Encontrá lo que se dijo.
Volvé al segundo exacto.
Vocal Search convierte audios, videos y fuentes públicas de YouTube en una fonoteca consultable: transcribe, cataloga, localiza y permite extraer fragmentos.
Qué hace Vocal Search
Es una aplicación autónoma que se ejecuta localmente como un archivo .exe. El material se procesa y se consulta en la computadora donde funciona la aplicación; no requiere conectarse a un servidor local. Internet se usa solo cuando se descargan modelos o contenido desde YouTube.
Texto con tiempo
Conserva segmentos de aproximadamente 30 segundos y su posición dentro del archivo.
Catálogo
Asocia programa, medio, fecha, protagonistas y ubicación del material.
Dos índices
Uno resuelve coincidencias literales y otro relaciones de significado.
Distribución comercial para Windows
Vocal Search se entrega como una aplicación para Windows 11 de 64 bits. La instalación incluye el ejecutable (.exe), sus DLL, motores y recursos necesarios para operar como cualquier software comercial. No requiere instalar Python, ni crear entornos de desarrollo, ni ejecutar comandos técnicos. Los componentes opcionales —por ejemplo, modelos de transcripción o audio desde YouTube— se descargan desde la propia aplicación cuando se necesitan.
Requerimientos del equipo
| Recurso | Mínimo operativo | Configuración óptima |
|---|---|---|
| Sistema operativo | Windows 11 de 64 bits | Windows 11 de 64 bits actualizado. |
| Procesador | 4 núcleos de 64 bits | 8 núcleos modernos o superior, para trabajar con varias tareas locales sin demoras. |
| Memoria RAM | 8 GB | 32 GB. Permite usar modelos exigentes y fonotecas grandes con mayor holgura. |
| GPU | No obligatoria; procesa por CPU. | GPU dedicada compatible con CUDA o Vulkan. Referencia: NVIDIA RTX 3060 de 12 GB o AMD Radeon RX 6700 XT de 12 GB VRAM. |
| VRAM | No aplica si se usa CPU. | 12 GB como nivel competente para el uso diario; 16 GB o más para priorizar modelos grandes, lotes extensos y mayor margen operativo. |
| Almacenamiento | 10 GB libres en SSD. | SSD con 50 GB o más libres, además de espacio proporcional a los originales de audio/video y los backups. |
| Internet | Solo para descargas puntuales. | Conexión estable para modelos y fuentes públicas de YouTube; no es necesaria para buscar material ya indexado localmente. |
Recorrido por el menú
La barra lateral reúne seis áreas. El botón inferior primero detiene la tarea activa y, con un segundo clic, cierra el programa.
Panel de control
Indicadores de archivos, segmentos, duración analizada, pendientes de índice, extraviados, GPU, recientes y gráficos de fonoteca.
Ingesta
Incorpora archivos locales, carpetas o URLs públicas de YouTube y los pone a transcribir.
Buscar / Extraer
Consulta el archivo sonoro/visual y genera un MP3 o MP4 desde una selección textual.
Archivos
Consulta, corrige metadatos, reproduce, re-descarga una fuente YouTube o elimina registros.
Encontrar archivo
Localiza archivos que cambiaron de disco, carpeta o nombre mediante barridos.
Configuración
Define motor, modelo, búsqueda, voz, mantenimiento y copias de seguridad.
Incorporar y transcribir material
La ingesta crea un trabajo en segundo plano. Durante el proceso se muestra progreso, mensaje de estado e historial; la placa elegida queda reservada para evitar que dos trabajos compitan por ella.
Archivos locales y carpetas
- Elegí el material. Arrastrá audios o videos, usá “Elegir archivos” o “Elegir carpeta”. Se admiten, entre otros, MP3, WAV, M4A, FLAC, OGG, AAC, WMA, MP4, MOV, AVI, MKV y WebM.
- Completá los metadatos. Programa, medio, fecha original y protagonistas. Programa y medio sugieren valores ya utilizados; protagonistas se cargan manualmente como etiquetas.
- Definí el motor y modelo. Consultá motor de transcripción antes de iniciar un lote exigente.
- Ingestá y seguí el progreso. Al concluir, el material queda catalogado e indexado; el historial conserva el resultado del lote.
