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: November 01, 2026
Preguntas frecuentes
What does Prosody mean in transcription?
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.
Why does Prosody matter when choosing a transcription workflow?
Prosody affects how you understand transcript quality, timing, compatibility, or the technology behind speech-to-text results.
Where can I apply Prosody 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.