Qué es el Estudio

El Estudio es la aplicación web de Uttera: una página donde subes un fichero o pegas un texto, marcas lo que quieres y descargas el resultado. No hay que instalar nada, no hay que pedir ninguna clave y no hay que escribir una línea de código.

Por dentro es exactamente el mismo servicio que describe el resto de esta documentación. El Estudio no es una demostración con límites recortados: llama a la misma API, con tu mismo plan, y consume créditos de tu misma bolsa. Cuando esta documentación dice que transcribir cuesta tanto por segundo, cuesta lo mismo por las dos puertas.

Para entrar necesitas una cuenta y sesión iniciada. Si no la tienes, el Estudio te devuelve a la portada. La cabecera de la página te recuerda con qué correo has entrado y en qué plan estás, porque de eso depende lo que puedes hacer.

Cómo está montada la pantalla

Hay cuatro tarjetas, una por trabajo:

Si tu plan no incluye algo, la tarjeta sigue ahí pero apagada, en gris y sin botón, diciendo qué plan hace falta. Se enseña a propósito: es mejor ver lo que existe y lo que cuesta que descubrirlo por un error. Lo mismo pasa dentro de Transcribir con las casillas de análisis y de resumen, que se apagan por separado sin quitarte la transcripción.

Todas las tarjetas funcionan igual, de arriba abajo:

1. Los campos. El fichero o el texto, y las opciones de ese trabajo.
2. La línea de coste. Aparece en cuanto eliges un fichero y dice cuánto va a costar, antes de gastar nada.
3. El botón Ejecutar.
4. El resultado. Mientras trabaja verás el logo de Uttera animado y un contador de segundos, para que se note que sigue vivo; los audios largos tardan. Al terminar, el logo se queda quieto y el contador se convierte en el tiempo que ha tardado.

Transcribir audio

La tarjeta más completa: transcribe, y de paso puede analizar y resumir.

1. Elige el fichero. Admite wav, mp3, flac, ogg, opus, aiff, m4a y webm. Hasta 400 MB y 3 horas de audio.
2. Marca los extras que quieras (cada uno tiene su precio y se cobra aparte):

   Casilla	Qué añade
   tono	La emoción dominante de la grabación, con su confianza y las otras candidatas.
   perfil del hablante	Rango de edad y género estimados a partir de la voz.
   quién habla y cuándo	Los turnos de palabra con marcas de tiempo por interlocutor.
   resumen de la grabación	Un resumen estructurado de lo que se dijo.

3. Ejecutar. El fichero se sube una sola vez aunque marques los cuatro: el análisis se reparte por dentro sobre el audio ya subido.

El resultado se pinta siempre en este orden:

1. La transcripción, y debajo el tono en una línea de prosa si lo pediste, con el botón Descargar texto (transcripcion.txt) cerrando el bloque.
2. El resumen, si lo pediste, con Descargar resumen (resumen.txt). Va detrás del texto a propósito: el resumen se entiende mejor con la transcripción delante, y la transcripción es lo que siempre está.
3. El perfil y quién habla y cuándo, en crudo. Son datos estructurados y quien los pide los quiere enteros, no redactados.
4. Descargar análisis (analisis.json): un único fichero con todo lo que se analizó —incluido el vector completo del tono—, no uno por apartado.
5. La línea del cobro, que cierra la operación.

Si un análisis concreto falla, se dice: la transcripción se entrega igual y debajo aparece qué parte no se pudo hacer. No se calla ni se inventa.

Convertir texto en voz digital

Escribe o pega un texto y elige cómo quieres oírlo.

El resultado es un reproductor, la línea del cobro y Descargar audio (voz.mp3, o la extensión que elijas).

Convertir texto en voz clonada

Igual que la anterior, pero la voz la pones tú: subes una muestra y el texto se lee con ella.

La muestra no se cobra. Se cobra el audio generado, que depende de lo largo que sea el texto, no de lo larga que sea la muestra. Clonar tarda bastante más que la voz digital: la tarjeta lo avisa mientras trabaja. La descarga sale como voz-clonada.mp3.

Traducir una grabación

La cadena entera en un paso: transcribe el audio, traduce el texto y lo vuelve a decir en el idioma destino.

El resultado enseña el original transcrito y la traducción, y debajo el reproductor con Descargar audio (traduccion.mp3) si pediste audio. Si alguna parte de la cadena tuvo algo que advertir, aparece como aviso en vez de perderse.

Lo que cuesta, antes y después

El Estudio es también donde se aprende lo que valen las cosas, así que dice el precio dos veces: una estimación antes y el cargo real después.

Antes. En cuanto eliges un fichero, el navegador lee su duración y la multiplica por el precio de lo que has marcado. Marcar o desmarcar una casilla vuelve a calcularlo sin tener que elegir el fichero otra vez. Dice coste aproximado porque lo es: la duración que mide un navegador sobre un mp3 de tasa variable no siempre es exacta, y quien factura es el motor.

Las dos tarjetas de voz no llevan estimación previa, y no es un olvido: se cobran por los segundos de audio generado, y cuánto audio saldrá de un texto no se sabe hasta generarlo.

Después. Al terminar aparece una línea con el tiempo que tardó en procesarse y lo consumido; un segundo más tarde se sustituye por el cargo real, tal y como lo apuntó el sistema de facturación:

29 s · Cobrado: 144 créditos · por 2.424,0 s de audio ·
transcripción 79 · tono 12 · perfil 8 · interlocutores 24 · resumen 21

Los precios que usa esta pantalla son los mismos coeficientes publicados en esta documentación, leídos en vivo: si cambian, cambian aquí a la vez.

Cuando algo va mal

Los mensajes del Estudio son los errores de la API en castellano llano:

Y si lo que quieres es que todo esto ocurra solo, sin que nadie suba ficheros a mano, eso es la otra puerta: Integrar Uttera en tu código.