Desde YouTube
Pegá una o varias URLs —una por línea o separadas por comas— y usá los mismos metadatos, motor y modelo. Se procesan videos públicos. Según la opción de conservación, el audio descargado se elimina al finalizar o queda como copia local. Listas de reproducción: también se soporta la importación de listas de YouTube para descargas masivas: se cargan todos sus videos con programa igual al nombre de la lista, medio igual al canal y protagonista igual al título de cada video.
Control de duplicados
Antes de iniciar, Vocal Search compara nombre y tamaño de archivos, y reconoce el identificador de videos de YouTube. La tarjeta de advertencia muestra archivo, metadatos, segmentos y estado del registro ya existente. “Quitar duplicados del lote” solo los saca de la selección: no borra nada del disco ni de la base.
Motor de transcripción y modelo
| Opción | Qué significa | Resultado / recomendación |
|---|---|---|
| Auto | Selecciona un backend disponible. | Punto de partida recomendado. |
| CUDA | Motor para GPU NVIDIA. | Mayor velocidad cuando hay VRAM suficiente. |
| Vulkan | Motor compatible con AMD y NVIDIA mediante whisper.cpp / modelos GGML. | Permite descargar modelos GGML desde la interfaz. |
| CPU | Procesamiento por procesador. | Compatible sin GPU, pero notablemente más lento. |
| Modelo Whisper | Equilibrio entre velocidad, memoria y fidelidad. | Base/Small para fluidez; Medium/Turbo para material importante; Large-v3 para máxima fidelidad, especialmente nombres y habla difícil. |
Historial de Capturas
Muestra el listado de cada archivo ingestados: qué datos se ingestaron, la duración del archivo, la fecha y la ruta de su ubicación.
Búsqueda textual, semántica e híbrida
El buscador admite una palabra, una frase o solamente filtros. El modo determina si se privilegia la coincidencia literal, el significado o una combinación de ambos.
| Modo | Cómo responde | Uso práctico |
|---|---|---|
| Híbrido | Fusiona coincidencias exactas y cercanía de significado; las exactas quedan primero. | Investigación general: “inflación”, “conflicto gremial”. |
| Texto exacto | Consulta el índice de texto literal. | Nombres, marcas, citas o expresiones que deben coincidir tal como se escribieron. |
| Semántico | Compara vectores de significado, aunque no aparezca la palabra literal. | Temas o ideas: “alegría”, “problemas de vivienda”. |
Filtros relacionados
Programa, medio, protagonista, disco y rango de fechas reducen el universo antes de buscar. Los desplegables se actualizan entre sí: cada uno ofrece valores existentes dentro de los demás filtros actuales. También se puede filtrar sin escribir una consulta.
Cómo interpretar un resultado
| Elemento | Interpretación |
|---|---|
| Tiempo | Segundo de inicio del segmento. Abrir o reproducir lleva a esa posición; para una URL se abre YouTube con el parámetro de tiempo. |
| 10/10 y puntos | Relevancia relativa dentro de esa consulta. Un hallazgo exacto muestra 10/10; no es una medida absoluta de calidad. |
| Palabra exacta | El segmento contiene el texto solicitado. |
| Distancia semántica | 0 representa máxima cercanía conceptual. Cuanto más se aproxima al umbral configurado, más débil es la relación. |
| Contexto | Por defecto muestra 20 palabras alrededor; cada resultado permite ampliar de 20 a 200. |
Extraer un fragmento
- Seleccioná con el mouse el pasaje dentro del resultado.
- Usá “Ubicar en el tiempo” para calcular inicio, fin y duración desde el texto elegido.
- Indicá un nombre y elegí MP3 para audio o MP4 si existe video disponible.
- Descargá el archivo generado cuando el trabajo termine.
Para reunir declaraciones sobre una medida económica, buscá el concepto en modo híbrido, filtrá por programa y mes, abrí los resultados de mayor relevancia y extraé cada cita como MP3 con un nombre editorial. Si necesitás una formulación exacta de una persona, repetí en texto exacto con la frase entre las palabras que reconocés.
