Buscar palabras en audio

El problema de las grabaciones largas

El audio es opaco para la búsqueda de una forma que el texto nunca lo es: no puede hojear una llamada de dos horas como hojea una página. Equipos de cumplimiento, periodistas y editores de podcast históricamente resolvían esto transcribiendo todo primero y buscando en el texto, lo cual funciona pero agrega un paso completo de transcripción incluso cuando solo necesita tres marcas de tiempo. Este endpoint se salta ese rodeo: escucha directamente las palabras o frases que le dé y reporta dónde aparece cada una.

Qué envía y qué recibe

Envía el archivo de audio junto con la lista de palabras o frases a buscar; la tarea se pone en cola de forma asíncrona y devuelve un task_id de inmediato. Cuando el procesamiento termina, los resultados llegan por webhook firmado o por un enlace firmado válido por 24 horas, con cada coincidencia junto a su marca de tiempo en la grabación y el término encontrado, para que pueda construir un índice clicable o una lista de saltos sin revisar nada manualmente.

Una prima cercana de la transcripción

Esta es la misma idea de fondo que radiodifusoras y centros de llamadas han usado por años bajo el nombre 'detección de palabras clave', una alternativa más ligera y rápida que la transcripción completa cuando solo le interesa saber si y cuándo aparecen ciertos términos. Como no necesita transcribir cada palabra de la grabación, puede enfocar el cómputo en detectar su lista de objetivos, que es exactamente la herramienta correcta cuando la pregunta es 'mencionaron el nombre del producto' y no 'qué dijeron durante dos horas'.

Cómo encaja en un flujo de trabajo

Los equipos suelen llamar este endpoint justo después de que llega una grabación, una llamada de soporte, la subida de un podcast, un registro de cumplimiento, y usan las marcas de tiempo para armar un resumen de momentos destacados, una alerta de cumplimiento o un reproductor que salta directo a la mención. El precio es una base fija por solicitud más una tarifa por minuto de audio, así un clip de cinco minutos cuesta una fracción de uno de sesenta, y una tarea fallida, tras los reintentos automáticos, nunca se cobra.

Acceso y manejo de datos

El endpoint requiere saldo prepago, igual que el resto de la API; sin eso, las solicitudes devuelven HTTP 402 en vez de degradarse silenciosamente. El audio subido y los resultados de búsqueda se eliminan al pasar el período de retención y nunca se usan para entrenar modelos; recibe exactamente las marcas de tiempo que pidió, por su webhook o por un enlace firmado temporal, y nada queda almacenado más allá de eso.