necesita transcripción con IA. Con source=auto y diarize: true omitimos los subtítulos de la plataforma y vamos directo al audio.

### Las etiquetas acompañan al texto

JSON incluye transcript.speakers y el campo speaker de cada segmento. Texto y SRT llevan el prefijo Speaker 1:; VTT usa etiquetas de voz.

### Más detalle si necesitas tiempos por palabra

Pide include=words al leer el JSON. Cada palabra incluye sus tiempos y la etiqueta de quien habla.

### Si las opciones no son compatibles, te avisamos

source: captions junto con diarize: true devuelve 422 invalid_request. No ignoramos una opción para aceptar la otra.

## Cómo pedir una transcripción con identificación de hablantes

Añade diarize: true al cuerpo del request. Si subes un archivo, envía diarize como campo del formulario. La [guía de diarize](https://transcript1.com/es/docs/sources-and-options#diarize) explica qué combinaciones con source puedes usar.

Actívalo cuando importe saber quién dijo cada cosa: una entrevista, un panel o una conversación entre anfitrión e invitado. Para una nota de voz de una sola persona, las palabras y sus tiempos suelen bastar. La diarización de audio organiza los turnos; no reconoce cuentas, no averigua nombres ni autentica voces.

Decide antes de crear la transcripción. Esta opción cambia cómo procesamos la grabación; no es un formato que puedas elegir al descargar. Con source=auto omitimos los subtítulos. Los archivos que subas siempre se transcriben con IA, así que el ejemplo no depende de ninguna pista de una plataforma.

### Subida con identificación de hablantes

```
curl -X POST "https://api.transcript1.com/v1/transcriptions?wait=60" \
  -H "Authorization: Bearer $TRANSCRIPT1_API_KEY" \
  -F file=@panel.m4a \
  -F diarize=true
```

## Guarda quién habla junto con cada segmento

transcript.speakers contiene las etiquetas y cada segmento indica su speaker. transcript_source será speech_to_text porque los subtítulos no aportan esa información. Consulta los campos en la [referencia de la transcripción](https://transcript1.com/es/docs/api-reference#the-transcription-object).

Escucha la grabación antes de asociar Speaker 1 o Speaker 2 con una persona. Guarda esa relación en tu aplicación o en la copia que edites. Las etiquetas pertenecen a cada transcripción: Speaker 1 en otra entrevista no tiene por qué ser la misma persona.

Con speaker puedes mostrar una conversación por turnos; con include=words obtienes más detalle temporal. Conserva start y end en segundos para volver al audio durante la revisión. El JSON de abajo es ilustrativo, no una transcripción real del archivo del ejemplo.

### Respuesta JSON abreviada

```
{
  "status": "completed",
  "transcript_source": "speech_to_text",
  "transcript": {
    "speakers": ["Speaker 1", "Speaker 2"],
    "segments": [
      { "start": 0, "end": 3.4, "speaker": "Speaker 1", "language": "en", "text": "Good morning." },
      { "start": 3.4, "end": 7.9, "speaker": "Speaker 2", "language": "en", "text": "Thanks for having me." }
    ]
  }
}
```

## Elige cómo mostrar las voces en los subtítulos

format=srt añade el prefijo Speaker 1: al texto; format=vtt usa una etiqueta de voz. Con format=text obtienes una línea etiquetada por segmento. Compara los [formatos de subtítulos](https://transcript1.com/es/features/crear-archivo-srt) antes de integrarlos en tu reproductor.

Prueba las etiquetas en el reproductor o editor que vayas a usar. Un prefijo útil en una entrevista de investigación puede estorbar en cada subtítulo. Puedes ajustar su presentación en la aplicación o en el archivo, conservando la relación con las etiquetas originales que ya revisaste.

Si dos personas hablan a la vez, el micrófono está lejos o la música tapa las voces, pueden fallar tanto las palabras como los cambios de hablante. Escucha los saltos de etiqueta que no tengan sentido. Para próximas grabaciones, los micrófonos separados y los turnos claros ayudan más que corregir después.

### format=vtt

```
WEBVTT

00:00:00.000 --> 00:00:03.400
<v Speaker 1>Good morning.

00:00:03.400 --> 00:00:07.900
<v Speaker 2>Thanks for having me.
```

## Comprueba la voz antes de atribuir una cita

Empieza por un intercambio claro al inicio de la grabación. Identifica las voces y anota a quién corresponde cada etiqueta. Revisa también pasajes posteriores. Si el audio no permite saber quién habló, conserva esa duda en el texto en vez de asignar un nombre por contexto.

En [entrevistas de investigación](https://transcript1.com/es/use-cases/software-para-transcribir-entrevistas), usa el mismo criterio de revisión en todas las sesiones. En un panel público, confirma los nombres con la grabación y el contexto que tengas antes de publicar una cita atribuida.

Separar voces en un audio no equivale a identificar a una persona por su voz. No uses estas etiquetas para autenticar llamadas ni para concluir que alguien aparece en dos grabaciones. Cambiar de micrófono puede alterar una voz; cuando se superponen, tampoco siempre habrá una persona claramente asignable a cada segmento.

| Lo que encuentras al revisar | Qué hacer |
| --- | --- |
| La etiqueta cambia mientras habla la misma persona | Escucha antes y después del cambio; corrige tu copia si hace falta. |
| Dos personas hablan al mismo tiempo | Revisa las palabras y quién las dice. Conserva la duda si el audio no es claro. |
| Ves la misma etiqueta en otra grabación | Vuelve a asociarla con un participante; las etiquetas no se comparten entre grabaciones. |

## Preguntas frecuentes

### ¿Aparecen los nombres de las personas?

No. Verás Speaker 1, Speaker 2 y otras etiquetas numeradas. transcript1 no conoce sus nombres; puedes asociarlos con las personas en tu código o documento después de revisar la grabación.

### ¿Los subtítulos de YouTube ya traen estas etiquetas?

No. Para saber quién habla necesitamos transcribir el audio. Con source=auto y diarize: true usamos IA en vez de los subtítulos. Si combinas source: captions con diarize: true, rechazamos el request.

### ¿Identificar hablantes cuesta más?

No. Consumes 1 crédito por minuto de grabación, redondeado hacia arriba, con o sin diarize.

## También te puede servir

- [Entrevistas e investigación](https://transcript1.com/es/use-cases/software-para-transcribir-entrevistas)
- [Marcas de tiempo y subtítulos](https://transcript1.com/es/features/crear-archivo-srt)
- [Fuentes y opciones de transcripción (documentación)](https://transcript1.com/es/docs/sources-and-options)