Administrar archivos y metadatos
La pantalla Archivos centraliza el catálogo. Cada fila identifica estado de índice, nombre, programa, medio, protagonistas, fecha, duración y ruta. Al abrirla se puede reproducir, editar datos, corregir segmentos y, para una fuente YouTube, intentar una re-descarga.
Encontrar un archivo movido
Si una ruta almacenada deja de existir, elegí un disco, una carpeta o una ruta de red y ejecutá un barrido. El historial registra destino, tipo, archivos vistos, re-localizados, estado y fecha; al expandir una corrida se ve la ruta anterior y la nueva.
| Tipo de barrido | Qué hace | Cuándo conviene |
|---|---|---|
| Completo | Lee el contenido para calcular una huella SHA-256. | Tras renombrar o reorganizar masivamente. Es el modo más confiable y también el más lento. |
| Incremental | Revisa cambios recientes. | Controles frecuentes cuando el movimiento fue acotado. |
La casilla “Incluir subcarpetas” amplía el alcance del directorio elegido. Para material en servidores, ingresá una ruta UNC accesible, por ejemplo \\servidor\archivo.
Configuración que cambia los resultados
Los cambios de búsqueda afectan consultas futuras. Los parámetros de voz se aplican a próximas transcripciones: no reescriben lo ya transcripto.
Hardware y GPU
La solapa o sección Hardware y GPU del menú Configuración muestra el hardware disponible para seleccionar y sus características disponibles para esta aplicación: backend (Auto, CUDA, Vulkan o CPU), placa a usar y detalle de detección (whisper.cpp, modelos GGML, nvidia-smi).
Ajuste de búsqueda semántica e híbrida
| Parámetro | Configuración actual | Rango de interfaz | Efecto |
|---|---|---|---|
| Peso textual | 0.6 | 0–1 | Prioriza la palabra literal en modo híbrido. |
| Peso semántico | 0.4 | 0–1 | Prioriza relaciones por significado. Ambos pesos se normalizan; si ambos quedan en 0, se usa 50/50. |
| Candidatos semánticos | 450 | 50–1000, de a 50 | Cuántos segmentos se evalúan conceptualmente antes de mostrar resultados. Más candidatos: mayor cobertura y demora; menos: más rapidez y riesgo de omitir pasajes. |
| Distancia máxima | 0.42 | 0–2; 0 desactiva el filtro | Descarta segmentos semánticamente lejanos. Bajarla limpia ruido; subirla amplía resultados. |
Bajá distancia hacia 0.4, reducí candidatos a 200 y elevá el peso textual a 0.8. Luego repetí la búsqueda y compará. Para recuperar resultados escasos, probá semántico, candidatos 700 y distancia 0.8.
Detección de voces y anti-alucinaciones
| Parámetro | Actual | Qué controla |
|---|---|---|
| Filtrar silencios (VAD) | Activado | Evita transcribir silencios y parte del ruido. En Vulkan requiere tener Silero VAD descargado. |
| Hipótesis de decodificación | 5 | Versiones que el motor evalúa antes de elegir. Más hipótesis reducen repeticiones, a costa de tiempo. |
| Reintentos con temperatura | Activado; máximo 1.0 | Vuelve a intentar ante una salida repetitiva con valores crecientes de temperatura. |
| Umbral de no-voz | 0.6 | Un valor alto evita más alucinaciones, pero puede descartar voz tenue. |
| Umbral de entropía | 2.4 | Ayuda a cortar bucles o frases repetitivas; subirlo filtra menos. |
YouTube: guardar audios
Ver sección YouTube: guardar audios más arriba en este capítulo (directorio para guardar localmente los archivos).
Configuración Base de datos
Corresponde a Configuración → Base de datos: mantenimiento del índice de texto, optimización estadística, almacenamiento y privacidad, más backup y borrado.
