Ir al contenido
Resumen rápido de las herramientas de transcripción en ruso y su precisión
tl;dv en primer lugar en nuestra prueba de transcripción de reuniones en ruso, con una puntuación de 168 sobre 200. HappyScribe quedó en segundo lugar con 126, Fireflies 110 y Fathom . La evaluación se hizo a ciegas, con las herramientas anonimizadas durante las rondas de puntuación, en las que participaron modelos de lenguaje grande (LLM) y un hablante nativo.
tl;dv la que mejor se desempeñó en la categoría de precisión, con una ventaja de 17 puntos. Fue la única herramienta que identificó correctamente los nombres propios en las tres reuniones y mantuvo la coherencia en todas las ejecuciones. En cuanto a la comprensión del ruso, ninguna otra herramienta se le acercó.
Aquí tienes la puntuación de cada herramienta según las secciones en las que la probamos.
| Nivel | Max | tl;dv | Fireflies | Fathom | HappyScribe |
|---|---|---|---|---|---|
| Transcripción y precisión | 65 | 52/65 informo | 22/65 | 14/65 | 35/65 |
| Calidad de las reuniones en la vida real | 45 | 37/45 | 16/45 | 15/45 | 29/45 |
| Capacidades y características | 72 | 61/72 informo | 54/72 | 42/72 | 44/72 informo |
| Confianza, seguridad y valor | 18 | 18/18 informo | 18/18 informo | 18/12 | 18/18 informo |
| Puntuación total | 200 | 168/200 | 110/200 | 83/200 | 126/200 |
| Clasificación | 1 | 3 | 4 | 2 |
La precisión en la transcripción de reuniones en ruso ha dado un resultado más variado que en nuestras pruebas anteriores con el francés, el español y el portugués. tl;dv la puntuación más alta, con 168 puntos, mientras que HappyScribe se ha quedado en 126.
Las diferencias tampoco fueron uniformes. En la categoría de transcripción, tl;dv con una ventaja total de 17 puntos respecto a la herramienta más cercana, aunque las puntuaciones en la detección de entidades variaron de forma bastante notable. Los nombres propios fueron el punto débil de las demás herramientas de esta lista.
El ruso es un idioma que realmente puede poner de manifiesto pequeños errores de una forma que el inglés no hace. En ruso, los sustantivos y los adjetivos llevan terminaciones de caso, así que un simple desliz de una sílaba puede cambiar quién hizo qué a quién, en lugar de dar lugar a lo que sería un error tipográfico más obvio. Además, el ruso de negocios también alterna entre préstamos del inglés y frases en cirílico. Cada herramienta que probamos tenía que decidir si transliterar cosas como nombres de marcas, dejarlas en alfabeto latino o simplemente elegir según lo que le pareciera. Tres de cada cuatro parecían adivinar, y una de estas herramientas incluso convirtió al jefe de un gobierno regional en el «demonio jefe».
Para hacer nuestra prueba, cogimos tres reuniones reales en ruso y las procesamos con:
Hubo diferentes tipos de reuniones, como una sesión sobre la diferencia entre crecimiento y desarrollo, una mesa redonda sobre comunicación corporativa y una sesión sobre el desarrollo urbano en Kazán.
En nuestras pruebas, normalmente intentaríamos incluir Google Gemini, ya que es una herramienta muy habitual en el entorno de trabajo de la gente, pero, como Gemini admite el ruso por ahora, lo hemos omitido.
Para conseguir los resultados más imparciales posibles, la evaluación se hizo a ciegas. Dos modelos de lenguaje grande (LLM) calificaron cada respuesta sin que se viera el nombre de las herramientas, y un hablante nativo de ruso revisó las partes en las que las herramientas tenían dificultades o en las que sus respuestas diferían entre sí.
Transcripción y precisión de reuniones en ruso
En nuestras pruebas, la sección de transcripción y precisión es la que más peso tiene, porque todo parte de ahí. De un total de 65 puntos, tl;dv 52, mientras que Fathom solo Fathom los 14.
