O límite de gravación de dez minutos era unha desas restricións que parecían razoables nunha folla de especificacións e absurdas na práctica. Dez minutos son para un café. Non é unha reunión.
Agora son noventa minutos.
Esa é a noticia principal, pero o resto desta publicación trata sobre a metade menos obvia do traballo, que é que unha gravación de noventa minutos produce un tipo de nota fundamentalmente diferente a unha de dez minutos, e a maior parte do que lanzamos este mes existe por iso.
Por que dez se converteron en noventa
O límite nunca foi sobre canto tempo poderiamos escoitar. Foi sobre a ruta que toma o audio: as cargas adoitaban pasar polo servidor da aplicación, que limita o tamaño que pode ter unha solicitude.
Agora as gravacións cárganse directamente ao almacenamento, evitando completamente esa ruta, e a transcrición e o procesamento con IA execútanse como traballo en segundo plano en cola en lugar de mentres esperas. Noventa minutos de audio encaixan comodamente dentro deses límites.
Se tentas gravar ou cargar algo máis longo, infórmasete inmediatamente, antes de que comece a carga, en lugar de despois de que falle. Iso soa trivial. Non o era: o comportamento antigo deixaba un ficheiro orfo no almacenamento e dáche un erro ao final dunha longa carga, que é o peor momento posible para recibilo.
As conversas agora volven como conversas
Unha reunión de noventa minutos adoita ter máis dunha persoa, e unha parede de texto transcrito é case inútil para unha conversa real. Non podes saber quen se comprometeu a que.
As gravacións con varios oradores agora almacénanse como diálogo por quendas. O orador A dixo isto, o orador B respondeu aquilo, en orde. O audio dun só orador, unha nota de voz para ti mesmo no coche, permanece como unha transcrición plana, porque converter un monólogo en diálogo sería teatro.
A reescritura finalmente elimina os titubeos
Aquí está o que máis tempo tardamos en facer ben.
A reescritura con IA de BlaBlaNote limpa unha transcrición bruta para convertela en algo lexible. Pero as notas volvían con cada tic verbal intacto. Cada ehm, cada sabes, cada ou sexa e bo. Lexible, tecnicamente. Non limpo.
O pipeline non estaba roto. A instrución simplemente nunca o pedira. Unha palabra de recheo non é un erro gramatical, é unha palabra que o orador realmente dixo, e un corrector ao que se lle pide que corrixa a ortografía, a gramática e a puntuación non ten o mandato de eliminar palabras que foron ditas. Así que non o facía.
A solución requiriu coidado, porque a versión obvia é perigosa. Preguntar libremente, “dáme unha versión limpa e lexible”, si que elimina os recheos, pero de forma pouco fiable, e nas nosas probas unha execución tamén eliminou silenciosamente tres números do texto. Unha ferramenta de toma de notas que ocasionalmente elimina as cifras das túas notas é peor que unha que deixa os titubeos. Moito peor.
O que funciona é ser específico: enumera exactamente o que se pode eliminar e prohibe calquera outra eliminación. Os sons de vacilación vanse. O contido permanece. Medido en execucións repetidas nunha mostra deliberadamente desordenada, esa versión eliminou case todos os recheos mentres conservaba máis do 90% do contido orixinal, de forma consistente, sen cifras perdidas.
As transcricións longas reescríbense en bloques en lugar de pedirse nunha única pasada imposible, e se un bloque volve con aspecto incorrecto, é rexeitado e mantense o texto orixinal. O modo de fallo que nos importa non é “a nota ten un ehm”. É “á nota fáltalle unha frase”. Optimizamos moito contra o segundo.
As túas ligazóns sobreviven
Se pegas unha URL nas túas notas, segue aí despois de que a IA as reprocese. Este era un erro real: a reescritura ocasionalmente eliminaba ligazóns, e agora hai unha garda determinista que reinserta calquera cousa que a IA perdese. Non é unha mellor instrución, é unha garantía.
Os títulos que escribiches a man tamén sobreviven ao reprocesamento.
Refacer o procesamento, correctamente
A acción de refacer o procesamento agora repara as dúas cousas que a xente realmente intentaba corrixir cando a usaba: o idioma de orixe da transcrición e o destino da tradución. Se unha reunión en catalán se transcribía como español, refacelo agora realmente o refai, en lugar de volver executar a mesma suposición errónea.
Relacionado: a pantalla de captura ten unha barra de idioma compacta, co selector de orixe sempre accesible e a tradución como unha opción explícita en lugar de algo que che sucede. Ensinar a BlaBlaNote o teu idioma nunca foi tan relevante como nunha reunión de noventa minutos onde tres persoas alternan entre dous idiomas.
Os fallos deixan de ser silenciosos
A peor clase de erros nunha aplicación de gravación é a silenciosa. Gravas, pechas a aplicación, e simplemente non hai ningunha nota. Sen erro, sen explicación, sen nada que reintentar.
Dous deles xa desapareceron. A sincronización en segundo plano das gravacións sen conexión agora mostra a razón real en caso de fallo permanente, xa sexa por validación, cota ou reintentos esgotados, en lugar de fallar silenciosamente no baleiro. E unha resposta da IA que volve baleira agora falla ruidosamente e reintenta, en lugar de marcar a interacción como feita sen contido.
Tamén eliminamos unha advertencia que dicía á xente que as súas gravacións non sincronizadas serían eliminadas. Non o serían. A advertencia describía unha purga que non existía.
O que isto significa
Dez minutos convertían BlaBlaNote nunha aplicación de notas de voz. Noventa minutos convértena nunha aplicación de notas de reunións, e estas teñen requisitos diferentes: atribución de oradores, prosa lexible, ligazóns intactas e, sobre todo, ningunha perda silenciosa, porque non podes revisar unha nota comparándoa cunha reunión que xa esqueciches.
Se estiveches usando BlaBlaNote para capturas rápidas e tomando as túas notas de reunión reais noutro lugar, este é o mes para probar a pasar as reais. Grava a túa próxima reunión de principio a fin e mira o que che devolve.
Aínda non es usuario? Comeza a proba gratuíta, grava algo longo e desordenado a propósito, e xúlgao por iso en lugar de por unha demostración limpa de trinta segundos. Ese é o caso no que pasamos este mes.