| Función | Uso y resultado |
|---|---|
| Estado / mantenimiento | Encabezado con conteo (segmentos vs índice FTS, estado sincronizado, estimación de resincronización). Resincronización total (rebuild FTS): solo si la búsqueda exacta no encuentra algo visible en el texto, tras migración o restauración, o tras importación masiva (una vez al final). En operación normal no hace falta. Atención: mientras corre, la app queda congelada (minutos según volumen); al terminar no requiere reiniciar. Botones: Resincronizar índice y Actualizar estado. Optimizar estadísticas (ANALYZE): no reescribe el índice, solo actualiza estadísticas para que las búsquedas elijan el plan más rápido. Liviano y seguro en caliente, manual a pedido (tras ingesta grande o semanal). Botón: Optimizar ahora. |
| Exportar backup | Botón ↑ Crear backup: genera el ZIP (consolida WAL primero) y el navegador abre la ventana para elegir dónde guardarlo. El zip trae base + vectores, no los audios originales. |
| Importar | Botones Sobrescribir todo (la base del zip pisa la actual) y Agregar sin duplicados (fusiona lo nuevo, conserva tus correcciones). Si el zip no es válido se rechaza sin tocar nada. Siempre con resguardo previo en backend/backups/. |
| Limpiar / Borrar base de datos | Zona de peligro: borra archivos, transcripciones y vectores. Pide backup primero y doble confirmación. Guarda resguardo automático (sin audios para reingestar). |
Ayuda con motor IA de baja escala
El botón de ayuda abre un asistente local orientado a síntomas. No envía preguntas a una IA externa ni inventa respuestas: detecta palabras clave, consulta capítulos de ayuda y combina plantillas con los valores actuales de configuración.
| Si se consulta… | La ayuda propone… |
|---|---|
| “Aparece mucha basura” | Bajar distancia a 0.4, candidatos a 200 y subir peso textual a 0.8. |
| “No encuentro nada” | Revisar tildes/plurales, usar semántico, candidatos 700 y distancia 0.8. |
| “Repite frases” | Activar VAD, hipótesis en 5 y reintentos con temperatura. |
| “Quiero más resultados por significado” | Explica el balance y ofrece una relación 0.3 texto / 0.7 semántico. |
Las sugerencias pueden mostrar botones “Aplicar”. Cada modificación pide confirmación y escribe el ajuste seleccionado. Si la consulta no coincide con sus temas, deriva a soporte en lugar de improvisar una respuesta.
↑ Volver al inicioCuatro usos prácticos
Encontrar una declaración
Ingestá la emisión con programa, medio y fecha. Buscá el apellido en texto exacto, reproducí el segundo indicado y extraé un MP3 para edición.
Explorar un tema
Filtrá por entrevistas y usá semántico con una idea amplia. Ampliá el contexto y agrupá por archivo antes de elegir testimonios.
Recuperar cobertura histórica
Combiná híbrido, rango de fecha y medio. Bajá la distancia si aparecen fórmulas genéricas; mantené los pasajes exactos como referencia.
Reparar rutas
Tras mover la fonoteca, ejecutá un barrido completo sobre el nuevo disco. Revisá el historial de reubicaciones antes de continuar trabajando.
Solución de problemas frecuentes
| Situación | Primera acción | Ver también |
|---|---|---|
| Resultados irrelevantes | Reducí distancia y candidatos; aumentá el peso textual. | Ajustes de búsqueda |
| Cero resultados | Probá otro término, tildes/plurales, semántico y un umbral más alto. | Ayuda asistida |
| Frases repetidas o inventadas | Confirmá VAD, hipótesis 5 y reintentos; re-transcribí el material afectado. | Detección de voces |
| Nombres mal reconocidos | Usá un modelo más preciso y corregí el pasaje puntual cuando corresponda. | Motor y modelo |
| Archivo no abre porque fue movido | Ejecutá Encontrar archivo sobre el disco o ruta de red destino. | Reubicación |
| Se necesita preservar la fonoteca | Exportá un backup antes de cambios amplios o importaciones. | Backup y base |
Glosario breve
| Segmento | Fragmento temporal de la transcripción; se configura en torno a 30 segundos. |
| Embedding / vector | Representación numérica del significado de un segmento o una consulta. El modelo configurado produce 384 valores. |
| FTS5 | Índice de texto completo que hace posible la búsqueda literal con rapidez. |
| Chroma | Base persistente de vectores usada para la búsqueda semántica. |
| VAD | Detector de actividad de voz: separa voz de silencio o parte del ruido. |
| Umbral | Límite que determina qué se acepta o descarta. |
| GPU / VRAM | Placa de video y memoria de video. Afectan la velocidad y los modelos que pueden procesarse. |