Glosario
Un modelo de lenguaje (LM) asigna probabilidades a las secuencias de palabras. En el reconocimiento de voz, un LM desambigua entre transcripciones fonéticamente similares: "recognize speech" vs "wreck a nice beach" suenan casi idénticas, pero el LM otorga a la primera una probabilidad mucho mayor basándose en los patrones de coocurrencia de palabras. Los sistemas ASR modernos basados en transformadores como Whisper integran el LM directamente en su decodificador.
Modelos de lenguaje n-gram antiguos
El ASR anterior a 2018 utilizaba modelos de lenguaje n-gram — estadísticas basadas en conteos del texto de entrenamiento, suavizadas para manejar secuencias no vistas. Típico: LM de 3-gramas o 4-gramas entrenado con miles de millones de palabras de noticias y texto web. El decodificador combinaba la puntuación del modelo acústico y la puntuación del LM, ponderados por un factor de escalado del LM. Efectivo pero limitado: los LMs de n-gram no pueden razonar sobre el contexto de largo alcance.
LM neuronal en ASR moderno
El decodificador de Whisper es en sí mismo un modelo de lenguaje transformador condicionado por la salida del codificador (audio). Genera un token a la vez, cada uno condicionado por todos los tokens anteriores, lo que es efectivamente un LM de contexto ilimitado. Por eso Whisper maneja oraciones largas con consistencia de nombres propios y concordancia gramatical que los sistemas anteriores pasaron por alto. La desventaja: alucinaciones en silencios largos, donde el LM genera feliz texto plausible pero incorrecto.
Adaptación de dominio mediante LM
Si transcribe contenido médico, legal o técnico con mucho argot, el LM de propósito general puede reconocer mal términos especializados. Soluciones: (1) sesgo (biasing) — proporcionar al modelo una lista de pistas de términos probables (Whisper lo soporta a través del parámetro "prompt"); (2) ajuste fino (fine-tuning) — entrenar con las transcripciones de su dominio. Usamos el parámetro prompt de Whisper para cargas de dominio conocido y, de lo contrario, dejamos que el LM general se encargue.
En la práctica
Audio: "el paciente presentó fibrilación auricular paroxística". Un modelo de lenguaje de propósito general podría transcribir "paroxística" como una frase fonéticamente parecida pero sin sentido. Con una indicación de vocabulario médico, Whisper favorece el término médico correcto y lo transcribe bien.
Términos relacionados
Lecturas adicionales
Probar transcripción con IA
Comenzar — gratisÚltima actualización: 3 de noviembre de 2026
Preguntas frecuentes
¿Qué significa Modelo de lenguaje en el ámbito de la transcripción?
El componente que convierte las suposiciones de fonemas en palabras reales prediciendo secuencias de palabras probables. Los transformadores modernos al estilo Whisper integran ambos en un solo modelo.
¿Por qué es importante Modelo de lenguaje al elegir un flujo de trabajo de transcripción?
Modelo de lenguaje 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 Modelo de lenguaje 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.