Transcripción con IA: Cada Video Que Graba Tu App Se Convierte en Datos Analizables

TL;DR

• VIDTREO AI ahora transcribe cada grabación completada automáticamente — sin llamada a API, sin polling, sin proveedor extra
• Recibes la transcripción en tres formatos: subtítulos WebVTT, JSON a nivel de palabra con marcas de tiempo, y texto plano — cada uno pensado para un trabajo distinto
• El idioma se detecta automáticamente — tus usuarios graban en español, portugués o inglés y simplemente funciona
• El video es el dato más rico que recolecta tu plataforma y el más difícil de analizar. El texto no. La transcripción convierte cada grabación en algo que puedes buscar, puntuar, indexar y alimentar a tu propia IA
• La entrega corre sobre infraestructura que ya conectamos por ti: webhooks firmados, eco de metadata, secretos encriptados, reintentos automáticos

El Video Es Tu Dato Más Ciego

Piensa en lo que hay dentro de los videos que graba tu plataforma. Un candidato explicando exactamente por qué dejó su último trabajo. Un estudiante demostrando si entendió la tarea. Un paciente describiendo síntomas con sus propias palabras. Un cliente contándote con precisión qué funcionalidad lo hizo abandonar.

Todo está ahí. Y nada de eso es consultable.

No puedes hacer SELECT de un video. No puedes hacer búsqueda de texto completo en un MP4. No puedes alimentar 400 horas de entrevistas a un modelo de puntuación como píxeles. El video es al mismo tiempo el dato de mayor señal que recolecta tu producto y el único que tu stack de datos no puede tocar.

Ese es el problema que VIDTREO AI resuelve ahora a nivel de plataforma: cada grabación se convierte en texto analizable, automáticamente, en el momento en que se completa.

El Pipeline: Entra Grabación, Sale Dato

Activa AI Transcription para tu entorno — un solo interruptor en el dashboard — y el pipeline corre solo:

El usuario termina de grabar
    → VIDTREO Recorder sube el video
    → VIDTREO AI extrae el audio y lo transcribe
    → Idioma detectado automáticamente, se generan marcas de tiempo a nivel de palabra
    → La transcripción se almacena en tres formatos (VTT, JSON, TXT)
    → Un webhook firmado entrega todo a tus sistemas

Ninguna API de transcripción que integrar. Ningún paso de extracción de audio. Ninguna configuración de idioma — un candidato en São Paulo graba en portugués, un estudiante en Madrid graba en español, y ambos vuelven transcritos.

Tres Formatos, Porque el Análisis Tiene Tres Formas

Formato	Contenido	Pensado para
WebVTT	Cues de subtítulos con tiempo	Accesibilidad: se coloca directo en un elemento <track> para reproducción conforme a norma
JSON	Segmentos a nivel de palabra con tiempos de inicio/fin	Análisis: búsqueda, interfaces de salto a momento, alimentar LLMs y modelos de puntuación
TXT	Transcripción en texto plano	Indexación: búsqueda de texto completo, resúmenes, archivos de cumplimiento

El formato JSON es el que cambia lo que puedes construir. La temporización a nivel de palabra significa que cada palabra en cada video es direccionable: sabes qué se dijo y exactamente cuándo. Esa es la primitiva detrás de “muéstrame el momento en que el candidato mencionó Kubernetes” y “salta a donde el profesor explica recursión.”

Lo Que el Análisis Desbloquea

El patrón se repite en cada industria: una vez que el video es texto, tus herramientas de datos existentes — y tu propia IA — de repente se pueden aplicar.

Contratación: Las Entrevistas Se Convierten en Señal Estructurada

Una entrevista en video solía ser 20 minutos de reproducción. Ahora es un documento:

• Busca entre cientos de entrevistas por habilidades, herramientas o frases específicas
• Alimenta las transcripciones a tu modelo de puntuación y ordena candidatos antes de que alguien presione play
• Salta al momento exacto en que surgió un tema, con marcas de tiempo a nivel de palabra
• Evalúa candidatos globales de forma justa — la transcripción funciona en el idioma que hablan

Educación: Cada Clase Es Buscable, Cada Estudiante Es Escuchado

• Cumplimiento de accesibilidad desde el primer momento — subtítulos WebVTT en cada grabación
• Búsqueda de contenido — los estudiantes encuentran el minuto exacto en que se explicó un concepto, en todo un semestre
• Revisión de entregas a escala — verificación de palabras clave y rúbricas en exámenes orales sin ver cada video
• Aulas multi-idioma — los estudiantes graban en su idioma nativo