Las puntuaciones las dieron los modelos de lenguaje grande (Claude,Anthropic, y ChatGPT, de OpenAI) y luego se confirmaron mediante una evaluación a ciegas realizada por hablantes nativos, sin revelar los nombres de las herramientas.
| Métrico | Cómo se puntúa | tl;dv | Fireflies | Fathom | HappyScribe |
|---|---|---|---|---|---|
| Precisión lingüística | Evaluación ciega de la precisión en la propia lengua realizada por hablantes nativos | 15/20 | 20/7 | 20/5 | 20/12 |
| Tratamiento específico para cada idioma | Ortografía cirílica, terminaciones de caso, puntuación, cambio de código | 15/20 | 20/7 | 20 de abril | 20/9 |
| Porcentaje de palabras claramente incorrectas | Porcentaje de tokens que son claramente erróneos: inserciones inventadas o que no son en ruso, y bucles de repetición | 5/5 Te lo cuento | 2/5 informo | 0/5 | 4/5 |
| Detección de entidades | Nombres, empresas y lugares que aparecen en el reparto | 5/5 Te lo cuento | 1/5 | 0/5 | 2/5 informo |
| Números, fechas y divisas | Las cifras, las fechas y las cantidades están formateadas correctamente en el idioma correspondiente | 4/5 | 2/5 informo | 2/5 informo | 3/5 te cuento |
| Término técnico: reconocimiento en bruto | Términos y siglas del sector antes de la formación a medida | 4/5 | 1/5 | 1/5 | 2/5 informo |
| Puntuación y segmentación | Saltos de línea y división en párrafos en el resultado de la prueba | 4/5 | 2/5 informo | 2/5 informo | 3/5 te cuento |
| Subtotal de transcripción y precisión | 52/65 informo | 22/65 | 14/65 | 35/65 |
Detección de entidades
La mayor diferencia en la puntuación se dio en la detección de entidades. tl;dv un 5 sobre 5, mientras que Fathom un 0.
Los nombres propios rusos son más complicados que en inglés. Por ejemplo, los nombres de marcas hay que transcribirlos al alfabeto cirílico, y una herramienta no puede limitarse a escribir con letras lo que ha captado. Dos ejemplos en los que tl;dv bien y las demás herramientas tuvieron dificultades fueron cuando captó correctamente «Проктер энд Гэмбл» y cuando expandió «CBD» a «Customer Business Development». Ninguna de las otras herramientas lo consiguió.
Uno de los errores más graves fue el nombre de la marca «Wrike». tl;dv lo nombró correctamente. Los otros tres describieron un producto con 30 000 usuarios, pero no mencionaron el nombre del producto en toda la frase. Si alguien leyera esas transcripciones e intentara averiguar qué herramienta estaba recomendando el hablante, no podría encontrar ese detalle concreto.
En la sesión de Kazán, volvió a pasar lo mismo con МЕГА, Баухауз y Проспект Универсиады. tl;dv la única herramienta que sacó la máxima puntuación en esta serie en las tres pruebas.
Precisión lingüística
Nadie sacó la máxima puntuación en esta pregunta, que valía 20 puntos, y que se refiere a la parte de la reunión que se conservó tras el proceso de transcripción. tl;dv el que mejor lo hizo, con 15 puntos.
Fathom sacó 5 puntos y se descubrió un fallo concreto, no se trataba simplemente de errores de comprensión. En un clip frases en inglés que nunca se dijeron y creó entidades que simplemente no se mencionaban en el audio. Nuestro hablante nativo sí que dijo que lo que transcribió estaba bien, pero al final añadió un montón de cosas que no existían.
Fireflies obtuvo una puntuación total de 7 y su resultado fue un poco más «peligroso». Los errores que cometió consistían en palabras rusas, escritas correctamente, pero en lugares equivocados. Por ejemplo, convirtió «главы региона» (el jefe del gobierno regional) en «главного демона» (el demonio jefe). En el mismo pasaje, «Проспект Универсиады» se convirtió en «Проспект Грузиады», que no es una calle ni de Kazán ni de ningún otro sitio.
Esto significa que alguien que lea el Fathom podría darse cuenta fácilmente y pensar «Eso está mal», mientras que Fireflies más coherente a primera vista, aunque tenga errores importantes.
Tratamiento específico según el idioma
tl;dv también tl;dv un 15 aquí, situándose a la cabeza del grupo
Como ya hemos dicho, el lenguaje empresarial ruso a veces puede incluir cambios de código al inglés, y esto ocurre en mitad de una frase. Cada herramienta tenía que transcribir y decidir qué hacer en estas situaciones, y si había que incluir una palabra en inglés dentro de una cláusula en cirílico. Tl;dv Fathom mantener todo lo que estaba en alfabeto latino. Fireflies lo Fireflies fonéticamente, como «вот эвер», lo cual nuestro hablante nativo marcó como incorrecto.
Índice de error de palabras
En resumen: tl;dv un 5 aquí, mientras que Fathom último lugar con un 0.
En nuestras pruebas, no teníamos una transcripción literal y verificada de lo que decía el hablante, así que nos fijamos en cómo se las apañaba cada herramienta y cuántas palabras estaban claramente equivocadas. Cosas como caracteres que no son del alfabeto ruso, bucles de repetición y cualquier cosa que simplemente fuera incorrecta. El resultadotl;dven el primer clip no clip prácticamente nada de eso. Fathomcontenía más o menos una de cada ocho palabras.
