Ir al contenido

Caso de estudio

Un servicio de IA que cobra por segundo también cobra por el silencio

Cada segundo que se envía a un servicio de voz se cobra, incluido el silencio después de la última palabra. En la herramienta de un cliente, cerca de un tercio de cada clip era ese silencio. Así se rastreó, se recortó y se probó.

Puntos clave

  • Una factura por segundo cuenta cada segundo que usted envía, no cada segundo que su cliente escucha.
  • El silencio después de la última palabra es el desperdicio más fácil de encontrar, porque ninguna edición terminada lo reproduce.
  • Acorte un clip solo cuando el fin de la voz se haya medido y el propio audio lo confirme, y envíe todo lo demás completo.
  • Compare el resultado anterior con el nuevo en ejemplos reales antes de dar por seguro un cobro más bajo.

Si usted paga un servicio de IA que cobra por segundo, el medidor corre sobre todo lo que le envía, incluido el silencio después de la última palabra que ningún oyente llega a escuchar. En la herramienta de video de un cliente, cerca de un tercio de cada clip que se enviaba para cambiar la voz era exactamente eso: silencio. Rastreamos de dónde venía, cambiamos lo que se envía, probamos el resultado contra clips completos y lo dejamos funcionando en un día hábil; un cambio de voz en esa plataforma ahora cuesta cerca de un tercio menos por clip.

Lo que esconde una factura por segundo

Una tarifa por segundo le dice el precio de un segundo, no cuántos de los segundos que paga llegan alguna vez a su cliente.

La factura llega como un conteo de segundos usados. No separa los segundos que llevaron voz del silencio antes de que alguien empiece a hablar o después de que termina, y un solo total esconde bien esa diferencia. En una herramienta que maneja clips todo el día, es fácil pasarla por alto.

Parte de ese silencio es inevitable: una pausa en medio de una frase es parte de la interpretación y debe quedarse. La parte que vale la pena buscar es la cola después de la última palabra, que la pieza terminada corta de todos modos.

Por qué se desperdicia en herramientas como esta

Enviar un clip completo es lo más sencillo de construir, así que según nuestra experiencia es lo que se construye.

El servicio recibe el archivo de principio a fin y cobra cada segundo, incluido el ruido de fondo. La edición terminada, en cambio, corta una fracción de segundo después de que termina la voz, así que nada de esa cola se reproduce nunca.

Las dos longitudes viven en lugares distintos. La factura cuenta segundos recibidos; la edición cuenta segundos conservados. Hasta que alguien pone una al lado de la otra, la diferencia queda fuera de la vista.

Cómo lo rastreó nuestro ingeniero

La herramienta ya sabía dónde terminaba la voz en cada clip, porque ese es el punto donde se corta la edición. Esa medición fue el hilo que tiró nuestro ingeniero.

La siguiente pregunta era cuánto de lo que sigue a ese punto se reproduce realmente. Comparado con los dos tipos de edición de la herramienta, resultó un poco más de una décima de segundo en uno y menos de un tercio de segundo en el otro. Todo lo que se enviaba después se pagaba y se desechaba, y en estos clips eso llegaba a cerca de un tercio de cada uno.

La preocupación obvia era la calidad. Un servicio de voz trabaja con el clip que recibe, y un clip más corto podría volver sonando distinto en los bordes. Así que el cambio no se dio por terminado hasta que se probó con clips reales y conversiones reales y se comparó con la forma anterior de enviar todo completo.

Qué cambiamos

Ahora cada clip se envía solo hasta medio segundo después de su última palabra, y nunca se corta a menos de cuatro décimas de segundo pasado ese punto.

Dos revisiones tienen que coincidir antes de acortar un clip. El fin de la voz debe haberse medido en ese mismo clip, y el sonido del propio clip debe confirmar que la voz terminó: que la cola está en silencio, no una nota sostenida ni el inicio de otra palabra. Cuando ambas coinciden, la voz cambiada vuelve y se rellena con silencio hasta la longitud original exacta del clip, de nuestro lado, después de que el servicio la devuelve. Ese relleno nunca se envía, así que nunca se cobra, y la edición recibe un clip igual de largo que antes.

Todo lo que falla cualquiera de las dos revisiones se envía completo, como siempre, y el registro anota por qué.

Lo que usted vería si esta fuera su herramienta: un clip acortado se cobra por menos segundos que su propia longitud, y el registro lleva el motivo. Un clip enviado completo se cobra por exactamente su longitud, con el motivo al lado en el registro: el fin de la voz no se pudo medir en ese clip, o el sonido de la cola no se leyó como silencio.

Lo que mostraron las pruebas, y lo que sigue completo

El cambio se puso en marcha en la plataforma del cliente después de pruebas con clips reales y conversiones reales, y se comporta como la forma anterior dentro de los límites que pudimos medir.

