Transcripción del indonesio: formal frente al coloquial de Yakarta

¿La transcripción con IA maneja bien el bahasa Indonesia?

Sí, el indonesio es uno de los idiomas no europeos mejor soportados para la transcripción con IA en 2026, y la razón es estructural: el bahasa Indonesia usa alfabeto latino sin diacríticos, tiene un inventario de fonemas relativamente sencillo para un idioma asiático y cuenta con una ortografía formal consistente desde la reforma EYD de 1972. Todos los grandes motores de ASR ya lo soportan.

Dicho esto, "soportado" y "preciso en tu audio" no son lo mismo. La brecha entre ambos depende casi por completo del registro, no de la elección del motor.

La brecha formal-coloquial es la verdadera clave de la precisión

La pregunta de precisión que hace la mayoría es "¿qué porcentaje?". La pregunta más útil es "¿qué indonesio?".

Bahasa baku, el estándar escrito formal, es lo que aparece en los informativos, los actos gubernamentales, las clases universitarias y los informes empresariales. Los modelos se entrenan principalmente con este registro. Es habla leída, limpia y fonológicamente predecible.

Bahasa gaul, la variedad coloquial urbana de Yakarta que se ha extendido por los medios nacionales y las plataformas sociales, es otra cosa. La misma frase se ve completamente diferente:

Más allá del vocabulario, el bahasa gaul añade partículas modales que ajustan el tono emocional de una frase sin cambiar su significado: dong (certeza), sih (énfasis informal), deh (finalidad), lah (suavizado), kok (persuasión ante un oyente escéptico). Un modelo que nunca las haya visto en cantidad las omitirá o las interpretará erróneamente como palabras de contenido.

Las investigaciones sobre ASR en indonesio han confirmado que la variabilidad del estilo de habla afecta a la precisión más que el ruido o el acento, con el habla coloquial espontánea produciendo tasas de error de palabra medibles y más altas que el habla formal leída. Si tu contenido son pódcast, vlogs, entrevistas informales o grabaciones de equipos de startups, toma las cifras de referencia en registro formal que ves anunciadas como un límite superior, no como un resultado típico.

El problema de confusión entre indonesio y malayo

Configurar el idioma como indonesio de forma explícita no es opcional si la precisión importa. Esta es la razón.

El indonesio y el malayo son mutuamente inteligibles y comparten el mismo sistema de escritura. La reforma ortográfica indonesio-malaya de 1972, conocida como EYD (Ejaan yang Disempurnakan) en Indonesia y ERB (Ejaan Rumi Bersama) en Malasia, unificó la ortografía de ambos idiomas. Antes de 1972, incluso usaban representaciones latinas ligeramente diferentes de los mismos sonidos: el indonesio tenía tj y dj donde la ortografía moderna usa c y j.

El resultado es que los modelos de autodetección ven audio que suena muy similar en ambos idiomas, contrastado con una escritura casi idéntica, y tienen una probabilidad real de decantarse por el malayo (ms) en lugar del indonesio (id). Cuando eso ocurre, la transcripción puede usar patrones de vocabulario del malayo en lugar de los del indonesio, lo cual supone una diferencia significativa.

La divergencia que realmente ayuda a un modelo bien entrenado a distinguirlos proviene de los préstamos lingüísticos. El indonesio absorbió mucho del neerlandés durante el período colonial: kantor (oficina, del neerlandés kantoor), televisi (televisión, del neerlandés televisie), polisi (policía, del neerlandés politie). El malayo de Malasia tomó los mismos conceptos del inglés: pejabat (oficina), televisyen (televisión), polis (policía). La fonología del indonesio también conserva la /a/ final, donde el malayo peninsular la reduce a una schwa.

En la práctica: establece el código de idioma como id en cualquier herramienta de transcripción que uses. La autodetección es una función de comodidad, no una herramienta de precisión, para un par de idiomas tan cercanos.

Soporte de motores: qué está verificado para el indonesio en 2026

Tres proveedores importantes de ASR han confirmado el soporte del indonesio con sus modelos actuales de producción:

Whisper (OpenAI): el indonesio (id) está en la lista de idiomas soportados de Whisper en todos los tamaños de modelo, incluido Large-v3. El entrenamiento multilingüe de Whisper incluyó el indonesio. El modelo maneja bien el indonesio formal. Las investigaciones han demostrado que ajustar finamente Whisper Medium con conjuntos de datos en indonesio reduce significativamente las tasas de error, lo que indica que el modelo base tiene un margen de mejora considerable en habla coloquial y espontánea.

Deepgram Nova-3: Deepgram añadió el indonesio (id) a Nova-3 en enero de 2026, describiéndolo como "un idioma híbrido que combina raíces malayas, préstamos del inglés e inflexiones regionales, usado a menudo en entornos multilingües." Una versión actualizada de Nova-3 Multilingual lanzada en marzo de 2026 reportó una reducción relativa de aproximadamente el 34% en la tasa de error de palabra por lotes en todos los idiomas soportados. Nova-3 incluye keyterm prompting (indicación de términos clave) para hasta 100 términos específicos del dominio por solicitud, algo directamente útil para inyectar nombres de marcas, topónimos y términos técnicos indonesios que de otro modo se transcribirían mal.