Números, fechas y moneda
En un ámbito en el que los datos tienen que ser correctos o, de lo contrario, pueden provocar errores reales más adelante, tl;dv la máxima puntuación aquí con un 4.
Uno de los mayores errores de la cohorte fue el de HappyScribe. Un ponente habló de un periodo concreto de «десять лет» (diez años). En cambio, HappyScribe lo registró como «десять миллионов», diez millones. Si echases un vistazo rápido al texto, no te parecería inmediatamente un error de transcripción, pero la diferencia entre diez años y diez millones es bastante grande.
En la sesión sobre comunicación corporativa, las cuatro herramientas lograron mostrar todos los datos numéricos correctamente. Esto incluía cifras, fechas y porcentajes.
Término técnico: «Reconocimiento en bruto»
En resumen: tl;dv 4 puntos, HappyScribe 2, Fireflies y Fathom .
tl;dv mejor supo captar la jerga técnica y la terminología en esta fila, sin necesidad de añadir vocabulario personalizado. A las otras herramientas les costó un poco con la palabra específica «персонализация» (personalización).
HappyScribe oyó «реализация» (realización o implementación). Fireflies «кристаллизация» (cristalización). Ambas son palabras reales en ruso, pero también son incorrectas y diferentes entre sí.
Calidad de las reuniones en la vida real
La precisión de la transcripción es la columna vertebral que lo sustenta todo; si falla, todo lo que viene después corre el riesgo de tener problemas.
En esta sección, vamos a ver algunos de los elementos adicionales de la transcripción, así como el resultado final y lo útil que puede resultar aplicarlo en reuniones de trabajo reales y en tus flujos de trabajo.
tl;dv the highest mark»tl;dv la nota más alta aquí, con un 37, y la nota más baja la ha sacado Fathom un 15.
| Métrico | Cómo se puntúa | tl;dv | Fireflies | Fathom | HappyScribe |
|---|---|---|---|---|---|
| Calidad de la diarización | Recuento correcto de los personajes y atribución de las intervenciones frente al reparto conocido | 10/10 | 0/10 | 0/10 | 10/10 |
| Estabilidad conductual | Estabilidad conductual en los distintos tipos de sesiones | 9/10 | 3/10 | 1/10 | 5/10 |
| Resumen de la calidad | La utilidad del resumen y si se mantuvo en el idioma original, teniendo en cuenta los préstamos lingüísticos | 5/5 Te lo cuento | 4/5 | 5/5 Te lo cuento | 2/5 informo |
| Tasa de alucinaciones / inserciones | Texto inventado, repetido o duplicado que no aparece en el audio. Se excluyen los errores de audición y las frases truncadas. | 8/10 | 0/10 | 0/10 | 10/10 |
| Extracción de acciones a realizar | Calidad de las tareas y los seguimientos que se han sacado de la reunión | 0/5 | 5/5 Te lo cuento | 5/5 Te lo cuento | 0/5 |
| Capítulos automáticos / división en secciones | ¿El resumen divide la reunión en secciones útiles? | 5/5 Te lo cuento | 4/5 | 4/5 | 2/5 informo |
| Subtotal de la calidad de las reuniones en el mundo real | 37/45 | 16/45 | 15/45 | 29/45 |
Resumen de calidad
tl;dv Fathom un 5, Fireflies y HappyScribe un 2.
Fireflies cambiaron Fireflies la geografía de una reunión. En la sesión de Kazán, el resumen incluye una sección que dice «Градостроительная политика и инновации в Москве» (Política urbanística e innovación en Moscú). El caso es que toda la reunión trata sobre Kazán, que está a unos 800 km de Moscú. En el cuerpo de esa sección del resumen, se dice que la zona está «cerca del centro de Moscú».
HappyScribe también sacó una puntuación más baja, un 2, pero por otro motivo. En una reunión, aunque transcribió lo que se dijo, no pudo generar un resumen. Mostró el mensaje «No se ha detectado ningún discurso», a pesar de que la transcripción que hizo estaba bastante bien.
Como Fathom hemos dicho antes, Fathom ido muy bien en este aspecto. A pesar de inventarse frases en inglés, el resumen ha quedado claro, centrado en el tema y totalmente en ruso. Ningún elemento inventado se ha colado en el resumen.
Tasa de alucinaciones y de inserción
HappyScribe ha sacado un 10, tl;dv , Fireflies Fathom .
