Por qué pasa
El reconocimiento de voz elige la palabra más común que suena parecido. No conoce los nombres de personas, marcas, siglas ni términos de tu sector.
Cómo se arregla
- Si la herramienta lo permite, dale una lista de palabras o un texto de contexto con los nombres correctos.
- Graba con el micrófono cerca y sin ruido de fondo.
- Después, pide a un chat que corrija solo los nombres usando tu lista, sin tocar nada más.
- Haz un «buscar y reemplazar» con los errores que se repiten.
Cómo saber que está arreglado
Buscas cada nombre de tu lista en el texto y aparece bien escrito.
Por qué pasa
Muchas herramientas detectan el idioma con los primeros segundos de audio. Si empiezan con silencio, música o una frase en otro idioma, se equivocan para todo el archivo.
Cómo se arregla
- Indica el idioma a mano en lugar de dejarlo en automático.
- Recorta el silencio o la música del principio.
- Si hay varios idiomas, transcribe cada tramo por separado.
Cómo saber que está arreglado
El texto sale en el idioma que se habla en el audio.
Por qué pasa
En silencios largos, música o ruido, algunos modelos de transcripción «rellenan» con frases que han visto mucho al aprender, como despedidas o créditos de subtítulos.
Cómo se arregla
- Activa la detección de voz o el filtro de silencios si la herramienta lo tiene.
- Recorta los silencios largos y la música antes de transcribir.
- Revisa con especial cuidado los tramos sin voz.
Cómo saber que está arreglado
Al escuchar los tramos dudosos, cada frase del texto se oye en el audio.
Por qué pasa
El clon copia lo que oye en la grabación de referencia, también el ruido, el eco, la música o la mala calidad del micrófono. Varias voces mezcladas o un audio cortado a mitad de frase también lo estropean.
Cómo se arregla
- Graba unos segundos de una sola persona, en una habitación sin eco y sin música.
- Corta la grabación por una pausa, no a mitad de palabra.
- Mira cuánta duración recomienda tu herramienta: muchas funcionan mejor con unos segundos limpios que con minutos ruidosos.
- Si la herramienta pide la transcripción del audio de referencia, que sea exacta.
- Prueba dos o tres grabaciones distintas y quédate con la mejor.
Cómo saber que está arreglado
Alguien que conoce la voz la reconoce en una frase de prueba.
Por qué pasa
Lee siguiendo las reglas del idioma que tiene configurado. Una marca en inglés o un nombre inventado se leen como si fueran palabras en español.
Cómo se arregla
- Escribe la palabra como suena en el texto que le pasas a la voz, no como se escribe.
- Si la herramienta tiene diccionario de pronunciación, añade ahí la palabra.
- Prueba solo esa frase antes de generar el audio entero.
Cómo saber que está arreglado
En la frase de prueba, la palabra suena como quieres.
Por qué pasa
Los generadores de imágenes dibujan píxeles, no escriben letras. Con textos cortos aciertan cada vez más, pero con frases largas o letra pequeña se inventan caracteres.
Cómo se arregla
- Pon el texto exacto entre comillas en la petición.
- Usa pocas palabras, grandes y con mucho contraste.
- Si el texto importa (un cartel, un precio), genera la imagen sin texto y añádelo después en un editor.
Cómo saber que está arreglado
Lees el texto de la imagen letra a letra y coincide con el que pediste.
Por qué pasa
Las manos tienen muchas posiciones posibles y los dedos se tapan unos a otros, así que el modelo se equivoca más con ellas que con otras partes.
Cómo se arregla
- Describe una pose sencilla: manos en los bolsillos, sujetando algo grande, fuera del encuadre.
- Genera varias versiones y elige la mejor.
- Corrige solo la zona de la mano con la función de editar una parte de la imagen, si la herramienta la tiene.
Cómo saber que está arreglado
Con el zoom, cuentas cinco dedos en cada mano y las articulaciones tienen sentido.
Por qué pasa
Cada imagen se genera desde cero. Sin una referencia, el modelo reinterpreta la descripción cada vez.
Cómo se arregla
- Usa una imagen de referencia del personaje en cada petición.
- Escribe una descripción fija (ropa, peinado, colores) y cópiala igual en todas.
- Para variaciones, edita una imagen buena en lugar de generar otra nueva.
Cómo saber que está arreglado
Puestas una al lado de otra, las imágenes muestran claramente al mismo personaje.
Por qué pasa
En algunas tomas el modelo pierde una parte de la letra o la cambia. Es un fallo que aparece de vez en cuando, no en todas las tomas.
Cómo se arregla
- Genera varias tomas de la misma canción y quédate con la mejor.
- Marca la estructura de la letra (estrofa, estribillo) si la herramienta lo admite.
- Escucha la toma elegida siguiendo la letra escrita.
Cómo saber que está arreglado
Al escucharla con la letra delante, no falta ni cambia ningún verso.