De horas de audio, fragmentos que puedes volver a encontrar.

La detección y la transcripción automáticas pueden equivocarse. La disponibilidad de las capturas y la cobertura se verifican para cada fuente.

Qué se detecta realmente, y qué no

Se detectan bien los anuncios que dicen algo verificable: un teléfono, un sitio web, un precio, una llamada a la acción. Se pasan por alto, por diseño: los anuncios de imagen que son solo marca más eslogan, los patrocinios de programas, la promoción cruzada entre los canales de un mismo grupo, los mensajes sociales, los jingles cantados (Whisper los transcribe como poesía o ruido), los anuncios de menos de 5 segundos y los que tienen una transcripción degradada por una captura deficiente.

Precisión medida, sobre datos reales

La auditoría propia del 25 de mayo de 2026, sobre la base de datos en vivo con 5018 capturas y 7428 segmentos, dio 111 anuncios después de la expansión. La distribución de las puntuaciones: 80 segmentos por encima de 0,50 (anuncios claramente identificados), 29 entre 0,40 y 0,50, 193 entre 0,30 y 0,40 — verificados manualmente como en su mayoría anuncios reales omitidos — 278 entre 0,20 y 0,30, 33 entre 0,10 y 0,20 y 6815 por debajo de 0,10, es decir, música. Recall estimado en el umbral de entonces, 0,40: 30–50%. El umbral se bajó posteriormente a 0,30 precisamente sobre la base de esta medición, lo que aumenta el recall y también el número de falsos positivos a revisar.

Por qué no es una medición de precisión completa

Para publicar una cifra de precisión y recall en el sentido estricto de la palabra, harían falta 60+ minutos de audio etiquetado manualmente por emisora, comparado con la salida del sistema. El estudio está planificado, no hecho. Lo que tenemos es una distribución de puntuaciones sobre datos reales más verificación manual por muestras — menos que un benchmark, más que una impresión, y es importante no confundir esas dos cosas.

La cobertura temporal es la limitación real

En la ventana auditada, las capturas cubrieron tres intervalos de unas 80 horas posibles — el resto, con el monitor apagado. Eso, no el detector, es la razón principal por la que la base tenía 111 anuncios y no miles. Un resultado útil requiere operación continua en un servidor, no en un portátil. Un detalle que depende del mercado y es correcto: entre las 00:00 y las 05:00 el resultado de cero anuncios no es un error — las radios moldavas ponen música sin publicidad en ese intervalo.

La capacidad de transcripción es el cuello de botella

En un Mac con Apple Silicon, en CPU, `large-v3-turbo` con un solo trabajador funciona a aproximadamente la mitad del tiempo real: unas 2 segmentaciones por minuto procesadas frente a 4 producidas por 4 emisoras. La cola se llena, la presión se propaga hacia atrás y la captura se ralentiza — el comportamiento correcto, porque no perdemos audio. Para 10 emisoras continuas se necesita GPU, de 2–4 trabajadores o segmentos más largos, de 60–120 segundos.

Qué se almacena y cuánto

Audio WAV en disco, con limpieza por defecto de los archivos de más de 48 horas; las transcripciones, los segmentos, los anuncios y los clústeres permanecen en la base de datos. Es decir, la prueba de audio de un anuncio está disponible dos días si no cambia el plazo, y el texto permanece.

Derechos sobre las grabaciones — no establecidos

En el proyecto no existe ningún documento de derechos ni de licenciamiento: la única mención de licencia es `license = { text = "Private" }` en la configuración del paquete. Los flujos en la configuración de referencia son flujos públicos de escucha de emisoras de Moldavia. La grabación y conservación de una emisión para análisis no es lo mismo que escucharla, y quien paga el monitoreo debe tener la base legal para la captura y la retención — para cada emisora. Eso se aclara antes de la primera instalación, no después; nosotros no podemos transferir un derecho que no tenemos.