Esta es una de las pocas secciones en las que tl;dv la palma, y se trataba de un único fragmento en el que aparecían dos caracteres japoneses. Era fácil de detectar y cualquier lector lo habría notado enseguida, pero, aun así, se trataba de una inserción.
Fireflies algunos bucles importantes en dos de las tres pruebas. En una grabación, repitió «с людьми» (con gente) veinticuatro veces. En la sesión de Kazán, repitió «Я не знаю» ocho veces (no lo sé). Nuestro hablante nativo lo interpretó como errores de transcripción.
Fireflies «Продолжение следует» («Continuará») al terminar un debate. Es un texto de cierre típico, no algo que se haya dicho en la sala.
Calidad de la diarización
tl;dv HappyScribe han sacado un 10, mientras que Fireflies Fathom .
Como la prueba principal se ejecuta como una única fuente de audio a través de Google Meet, para evaluar esto, hacemos otra ronda de pruebas subiendo el contenido directamente a la plataforma para ver qué tal identifica y etiqueta a los hablantes. Tanto tl;dv HappyScribe sacan la máxima puntuación aquí. Fathom no Fathom forma de subir audio ni vídeo a su plataforma.
Fireflies el mismo archivo de audio y falló. En un archivo en el que solo había un hablante, lo registró como si fueran tres y cambió la asignación veintidós veces a lo largo de veinticuatro segmentos, a menudo en mitad de las frases. En un caso concreto, una sola frase se atribuyó a tres hablantes distintos.
Estabilidad conductual
En resumen: tl;dv un 9, HappyScribe un 5, Fireflies y Fathom .
Aquí analizamos el rendimiento constante de una herramienta a lo largo de todas las sesiones. En resumen, tl;dv la más estable en todos los aspectos, mientras que Fathom fue la que más Fathom .
Extracción de acciones a realizar
En este aspecto, tl;dv no tl;dv destacado, y hay una razón de peso para ello. En cada uno de los resúmenes, Fireflies Fathom tareas a las personas en función de los resultados.
tl;dv no lo tl;dv en ninguna de las tres ejecuciones, y hay una razón para ello. No había nada que registrar.
Así que, cuando Fireflies Fathom acciones a realizar, lo hicieron partiendo de cero. Se trataba de tres mesas redondas. Nadie le encargó nada a nadie, nadie se comprometió a entregar nada y no se acordó ningún seguimiento. No había ninguna lista de la que extraer información, así que ambas herramientas generaron una.
Así que, aunque tl;dv nada aquí, tómate esto con un poco de cautela.
Capítulos y divisiones automáticos
tl;dv un 5, Fireflies Fathom , y HappyScribe un 2.
tl;dv dividir cada reunión en sesiones temáticas numeradas, de forma coherente, y cada punto incluía una marca de tiempo con enlace para que pudieras comprobarlo. Ninguna de las otras herramientas ofrecía marcas de tiempo con este nivel de detalle y, aunque también podían segmentar las reuniones, la calidad y el número de segmentos variaban más según la herramienta. Para que todo fuera justo, usamos el resumen estandarizado de cada una de ellas.
Funcionalidades y características
En esta sección, analizamos las herramientas en su conjunto, las funciones que ofrecen y algunos resultados de referencia en aspectos como la velocidad de procesamiento y la precisión de las marcas de tiempo.
Si en las secciones anteriores se trataba de evaluar el rendimiento de la herramienta, aquí se trata de cuántas formas hay de usar los datos dentro de una empresa. Es una sección muy reñida y tl;dv la máxima puntuación con 61, con una diferencia de 19 puntos respecto al resto de herramientas.
