Glosario
Hertz (Hz) es la unidad SI de frecuencia: un ciclo por segundo. Nombrado en honor a Heinrich Hertz, quien demostró por primera vez las ondas electromagnéticas de manera concluyente en 1887. En audio, Hz cuantifica dos cosas: la tasa de muestreo a la que se digitalizó el audio (muestras por segundo) y el contenido de frecuencia del sonido en sí (ciclos por segundo de la forma de onda subyacente). Ambos son importantes para la transcripción, aunque la tasa de muestreo es más relevante.
Rangos de frecuencia de audio
Audición humana: ~20 Hz a ~20,000 Hz (degrada con la edad, especialmente el rango alto).
Habla humana: ~80 Hz (fundamental masculino bajo) a ~8,000 Hz (energía de consonantes de alta frecuencia). La mayor parte de la inteligibilidad se encuentra entre 300 Hz y 3,400 Hz, razón por la cual la telefonía funciona a 8 kHz tasa de muestreo (capturando hasta 4 kHz).
Música: ~30 Hz (bajo grave) a ~16,000 Hz (platillos altos, sibilancia).
Debajo de la audición humana: infrasonido. Por encima: ultrasonido.
Hz en las tasas de muestreo
La tasa de muestreo también se expresa en Hz. 8,000 Hz = 8 kHz = calidad telefónica. 16,000 Hz = Tasa de entrada de Whisper. 44,100 Hz = Calidad CD. 48,000 Hz = Estándar profesional de video. El teorema de Nyquist–Shannon: una tasa de muestreo de N Hz puede representar frecuencias de hasta N/2 Hz. Por lo tanto, una tasa de muestreo de 16 kHz captura todas las frecuencias hasta 8 kHz, lo cual es suficiente para el habla.
¿Qué significan los cambios de Hz para la transcripción?
El audio grabado a 44,100 Hz contiene todas las frecuencias del habla humana, y más. El audio a 8,000 Hz (llamadas telefónicas) pierde consonantes de alta frecuencia (especialmente /s/, /f/, /θ/), lo que dificulta su distinción. Whisper maneja el audio de 8 kHz razonablemente bien, ya que ha sido entrenado con mucha información de calidad telefónica, pero la precisión es 2-4 WER puntos peor que el audio de 16 kHz+. Si eliges una tasa de muestreo de grabación puramente para transcripción, 16 kHz mono es el punto óptimo rentable.
En la práctica
Tu iPhone graba notas de voz a 44.1 kHz mono. La grabación de conferencia de tu aplicación de teléfono es 8 kHz mono. Ambos se procesan a través del mismo pipeline de Whisper en Transcript.you. El archivo de 44.1 kHz puede transcribir con una precisión del 96%; el archivo de 8 kHz con un 93%. La diferencia es la claridad de las consonantes de alta frecuencia, no el número absoluto de Hz.
Términos relacionados
Lecturas adicionales
Transcribir a cualquier frecuencia de muestreo
Comenzar — gratisÚltima actualización: November 01, 2026
Preguntas frecuentes
What does Hertz (Hz) mean in transcription?
La unidad de frecuencia: ciclos por segundo. Las señales de audio se describen por su frecuencia de muestreo (por ejemplo, 44,100 Hz) y su contenido de frecuencia. El habla humana oscila aproximadamente entre 80 Hz y 8,000 Hz.
Why does Hertz (Hz) matter when choosing a transcription workflow?
Hertz (Hz) affects how you understand transcript quality, timing, compatibility, or the technology behind speech-to-text results.
Where can I apply Hertz (Hz) 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.