Telesalud: Documentación Sin la Carga Administrativa

• Transcripciones de sesión archivadas en el registro del paciente en el momento en que termina la llamada
• Redacta notas clínicas a partir de la conversación en lugar de escribir de memoria
• Registros con marca de tiempo y verificables para cumplimiento normativo — con acceso controlado por tus sistemas

Feedback de Clientes: Escucha Todo, a Escala

• Enriquece los tickets de soporte con lo que el cliente realmente dijo
• Enruta y categoriza por tema automáticamente
• Marca frases de riesgo de abandono en el momento en que llega el video
• Haz que cada testimonio sea buscable para los equipos de marketing y producto

Ninguno de estos requiere un nuevo proveedor de IA de tu parte. Requieren la transcripción — entregada como dato, donde ya viven tus sistemas.

El Riel de Entrega: Infraestructura Que No Tienes Que Construir

El análisis solo es automático si la entrega también lo es. Aquí es donde la infraestructura de plataforma que hemos estado construyendo — webhooks, eventos, metadata — sostiene la funcionalidad.

Cuando la transcripción se completa, se dispara un evento transcriptions.transcription.completed hacia tu endpoint con todo adjunto:

{
  "event": "transcriptions.transcription.completed",
  "data": {
    "transcription": { "language": "en", "wordCount": 812, "duration": 294.5 },
    "video": {
      "filename": "interview-final.mp4",
      "userMetadata": { "candidateId": "cand_8231", "jobId": "job_114" }
    },
    "files": [
      { "format": "vtt",  "url": "https://...", "expiresAt": "..." },
      { "format": "json", "url": "https://...", "expiresAt": "..." },
      { "format": "txt",  "url": "https://...", "expiresAt": "..." }
    ]
  }
}

Cuatro propiedades hacen que esto sea de nivel producción y no solo una notificación:

Tu metadata vuelve. Cualquier JSON que hayas adjuntado al subir el video — ID de candidato, ID de curso, número de ticket — se refleja en el payload. Tu handler nunca consulta una base de datos para averiguar a qué registro pertenece el video. Un handler, cero tablas de búsqueda:

app.post('/webhooks/vidtreo', async (req) => {
  const { video, files } = req.body.data
  const { candidateId, jobId } = video.userMetadata

  await ats.advanceStage(candidateId, jobId, {
    transcriptUrl: files.find(f => f.format === 'txt').url,
  })
})

Cada entrega está firmada. Un header X-Webhook-Signature lleva un HMAC-SHA256 del cuerpo crudo, calculado con el secreto whsec_ de tu endpoint. Los secretos están encriptados en reposo, se muestran una sola vez al crearse, y son rotables con un clic. La verificación son pocas líneas:

import { createHmac, timingSafeEqual } from 'node:crypto'

function isFromVidtreo(rawBody: string, signature: string, secret: string) {
  const expected = `sha256=${createHmac('sha256', secret)
    .update(rawBody)
    .digest('hex')}`

  const a = Buffer.from(signature)
  const b = Buffer.from(expected)
  return a.length === b.length && timingSafeEqual(a, b)
}

Calcula sobre el cuerpo crudo, compara en tiempo constante — nunca ===.

Las URLs de transcripción expiran en 5 minutos. Los enlaces de archivo son prefirmados y de corta duración. Un payload de webhook filtrado en un log no se convierte en una puerta abierta permanente a las transcripciones de tus usuarios. ¿Necesitas los archivos más tarde? GET /api/v1/videos/:videoId/transcription devuelve URLs frescas en cualquier momento.

Los fallos no pierden datos. Las entregas se reintentan automáticamente, los eventos agotados caen en una dead-letter queue, y el dashboard muestra el historial completo de entregas con reenvío en un clic — un solo evento, una sola entrega, o todo lo que falló en una ventana de tiempo. La caída durante tu ventana de deploy se resuelve con un redrive de 20 segundos.

La referencia completa del payload, la lista de headers y la guía de verificación están en la documentación de webhooks.

Cómo Empezar

Tres pasos, sin proveedor nuevo:

1. Activa AI Transcription para tu entorno en el VIDTREO Dashboard — un interruptor
2. Crea un endpoint de webhook — URL HTTPS, guarda el secreto whsec_ cuando se muestre
3. Construye sobre la transcripción — el payload de arriba es todo lo que recibe tu handler

La transcripción está incluida en el mismo $0.01/min — grabación, transcodificación, almacenamiento, entrega y transcripción con IA en una sola factura.

Tus videos han estado hablando todo este tiempo. Ahora tu plataforma puede escuchar.

Comienza a Construir Gratis → Docs de AI Transcription → Docs de Webhooks →