Glosario
La fragmentación es la práctica de dividir una grabación de audio larga en piezas más cortas antes de transcribir cada una por separado. Los modelos modernos de ASR, incluyendo Whisper, tienen una ventana de contexto fija: Whisper procesa internamente el audio en ventanas de 30 segundos. Para transcribir un podcast de 2 horas, el audio debe fragmentarse, procesarse en paralelo y los resultados deben reensamblarse.
Por qué existe la segmentación
Los modelos Transformer escalan cuadráticamente con la longitud de la entrada — duplicar la longitud del audio cuadruplica la computación y la memoria. El ASR neuronal práctico se ejecuta en ventanas de tamaño fijo (Whisper: 30 segundos; algunos modelos: 60-90 segundos). Para audio más largo, tienes dos opciones: un modelo de streaming que procesa una ventana deslizante, o segmentar la entrada en piezas, transcribir cada una y concatenar. Usamos el segundo enfoque con fragmentos de 10 minutos por trabajador paralelo.
Por qué importan los límites de segmentación
La fragmentación simple en límites de segundos fijos puede dividir una palabra o una frase por la mitad: "transcrip-" + "-tion" en lugar de "transcription". Para evitar esto, los fragmentadores utilizan VAD (detección de actividad de voz) para encontrar los límites de silencio (>200 ms de silencio) y fragmentar solo en esos puntos. Resultado: cada fragmento comienza y termina en silencio, no hay palabras divididas ni artefactos de frontera en la transcripción final.
Cómo segmentamos en producción
Cuando subes un archivo de más de 10 minutos, nuestro flujo de trabajo ejecuta Silero VAD para encontrar puntos de división candidatos, selecciona puntos de división cerca de cada marca de 10 minutos que caen dentro de regiones de silencio y envía cada fragmento a Whisper en paralelo. Los Timestamps se normalizan: el 0:00 interno del fragmento 2 se convierte en 10:00 en la transcripción fusionada. El usuario ve una única transcripción continua, no cinco fragmentos pegados.
En la práctica
Una entrevista de 2 horas se convierte en 12 fragmentos de ~10 minutos cada uno. Cada fragmento tarda ~12 segundos en procesarse en Whisper. Ejecuta los 12 en paralelo: el tiempo total de reloj es el fragmento más lento, alrededor de 15 segundos — en lugar de 144 segundos en serie. El usuario obtiene la transcripción completa casi tan rápido como un archivo de 10 minutos.
Términos relacionados
Transcribir audio largo
Comenzar — gratisÚltima actualización: November 01, 2026
Preguntas frecuentes
What does Chunking mean in transcription?
Dividir un archivo de audio largo en segmentos más cortos antes de enviarlo al motor ASR. Whisper tiene una ventana de contexto de 30 segundos internamente; las herramientas segmentan en límites de 10 minutos para mantenerse dentro de los límites del modelo.
Why does Chunking matter when choosing a transcription workflow?
Chunking affects how you understand transcript quality, timing, compatibility, or the technology behind speech-to-text results.
Where can I apply Chunking on Transcript.you?
Use the related workflow at /transcribe-audio-to-text when you want to see how this glossary concept connects to an actual transcription task.
Explora el glosario de transcripción o lee el guía completa de transcripción por IA.