Glosario
Un fonema es la unidad de sonido más pequeña que distingue una palabra de otra en un idioma dado. El inglés tiene aproximadamente 44 fonemas (24 consonantes y 20 vocales, dependiendo de cómo se cuenten). Los fonemas son abstractos: la realización acústica real (el phone) varía según el hablante, el acento y el contexto. Los sistemas ASR operaban clásicamente sobre secuencias de fonemas antes de reconstruir palabras; los sistemas modernos de extremo a extremo omiten principalmente esta capa.
Fonemas vs fonemas vs alófonos
Phoneme: categoría abstracta que distingue el significado. La /p/ en "pin" y la /p/ en "spin" son el mismo fonema. Phone: el sonido físico real producido. La /p/ en "pin" es aspirada [pʰ], la /p/ en "spin" es no aspirada [p] — teléfonos diferentes, mismo fonema. Allophone: una variante contextual de un fonema. No son distinciones fonémicas para los hablantes nativos de inglés, pero sí lo son en otros idiomas (p. ej., el hindi distingue las oclusivas aspiradas de las no aspiradas fonémicamente).
Fonemas en ASR
Los pipelines ASR anteriores a 2018 mapeaban los marcos de audio a secuencias de fonemas (o subfonemas "senones") a través del modelo acústico, y luego componían las secuencias de fonemas en palabras mediante un léxico de pronunciación. Los sistemas modernos al estilo Whisperson de audio a subpalabra de extremo a extremo, sin una capa fonémica explícita. La alineación a nivel de fonema todavía existe para tareas de nicho como alineación forzada e investigación de dialectos/pronunciación.
Fonemas vs el IPA
El Alfabet Fonético Internacional (IPA) es la notación estándar para transcribir teléfonos (y fonemas cuando están entre barras). Lingüistas y terapeutas del habla usan el IPA a diario; los ingenieros de ASR usan principalmente ARPABET (un conjunto de fonemas compatible con ASCII para el inglés americano) o tokens de subpalabra BPE que no corresponden directamente a fonemas.
En la práctica
Las palabras en inglés "ship" /ʃɪp/ y "sip" /sɪp/ difieren en un fonema — /ʃ/ vs /s/. Esa única distinción fonémica las convierte en palabras diferentes. Un sistema ASR necesita distinguir esto de manera fiable — las pequeñas diferencias importan, por eso los modelos se entrenan con decenas de miles de horas de habla variada.
Términos relacionados
Lecturas adicionales
Probar transcripción con IA
Comenzar — gratisÚltima actualización: 3 de noviembre de 2026
Preguntas frecuentes
¿Qué significa Fonema en el ámbito de la transcripción?
La unidad de sonido más pequeña en un idioma. El inglés tiene aproximadamente 44 fonemas. Los sistemas ASR mapean internamente el audio a secuencias de fonemas antes de ensamblar las palabras.
¿Por qué es importante Fonema al elegir un flujo de trabajo de transcripción?
Fonema influye en cómo entiendes la calidad, los tiempos y la compatibilidad de una transcripción, o la tecnología que produce los resultados de voz a texto.
¿Dónde puedo aplicar Fonema en Transcript.you?
Usa el flujo de trabajo relacionado en /ai-transcription para ver cómo se aplica este concepto del glosario a una tarea de transcripción real.
Explora el glosario de transcripción o lee el guía completa de transcripción por IA.