En esas pruebas el fin de la voz se movió como máximo unos pocos milésimos de segundo. La forma de la voz coincidió tanto como coinciden entre sí dos conversiones completas del mismo clip, y el volumen se mantuvo dentro de la diferencia normal entre dos pasadas del mismo clip. Eso es una comparación, no una promesa: dice que no pudimos medir un cambio, no que no exista.

Una parte de la herramienta queda intacta. Cambiar la voz de un anuncio completo a la vez todavía no usa la medición y sigue enviando clips completos.

Lo que usted mismo puede revisar

  • Tome un clip que ya haya procesado y ponga su propia longitud al lado de los segundos que se le cobraron. Si los dos son iguales, ese clip se envió completo.
  • Busque el registro o el historial de la herramienta. Un clip acortado debería tener un motivo anotado al lado, y también un clip que se dejó como estaba.
  • Pregunte si todos los trabajos de la herramienta usan el envío más corto o solo algunos. En esta herramienta, cambiar la voz de un anuncio completo a la vez todavía envía clips completos.
  • Pregunte qué pasa con el audio que la herramienta no puede evaluar con seguridad. La respuesta que debe buscar es que pasa como antes, completo.
  • Para un servicio que cobra por minuto, pregunte si los tramos largos de silencio se envían y si algo los usa.

Qué hacer ahora

Empiece con un solo número, en un solo tipo de trabajo: cuántos segundos envía para procesar, frente a cuántos terminan en el trabajo final. Si nadie puede mostrárselo con ejemplos reales, deje la herramienta como está y vuelva a preguntar antes de recortar nada. Recortar lo que recibe un servicio pagado, y demostrar que el resultado sigue sonando igual, es el tipo de trabajo que nuestros ingenieros hacen para los clientes.

Preguntas frecuentes

¿Cómo sé si estoy pagando por silencio en una herramienta de voz o video con IA?

Compare dos longitudes: lo que envía al servicio y lo que termina en la pieza final. Si un clip se envía completo y la edición corta una fracción de segundo después de la última palabra, se está cobrando la cola y nunca se reproduce. La factura sola no lo muestra, porque solo informa los segundos usados.

¿Recortar el clip cambiará cómo suena la voz?

En nuestras pruebas con clips reales no cambió, dentro de lo que pudimos medir. El fin de la voz se movió como máximo unos pocos milésimos de segundo, la voz coincidió tanto como coinciden entre sí dos pasadas completas del mismo clip, y el volumen se mantuvo dentro de la diferencia normal entre pasadas. Además, el recorte solo se hace cuando coinciden dos revisiones separadas, y la voz cambiada se rellena de vuelta a la longitud original.

¿Qué pasa con los clips que la herramienta no puede evaluar con seguridad?

Se envían completos, exactamente como antes. Un clip se acorta solo cuando el fin de la voz se midió en ese clip y el sonido del propio clip confirma que la voz terminó. La herramienta también registra por qué cada clip se acortó o se dejó como estaba.

¿Esto aplica también a servicios de transcripción y video, o solo a la voz?

Solo lo hicimos para cambios de voz en la herramienta de video de un cliente, así que no podemos decirle cuánto ahorraría en otros casos. Vale la pena preguntarlo en todo lo que se cobra por segundo o por minuto: transcripción de grabaciones largas con tramos de silencio, o procesamiento que rellena clips. Pregunte a dónde van los segundos que no se usan.

¿Cuánto silencio suele haber en un clip?

En los clips que revisamos, cerca de un tercio de cada uno era silencio después de la última palabra. Eso viene de una herramienta y un conjunto de clips, así que tómelo como un motivo para medir los suyos, no como una expectativa. La proporción variará según quien habla, el guion y cómo se hizo la grabación.

De Tech Concierge

¿Quiere que nos encarguemos de esto en su negocio?

Su propio ingeniero crea y gestiona el sitio web, la app, el CRM y el asistente de IA que responde a sus clientes.

Los primeros 7 días son gratis.

Lea también

Caso de estudioVideo y contenido

Por qué su herramienta marca como atascado un trabajo largo que sigue en marcha

Dos veces en una semana una plataforma de video le dijo a un equipo que un anuncio se había detenido cuando todavía se estaba haciendo. La solución fue preguntarle al paso que tenía el trabajo antes de darlo por perdido, en lugar de decidir con un reloj.

5 min de lectura

Caso de estudioVideo y contenido

Por qué su presentador de IA cambia de fondo a mitad del video

El equipo de video de un cliente vio que su presentador de IA cambiaba de lugar a mitad de dos anuncios nuevos, y rehacer las líneas no ayudó. La causa era un ajuste que estaba desactivado en un solo tipo de video.

4 min de lectura

Contamos las visitas a este blog con nuestra propia analítica, nunca con la de Google, y no compartimos con nadie lo que usted lee. ¿Podemos recordar este navegador con una cookie? Consulte la política de privacidad.