Ir al contenido principal
Español— Elegir un idioma
Menú

Sesgo de contexto: mejora de la precisión

Lección 8 de 16 Actualizado el 3 de noviembre de 2026 Desarrollador
En esta página
  1. El problema de los términos especializados
  2. Uso del sesgo de contexto
  3. Construcción de una lista eficaz
  4. Gestión del vocabulario por proyecto
  5. Qué funciona y qué no
  6. Puntos clave

Curso actualizado el 3 de noviembre de 2026 para Voxtral 3, basado en la guía Migrate from Voxtral 2 de Mistral: los modelos de Voxtral 2 (voxtral-mini-2602, voxtral-mini-transcribe-realtime-2602, voxtral-mini-tts-2603), obsoletos desde el 31 de octubre de 2026 y retirados el 30 de abril de 2027, se sustituyen en los ejemplos por voxtral-mini-transcribe-3, voxtral-mini-transcribe-realtime-3 y voxtral-mini-tts-3-0. Cambios clave: las marcas temporales son solo por segmento (word devuelve un error 400), la diarización es posible en tiempo real, la configuración de la sesión en tiempo real se bloquea tras el primer fragmento de audio y las entradas de context_bias son de formato libre (se permiten frases con espacios). Fuentes: Migrate from Voxtral 2 · Speech to Text.

El problema de los términos especializados

Los modelos de transcripción se entrenan con lenguaje común. Cuando tu audio contiene nombres propios, siglas, jerga técnica o términos raros de un sector, el modelo suele transcribirlos mal: «Voxtral» se convierte en «vox trail» y «RGPD» (las siglas francesas del Reglamento General de Protección de Datos de la UE) aparece como «RG PD». En una reunión de una hora, estos errores se acumulan hasta llegar a decenas, y son precisamente las palabras que querías extraer.

El sesgo de contexto resuelve esto proporcionando al modelo una lista de términos esperados. El modelo ajusta entonces sus probabilidades para favorecer estos términos cuando los detecta en el audio. No se trata de un reemplazo automático del posprocesado; dirige la decodificación durante la transcripción. Ese matiz es la razón por la que el resultado sigue sonando natural.

Uso del sesgo de contexto

El parámetro context_bias acepta una lista de términos: en Python, una lista de cadenas. Con Voxtral 3, una entrada puede contener espacios —un nombre completo de producto como «Alder Creek Design»— y ya no existe un límite estricto en el número de entradas. Sin embargo, las entradas comparten la ventana de contexto con el audio: una solicitud que la exceda será rechazada (error 400), motivo por el cual lo mejor es una lista breve.

import os
from mistralai.client import Mistral

client = Mistral(api_key=os.environ["MISTRAL_API_KEY"])

with open("reunion_tech.mp3", "rb") as f:
    response = client.audio.transcriptions.complete(
        model="voxtral-mini-transcribe-3",
        file={"content": f, "file_name": "reunion_tech.mp3"},
        context_bias=["Voxtral", "Mistral AI", "RGPD", "Kubernetes", "PostgreSQL", "FastAPI"]
    )

print(response.text)

El efecto es inmediato. Sin sesgo de contexto, una reunión de ingeniería podría producir esto:

On a déployé le nouveau service sur cubernétisse avec fast API
et la base post grès cul.

Con la lista ["Kubernetes", "FastAPI", "PostgreSQL"], la misma frase se vuelve utilizable:

On a déployé le nouveau service sur Kubernetes avec FastAPI
et la base PostgreSQL.

Fuera del modo en tiempo real, una entrada puede ser incluso una frase de contexto de formato libre que describa la conversación: «Llamada al soporte de Northwind sobre un pedido de auriculares Quillara enviados desde el almacén de Róterdam». El modelo utiliza esto para orientar el reconocimiento de los nombres que contiene.

Construcción de una lista eficaz

Cuatro familias de términos merecen un lugar. Primero, los nombres propios: personas, empresas, productos; cualquier cosa que el modelo no tenga razón para conocer. Segundo, los términos técnicos: siglas, nombres de tecnologías, protocolos. Tercero, la jerga del sector específica de tu campo que no aparece en diccionarios generales. Por último, los topónimos: ciudades, edificios, salas de reuniones, citados a menudo y rara vez transcritos bien.

El contenido de la lista depende enteramente del contexto. Una reunión de una startup tecnológica requiere un vocabulario distinto al de una consulta médica o una entrevista en un bufete de abogados. Aquí tienes tres listas reales para usar como plantillas.