| Métrico | Cómo se puntúa | tl;dv | Fireflies | Fathom | HappyScribe |
|---|---|---|---|---|---|
| Configuración de los altavoces nada más sacarlos de la caja | Identifica automáticamente a los participantes reales en Meet, Zoom y Teams | 5/5 Te lo cuento | 5/5 Te lo cuento | 5/5 Te lo cuento | 0/5 |
| Impresión de voz | Posibilidad de entrenar el reconocimiento de voz con la propia voz del usuario | 5/5 Te lo cuento | 0/5 | 0/5 | 0/5 |
| Grabación sin robots | Graba a través del audio del sistema sin que un bot se una a la llamada | 5/5 Te lo cuento | 5/5 Te lo cuento | 5/5 Te lo cuento | 5/5 Te lo cuento |
| Sincronización CRM | Nativo y sincronización automática | 3/3 informo | 3/3 informo | 3/3 informo | 0/3 |
| Notas personalizadas / plantillas | Formatos de resumen personalizables frente a una salida fija | 3/3 informo | 3/3 informo | 3/3 informo | 3/3 informo |
| Entrenamiento de vocabulario y entidades personalizadas | Enseña términos y siglas del sector | 5/5 Te lo cuento | 5/5 Te lo cuento | 0/5 | 5/5 Te lo cuento |
| Localización de la interfaz de usuario al ruso | Si la propia interfaz del producto está disponible en ruso | 0/5 | 0/5 | 0/5 | 0/5 |
| Amplitud de las integraciones | Slack, calendario, Zapier, API te informo | 3/3 informo | 3/3 informo | 3/3 informo | 3/3 informo |
| Velocidad de procesamiento | Orden de entrega de la transcripción final una vez terminada la reunión | 3/3 informo | 3/3 informo | 3/3 informo | 2/3 informo |
| Seguimiento de palabras de relleno | Detecta las palabras de relleno sin duplicar los tartamudeos, en lugar de suavizar demasiado la transcripción | 3/3 informo | 0/3 | 0/3 | 0/3 |
| Precisión de la marca de tiempo | Comprueba al azar que las marcas de tiempo coincidan con el momento correcto | 3/3 informo | 1/3 | 0/3 | 0/3 |
| Disponibilidad de la traducción | ¿Puede traducir las notas de la reunión? ¿Y a cuántos idiomas? | 3/3 informo | 0/3 | 0/3 | 3/3 informo |
| Buscar en la transcripción | Buscar en una reunión y en la biblioteca | 3/3 informo | 3/3 informo | 3/3 informo | 3/3 informo |
| Interfaz de usuario para la edición de transcripciones | ¿Se puede corregir la transcripción fácilmente a posteriori? | 3/3 informo | 3/3 informo | 3/3 informo | 3/3 informo |
| Formatos de exportación | SRT, VTT, TXT, DOCX y similares | 0/3 | 3/3 informo | 0/3 | 3/3 informo |
| Transcripción en directo / en tiempo real | ¿Se muestra una transcripción en directo durante la reunión? | 0/3 | 3/3 informo | 3/3 informo | 0/3 |
| Cobertura de la plataforma de reuniones | Cobertura de Zoom, Meet, Teams y Webex | 3/3 informo | 3/3 informo | 3/3 informo | 3/3 informo |
| Captura de la aplicación móvil | ¿Se pueden grabar reuniones presenciales a través de una app móvil? | 3/3 informo | 3/3 informo | 0/3 | 3/3 informo |
| Servidor MCP nativo | Servidor propio nativo que permite a los asistentes de IA consultar el catálogo de reuniones | 5/5 Te lo cuento | 5/5 Te lo cuento | 5/5 Te lo cuento | 5/5 Te lo cuento |
| Edición de la etiqueta del altavoz | ¿Se pueden cambiar los nombres y reasignar los altavoces a posteriori? | 3/3 informo | 3/3 informo | 3/3 informo | 3/3 informo |
| Subtotal de capacidades y características | 61/72 informo | 54/72 | 42/72 | 44/72 informo |
Impresión de voz
La «impresión de voz» es una función que entrena al sistema con la propia voz del usuario, siempre que este lo haya activado, para que pueda reconocerla en todas las reuniones sin necesidad de volver a etiquetarla. Esta puntuación se basa en si la función está disponible o no, y tl;dv el único que la tiene.
Seguimiento de palabras de relleno
Una de las razones por las que tl;dv tan buenos tl;dv en la transcripción es que ofrece un seguimiento de las palabras de relleno en lugar de eliminarlas. Esto significa que la herramienta identifica la versión más fiel de la transcripción, conservando las vacilaciones en lugar de suavizarlas. Aunque las otras tres herramientas pueden ofrecer una versión más limpia de la reunión en general, en realidad están editando la reunión.
Disponibilidad de la traducción
tl;dv HappyScribe han sacado un 3. Fireflies Fathom un 0.
Pude acceder a la transcripción en tl;dv HappyScribe, pulsar un botón y convertir la transcripción en ruso al inglés. Esto es increíblemente útil para las empresas multinacionales que celebran reuniones en diferentes idiomas. Fathom permitió hacer esto con el resumen, pero no con la transcripción en sí; por eso no les hemos dado puntuación, ya que hemos detectado que había discrepancias entre la transcripción y el propio resumen.
Nombrar los altavoces nada más sacarlos de la caja
tl;dv Fireflies Fathom un 5. HappyScribe ha sacado un 0.
La mayoría de las herramientas pueden extraer las etiquetas de Google Meet, Zoom Teams y aplicarlas automáticamente a la transcripción. HappyScribe no lo hace, así que los interlocutores aparecen como etiquetas genéricas y luego tienes que introducir los nombres tú mismo.
