Glosario
El punto final es la detección en tiempo real de cuándo un orador ha terminado una enunciación. Es el disparador que le dice a un asistente de voz "OK, el usuario ha terminado, envía la solicitud" o a un sistema de subtítulos en vivo "finaliza este subtítulo ahora". Suena simple — resulta que es difícil. Los humanos hacen pausas a mitad de una frase para pensar, respirar, buscar palabras. Interrumpirlos se siente grosero; esperar demasiado se siente lento. Un buen punto final es la diferencia entre que Siri se sienta receptiva y que se sienta rota.
Ingenuos vs inteligentes en el punto final
Naive: se activa después de N milisegundos de silencio (típico: 500-800 ms). Corta a los oradores lentos y a las personas que hacen pausas para pensar. Smart: combina la detección de silencio con un modelo neuronal que predice "¿está completa esta enunciación?" basándose en la sintaxis, el contorno de tono (tono descendente = fin de la afirmación, ascendente = pregunta) y señales léxicas ("...la respuesta es" = esperando más).
Punto final vs VAD
VAD responde "¿es este marco habla o silencio?" — clasificación binaria a nivel de marco. End-pointing responde "¿ha terminado el usuario su enunciación?" — semántico y dependiente del contexto. Están relacionados pero son separados. VAD es un bloque de construcción del end-pointing; necesitas ambos para ASR en vivo de producción.
Por qué la transcripción por lotes no lo necesita
La transcripción por lotes (subida de archivos) tiene todo el audio a la vez — no hay necesidad de predecir cuándo termina el habla. El punto final es una preocupación solo para el streaming en tiempo real. Somos un servicio por lotes, por lo que el punto final no forma parte de nuestro pipeline. Si estás integrando subtítulos en vivo o construyendo un asistente de voz, necesitarás un sistema ASR de streaming con punto final integrado.
En la práctica
Le preguntas a Siri "¿Qué tiempo hace—" y luego haces una pausa para formular el resto. El punto final ingenuo se dispara después de 500 ms y Siri responde con el clima actual (ubicación incorrecta). El punto final inteligente nota que el tono descendente no era el final de la frase y que la palabra "tiempo" suele llevar un modificador — espera otro segundo y obtiene tu "¿Qué tiempo hará en Tokio mañana?" completo.
Términos relacionados
Ver transcripción por lotes
Comenzar — gratisÚltima actualización: November 01, 2026
Preguntas frecuentes
What does End-pointing mean in transcription?
Detección en tiempo real de cuándo un usuario ha dejado de hablar — el disparador para finalizar subtítulos en vivo o enviar resultados de dictado a sistemas posteriores.
Why does End-pointing matter when choosing a transcription workflow?
End-pointing affects how you understand transcript quality, timing, compatibility, or the technology behind speech-to-text results.
Where can I apply End-pointing on Transcript.you?
Use the related workflow at /ai-transcription 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.