Reunión de startup tecnológica:

context_bias = [
    "Mistral AI", "Voxtral", "Claude", "GPT-5.6",
    "Kubernetes", "PostgreSQL", "FastAPI", "Redis",
    "RGPD", "HIPAA", "SOC 2",
    "sprint", "backlog", "user story",
    "CI/CD", "Docker", "Terraform"
]

Consulta médica:

context_bias = [
    "paracétamol", "ibuprofène", "amoxicilline",
    "IRM", "scanner", "échographie",
    "glycémie", "hémoglobine", "créatinine",
    "Dr Martin", "Dr Dubois",
    "CHU Pitié-Salpêtrière"
]

Bufete de abogados:

context_bias = [
    "SARL", "SAS", "SASU",
    "article L.225-1", "Code de commerce",
    "assignation", "mise en demeure",
    "TGI", "Cour d'appel",
    "Maître Dupont", "Maître Leroy"
]

Gestión del vocabulario por proyecto

Codificar la lista de forma rígida no escala cuando entran en juego múltiples clientes o servicios. El siguiente script carga el vocabulario desde un archivo JSON, permite añadir términos ad hoc y elimina duplicados del conjunto. No impone ningún límite estricto, ya que Voxtral 3 carece de él, pero avisa si la lista es demasiado larga: eso es lo que arriesga exceder la ventana de contexto.

import os
import json
from pathlib import Path
from mistralai.client import Mistral

ALERT_THRESHOLD = 50  # Marcador interno: más allá de esto, verifica el tamaño de la solicitud


def load_vocabulary(config_path: str) -> list[str]:
    """Carga el vocabulario de sesgo de contexto desde un archivo JSON."""
    config = json.loads(Path(config_path).read_text(encoding="utf-8"))
    terms = list(dict.fromkeys(config.get("terms", [])))

    if len(terms) > ALERT_THRESHOLD:
        print(f"Aviso: {len(terms)} términos; una lista larga reduce "
              f"el espacio disponible para el audio en la ventana de contexto.")

    return terms

def transcribe_with_vocabulary(
    audio_path: str,
    config_path: str = None,
    additional_terms: list = None
) -> str:
    """Transcribe con sesgo de contexto opcional."""
    client = Mistral(api_key=os.environ["MISTRAL_API_KEY"])

    # Construir la lista de términos
    all_terms = []

    if config_path and Path(config_path).exists():
        config = json.loads(
            Path(config_path).read_text(encoding="utf-8")
        )
        all_terms.extend(config.get("terms", []))

    if additional_terms:
        all_terms.extend(additional_terms)

    # Eliminar duplicados conservando el orden
    all_terms = list(dict.fromkeys(all_terms))
    bias = all_terms or None

    # Transcribir
    with open(audio_path, "rb") as f:
        kwargs = {
            "model": "voxtral-mini-transcribe-3",
            "file": {"content": f, "file_name": Path(audio_path).name}
        }
        if bias:
            kwargs["context_bias"] = bias
            print(f"Sesgo de contexto activo: {len(all_terms)} términos")

        response = client.audio.transcriptions.complete(**kwargs)

    return response.text

# Archivo de configuración de vocabulario vocabulaire.json
# {
#   "terms": [
#     "Mistral AI", "Voxtral", "Kubernetes",
#     "PostgreSQL", "RGPD", "Dr Martin"
#   ]
# }

# Uso
texte = transcribe_with_vocabulary(
    "reunion.mp3",
    config_path="vocabulaire.json",
    additional_terms=["nouveau_terme", "autre_terme"]
)
print(texte)

Qué funciona y qué no

El sesgo de contexto ofrece los mejores resultados con términos precisos y distintos: nombres propios, siglas, vocabulario técnico poco común. También asume que los términos proporcionados están realmente presentes en el audio; añadir palabras que nunca se van a pronunciar diluye la señal sin aportar valor. Una lista de veinte a cincuenta términos bien elegidos suele bastar en la mayoría de situaciones.

Por el contrario, listar palabras comunes es inútil: el modelo ya las reconoce bien y consumes espacio útil. Las frases largas funcionan mal; limítate a palabras o frases cortas. Por último, cuidado con el reflejo de volcar todo el glosario de la empresa en el parámetro: un vocabulario demasiado amplio ahoga los pocos términos que realmente importaban.

Un punto de vigilancia para tus proyectos en francés: el sesgo de contexto está optimizado para inglés, y Mistral AI califica el soporte para otros idiomas, incluido el francés, como experimental. En la práctica, funciona correctamente para nombres propios y siglas en todos los idiomas, pero puede ser menos eficaz para términos comunes en lenguas distintas del inglés. Prueba con un extracto representativo antes de generalizarlo a un corpus entero.

Puntos clave

  • El sesgo de contexto mejora el reconocimiento de términos especializados mediante context_bias
  • Una lista de términos (se permiten frases con espacios), sin límite fijo pero restringida por la ventana de contexto
  • Eficaz para: nombres propios, siglas, jerga técnica, topónimos
  • Optimizado para inglés, soporte experimental para otros idiomas
  • Prefiere términos precisos que estén realmente presentes en el audio
  • Usa un archivo de configuración para gestionar el vocabulario por proyecto