Sincronización de CRM
HappyScribe es la única herramienta que no tiene sincronización nativa con un CRM. Ofrece varias opciones de integración, pero no hay conexión directa con un CRM.
Se puede hacer con Zapier, pero tendrás que configurar y mantener un flujo de trabajo.
Las otras tres herramientas pueden enviar notas directamente al CRM de forma automática, lo que te ahorra tiempo, esfuerzo y recursos.
Velocidad de procesamiento
tl;dv Fireflies » Fireflies Fathom un 3. «HappyScribe» ha sacado un 2.
En esta sección se ha evaluado la rapidez con la que estuvieron disponibles la transcripción y los resúmenes tras la reunión. Tl;dv Fathom justo después, seguidos de Fireflies. HappyScribe fue la herramienta que tardó más de todas.
Esta sección está cerrada
En comparación con los resultados que obtuvimos en cuanto a la precisión bruta de la transcripción, aquí las diferencias entre las puntuaciones fueron menores. Cada una de las herramientas tiene algunas características realmente buenas y, por eso, muchos aspectos, como la grabación sin bots, la cobertura de plataformas y el servidor MCP, están al mismo nivel.
Estos cuatro productos son bastante parecidos en cuanto a lo que pueden hacer, pero el resultado real de la transcripción demuestra que, en lo que respecta a la transcripción del ruso, no se pueden comparar.
Confianza, seguridad y valor
Esta sección se centra en la seguridad y la fiabilidad de cada plataforma. Todas las herramientas que se presentan cuentan con excelentes características de seguridad y son muy conscientes de las responsabilidades que tendrán en 2026 a la hora de garantizar la seguridad de los datos.
tl;dv Fireflies HappyScribe sacan la máxima puntuación, mientras que Fathom puntos en dos apartados por razones muy concretas.
| Métrico | Cómo se puntúa | tl;dv | Fireflies | Fathom | HappyScribe |
|---|---|---|---|---|---|
| Residencia de datos / Alojamiento regional | Opciones de alojamiento regional, por ejemplo, alojamiento en la UE bajo demanda | 3/3 informo | 3/3 informo | 0/3 | 3/3 informo |
| Seguridad y cumplimiento | SOC2, ISO 27001, RGPD | 3/3 informo | 3/3 informo | 3/3 informo | 3/3 informo |
| Entrenamiento de IA con audio de los usuarios | ¿Evita que se entrene la IA con tu audio? (Si no se entrena, se obtiene la máxima puntuación) | 3/3 informo | 3/3 informo | 0/3 | 3/3 informo |
| Controles de retención de datos | Control sobre el tiempo que se conservan las grabaciones y las transcripciones | 3/3 informo | 3/3 informo | 3/3 informo | 3/3 informo |
| Transparencia en los precios | Los precios de los planes se publican, en lugar de ofrecerse solo mediante presupuesto | 3/3 informo | 3/3 informo | 3/3 informo | 3/3 informo |
| Plan gratuito / límites | Disponibilidad de un plan gratuito (una prueba gratuita por sí sola se puntúa con 0) no informo | 3/3 informo | 3/3 informo | 3/3 informo | 3/3 informo |
| Subtotal de confianza, seguridad y valor | 18/18 informo | 18/18 informo | 18/12 | 18/18 informo |
Residencia de datos y alojamiento regional
tl;dv Fireflies HappyScribe han sacado un 3. Fathom un 0.
Esta es la primera diferencia en la que las tres herramientas se distancian de Fathom. Y es bastante importante. Los clientes pueden elegir dónde se almacenan sus datos, lo cual es clave para las empresas de la UE y para aquellas que operan en sectores muy específicos. La valoración aquí se basa en la variedad de opciones disponibles.
Los equipos del Reino Unido y de Europa, sobre todo, tendrán compromisos de alojamiento, y muchas empresas no podrán almacenar datos en ubicaciones geográficas concretas.
Fathom ofrece opciones al respecto, y todos sus datos se almacenan en EE. UU. Sí que afirman que, para los proveedores de la UE y el Reino Unido, pueden cumplir con el RGPD y firmarán un acuerdo de tratamiento de datos (DPA) si se les solicita.
Entrenamiento de IA con audio de los usuarios
tl;dv Fireflies HappyScribe han sacado un 3. Fathom un 0.
En esta sección se puntúa el hecho de no entrenar la IA con datos de clientes. Tres de las cuatro herramientas indican que no lo hacen.
