Glosario
La prosodia es el término general para los patrones rítmicos, intonacionales y de acentuación del lenguaje hablado. Es cómo se dice algo, separado de qué se dice. El tono sube al final de una pregunta de sí o no; el énfasis recae en la palabra contrastiva; la velocidad del habla se ralentiza en puntos importantes. La ASR moderna transcribe principalmente las palabras y descarta la prosodia, pero la prosodia conlleva entre el 30 y el 40% del significado del habla conversacional.
Lo que codifica la prosodia
Tres cosas importantes. (1) Tipo de oración: tono ascendente = pregunta, tono descendente = afirmación. (2) Foco y énfasis: "Yo no dije que robó el dinero" vs "Yo no dije que él robó el dinero" — mismas palabras, significados opuestos, la prosodia lo desambigua. (3) Emoción y actitud: sarcasmo, duda, certeza, entusiasmo, aburrimiento. La prosodia es un canal principal para estas señales.
Prosodia y ASR
La transcripción estándar descarta la prosodia: la salida son solo palabras. Algunos sistemas la anotan: la investigación en patología del habla utiliza ToBI (Tones and Break Indices) para marcar características prosódicas en las transcripciones. Para ASR comercial, la prosodia se utiliza principalmente de forma implícita por el modelo de lenguaje para desambiguar (una entonación de pregunta tiende a sesgar hacia una salida con signo de interrogación). La transcripción prosódica directa es un nicho de investigación.
La frontera: prosodia para emoción e intención
Los LLM de audio (Whisper ajustado, OpenAI Realtime, GPT-4o-audio) ahora consumen audio directamente sin transcribirlo primero a texto — preservando la prosodia. Esto desbloquea la detección de emociones ("el usuario suena frustrado"), la detección de intenciones ("¿es esto una pregunta o una afirmación?"), y la detección de sarcasmo. Esperen que la transcripción consciente de la prosodia se convierta en una característica estándar entre 2026 y 2027.
En la práctica
Grabación: "Oh, genial." El texto transcrito por sí solo es ambiguio — podría ser entusiasmo o sarcasmo. La prosodia lo desambigua: tono ascendente + tono brillante = entusiasmo; tono plano + arrastre lento + énfasis en "genial" = sarcasmo. Las transcripciones estándar no pueden capturar esto; los modelos de audio conscientes de la emoción sí pueden.
Términos relacionados
Lecturas adicionales
Probar transcripción con IA
Comenzar — gratisÚltima actualización: 3 de noviembre de 2026
Preguntas frecuentes
¿Qué significa Prosodia en el ámbito de la transcripción?
Los patrones de acentuación, entonación y ritmo en el lenguaje hablado. La ASR moderna ignora la prosodia para la transcripción a nivel de palabra, pero es la próxima frontera para la detección de emociones e intenciones.
¿Por qué es importante Prosodia al elegir un flujo de trabajo de transcripción?
Prosodia 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 Prosodia 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.