La postura Fathomes más compleja. Sus subprocesadores de IA, a los que denomina Anthropic, OpenAI y Google, tienen prohibido por contrato entrenarse con datos de los usuarios. Fathom que utiliza datos de clientes anonimizados para mejorar sus propios modelos, y esa opción está activada por defecto.
Se puede desactivar, y los administradores del equipo pueden desactivarla para toda una organización. Pero yo solo la encontré después de ir bajando por los ajustes, y una opción que hay que encontrar es algo muy distinto a una que hay que activar.
Prueba de precisión de las reuniones en ruso: metodología
Nuestra comparación se basa en una prueba controlada y comparativa, diseñada para que todas las herramientas se sometan a las mismas condiciones.
El conjunto de pruebas
Para garantizar una amplia variedad de situaciones en las pruebas, se eligieron tres mesas redondas rusas sin relación entre sí. Las grabaciones procedían de fuentes públicas y, siempre que fue posible, realizamos todas las pruebas en condiciones idénticas.
Lo primero es un debate empresarial sobre la diferencia entre crecimiento y desarrollo, en el que se tratan temas como la estructura organizativa, la rotación de personal y el riesgo.
La segunda es una mesa redonda sobre comunicación corporativa, llena de palabras prestadas del inglés, nombres de marcas y cifras de usuarios.
El tercero es un análisis sobre el desarrollo urbano, el turismo y el mercado inmobiliario en Kazán, repleto de nombres de lugares locales.
Los vídeos duraban unos 7 minutos, lo que debería ser suficiente para establecer un patrón claro e identificar los puntos débiles. Todas las herramientas se unieron a la misma Google Meet y grabaron a la vez. El audio que recibieron era el mismo y correspondía a una situación idéntica.
Además, siempre que ha sido posible, hemos hecho una subida por separado para evaluar la fila de diarización. Se trataba del mismo audio, subido directamente, para evitar la llamada.
La reseña
En primer lugar, se evaluaron de forma ciega la transcripción y la calidad de la reunión. Los resultados de las herramientas se recopilaron en un documento y se anonimizaron utilizando las letras A a D. Ni los modelos de lenguaje grande (LLM), ni nuestro hablante nativo, pudieron determinar qué transcripción correspondía a cada herramienta.
Hicimos dos pasadas independientes con modelos de lenguaje grande (LLM), evaluándolas según la rúbrica de puntuación. Una la hizo Claude y la otra, ChatGPT. Se llevaron a cabo en proyectos independientes y no vieron los resultados del otro.
Cuando las dos herramientas no coincidían, nos decantábamos por la que aportaba más pruebas, en lugar de hacer una media. Esto significa que la puntuación conciliada se remonta a líneas concretas de transcripciones específicas, en lugar de referirse al conjunto.
Después le pedimos a un hablante nativo de ruso que revisara los resultados, identificando las partes que presentaban mayor dificultad y los puntos en los que las herramientas daban resultados diferentes. Le dimos los enlaces al audio original para que pudiera compararlos. Estas anotaciones nos sirvieron para confirmar los resultados de los modelos de lenguaje grande (LLM) e introducir ejemplos concretos que un hablante nativo de ruso notaría.
Las capacidades y la confianza se puntuaron posteriormente, basándose en la documentación disponible en el momento de las pruebas. Estos datos se verificaron directamente con los proveedores, en lugar de en una página de terceros.
El juego de herramientas
Las herramientas se eligieron por una razón: en su publicidad dicen que pueden transcribir ruso.
Desglose del motor y del plan
El motor de estas herramientas es el que se encarga del trabajo de transcripción, y no siempre está disponible públicamente. En nuestras pruebas tl;dv ElevenLabs; Fireflies licencias en lugar de versiones, pero no menciona a ningún proveedor. Fathom HappyScribe no revelan nada.| Herramienta | Motor subyacente / proveedor | De desarrollo propio o con licencia | Tipo de motor | Plan |
|---|---|---|---|---|
| tl;dv | ElevenLabs Scribe | Con licencia, información pública | ASR dedicado | Empresa |
| Fireflies | No se ha revelado | Con licencia. El director general, Krish Ramineni, ha dicho que la empresa nunca quiso ser una empresa de API y que la transcripción es solo un medio para alcanzar un fin, refiriéndose a los proveedores externos de reconocimiento de voz (ASR). | Reconocimiento de voz de terceros con una capa de modelo de lenguaje grande (LLM) superpuesta | Pro |
| Fathom | No se ha revelado | No se ha revelado | No se ha revelado | Gratis |
| HappyScribe | No se ha revelado | No se ha revelado | No se ha revelado | Plan Lite |
Ámbito de aplicación y advertencias
Para cada sesión de grabación, no había transcripciones literales verificadas. Probamos los subtítulos automáticos de YouTube como referencia y los descartamos: al compararlos con esos subtítulos, todas las herramientas obtuvieron un porcentaje de error superior al 100 %. La diarización se realizó mediante la subida directa de un archivo, en lugar de una llamada en directo. Fathom no Fathom opción de subida, así que el 0 que aparece en esa fila indica que no dispone de esa función, no que la prueba haya fallado. Todas las puntuaciones de este artículo se fijaron antes de mencionar el nombre de ninguna herramienta.¿Cuál es el mejor programa de transcripción de reuniones para ruso?
tl;dv obtenido la puntuación más alta de las cuatro herramientas que hemos probado, con 168 sobre 200, y lo que ha marcado la diferencia ha sido la precisión de la transcripción, más que las funciones. Aunque todas estas herramientas hacen lo mismo, no captan ni graban el ruso igual.
El verdadero punto débil de muchas de estas herramientas, en comparación con tl;dv su capacidad para detectar y transcribir correctamente los nombres propios. La detección de entidades era la mayor carencia en la tabla de puntuación. Las marcas, los lugares y las siglas deben transcribirse al alfabeto cirílico. Si la herramienta intenta adivinar, puedes acabar con una transcripción que parezca correcta, pero que en realidad sea errónea.
Esa tendencia se mantiene en toda la serie. Hemos realizado la misma prueba de 200 puntos en japonés, español, francés, alemán, italiano, portugués, sueco y finés. Diferentes idiomas, diferentes competidores, pero siempre con el mismo sistema de puntuación. Si trabajas en uno de esos idiomas, empieza por ahí en lugar de usar un punto de referencia en inglés.
Las funciones que se mencionan en este artículo se pueden solucionar de otra forma, y tl;dv ya tl;dv la mayoría de ellas, pero una transcripción en la que se nombra mal al cliente no sirve de nada. Prueba tl;dv tu próxima reunión en ruso, es gratis; compruébalo por ti mismo y descubre cómo una mejor calidad de los resultados puede mejorar todo tu trabajo posterior.
Preguntas frecuentes sobre la transcripción de reuniones en ruso
¿Cuál es la herramienta de transcripción con IA más precisa para el ruso?
tl;dv la más precisa, con una puntuación de 52 sobre 65 en calidad de transcripción en nuestra prueba a ciegas de 2026. HappyScribe quedó en segundo lugar con 35, Fireflies 22 y Fathom . La diferencia fue mayor en la detección de entidades, donde tl;dv 5 sobre 5 frente a 2, 1 y 0. Los nombres propios son donde las herramientas de transcripción rusas marcan la diferencia.
¿Qué asistentes de reuniones con IA están disponibles en ruso?
tl;dv Fireflies Fathom HappyScribe generan transcripciones en ruso. Ninguno de los cuatro ofrece una interfaz en ruso, así que todo lo relacionado con la transcripción sigue estando en inglés. Google Gemini en absoluto la transcripción de reuniones en ruso. Gemini ocho idiomas: inglés, francés, alemán, italiano, japonés, coreano, portugués y español.
¿Por qué las herramientas de transcripción con IA se equivocan tanto en ruso?
Los modelos de transcripción pueden insertar texto predeterminado cuando el audio se queda en silencio o hay ruido, en lugar de no mostrar nada. En nuestra prueba de 2026, Fathom una línea de créditos de subtítulos que no aparece en ningún momento del audio. Fireflies «Продолжение следует», un texto de cierre predeterminado. Ambos son patrones de texto que se han observado con frecuencia en modelos entrenados con vídeos subtitulados.
¿Qué precisión tiene la transcripción con IA en ruso en comparación con el inglés?
La precisión varía mucho más en ruso de lo que sugieren los datos de referencia publicados en inglés. En nuestra prueba de 2026, las cuatro herramientas obtuvieron puntuaciones de entre 14 y 52 sobre 65 en las mismas tres reuniones. Los errores no fueron pequeños descuidos. Entre ellos había frases en inglés inventadas, una expresión repetida veinticuatro veces y «diez años» transcritos como «diez millones».
¿Los sistemas de toma de notas con IA pueden manejar el ruso y el inglés en la misma reunión?
Las cuatro herramientas que probamos en 2026 transcriben el ruso con cambio de código, con resultados dispares. tl;dv Fathom la palabra inglesa «whatever» en alfabeto latino. Fireflies la Fireflies fonéticamente como «вот эвер», lo que nuestro hablante nativo señaló como incorrecto. La transliteración causó más problemas que el propio cambio de código. Solo tl;dv correctamente «Проктер энд Гэмбл» y «CBD».