AssemblyAI: el indonesio está entre los 99 idiomas soportados por el modelo Universal de AssemblyAI.

Para una visión más amplia de cómo se comparan estos motores en otros idiomas y tramos de precios, consulta el desglose de precios de las API de voz a texto para 2026.

Cambio de código entre indonesio e inglés

El contenido tecnológico, de startups y empresarial en indonesio mezcla habitualmente el inglés dentro de frases en indonesio, y los motores de ASR modernos lo manejan razonablemente bien. Frases como "Kita perlu push ke production sebelum meeting" o "Dia bikin konten untuk social media" se devuelven con las partes en indonesio en indonesio y los préstamos del inglés en inglés. Deepgram Nova-3 menciona específicamente el cambio de código multilingüe como una función para el indonesio.

El caso más difícil es el indonesio mezclado con javanés o sundanés, algo común en el audio informal de Java Central, Java Oriental y Java Occidental. Ni el javanés ni el sundanés son idiomas con soporte en producción en los principales motores de ASR en 2026, así que cuando esas palabras aparecen en una conversación que por lo demás es en indonesio, el modelo las adivinará fonéticamente en lugar de reconocerlas como un idioma distinto. Para contenido en varios idiomas de este tipo, probablemente sea necesaria la postedición humana.

Para contexto de precisión específico de idiomas estrechamente relacionados del Sudeste Asiático, consulta la guía de transcripción de tagalo y filipino.

Comparación de herramientas de transcripción compatibles con el indonesio

La tabla siguiente refleja funciones verificadas y precios a mediados de 2026. Las cifras de precisión son autoinformadas por los proveedores salvo que se indique lo contrario y deben tratarse como afirmaciones del mejor caso posible.

Sonix ofrece una prueba gratuita de 30 minutos. Happy Scribe ofrece una prueba gratuita de 10 minutos y cita una precisión de ~85% con IA para el indonesio, con una opción revisada por humanos que afirma una precisión del 99% para contenido crítico. Otter no soporta el indonesio en absoluto, un dato que vale la pena señalar dado que es una recomendación común para la transcripción de reuniones.

Si necesitas transcripción ilimitada a tarifa plana en lugar de medición por hora, ConvertAudioToText incluye el indonesio por $9.99 al mes (10 minutos gratis en el plan gratuito, otorgados una sola vez al registrarte).

Para una comparación completa de precios entre estos y otros servicios, consulta la comparación de precios de transcripción 2026.

Acentos regionales: lo que realmente importa

El indonesio con influencia javanesa (Java Central y Oriental), el indonesio con influencia sundanesa (Bandung y Java Occidental), el indonesio con influencia balinesa y el indonesio oriental (Maluku, Papua) introducen todos patrones fonológicos que difieren del indonesio formal de Yakarta. El tratamiento de las vocales, los grupos consonánticos, los contornos de entonación y el ritmo varían.

El impacto práctico es menor de lo que la lista implica, porque estos hablantes suelen usar el bahasa Indonesia como lengua común, no como su lengua materna regional. El registro suele estar más cerca del baku que del gaul, lo que juega a favor del modelo. Las variedades del indonesio oriental (Maluku, Papua) divergen más de la distribución de entrenamiento y mostrarán las tasas de error más altas. No se necesita ningún submodelo regional; el modelo estándar id maneja todas las variedades, con una precisión reducida en los casos extremos.

La variable más importante, volviendo al punto anterior, es si tu hablante usa indonesio formal o coloquial, no de dónde proviene.

Reduplicación: un desafío específico de análisis

El indonesio usa reduplicación morfológica para formar plurales e intensificadores. Rumah significa casa; rumah-rumah significa casas. Sapi significa vaca; sapi-sapi significa vacas. Esto es indonesio escrito estándar y se maneja bien a nivel de visualización, ya que el guion es explícito en el texto.

El desafío para el ASR es cuando la reduplicación en el habla suena similar a la tartamudez. El artículo sobre ASR en indonesio señala que "sa-sa-sapi" (una forma tartamudeada) y "sapi-sapi" (una palabra reduplicada válida) requieren conciencia prosódica para distinguirse. Es posible que los modelos actuales no siempre acierten con esto.

Para un análisis más profundo de por qué ciertas características fonológicas causan problemas a los motores de reconocimiento de voz, consulta por qué la IA tiene dificultades con los idiomas de bajos recursos y la precisión de la transcripción explicada.

Diarización de hablantes para audio en indonesio

Las entrevistas formales en indonesio con dos hablantes tienden a producir una diarización limpia. Las normas conversacionales del indonesio en entornos formales implican turnos de palabra claros, lo que ayuda significativamente a la separación de hablantes. Los pódcast informales y las discusiones grupales con mucho solapamiento de habla son más difíciles, y esto no es algo específico del indonesio.

Para saber más sobre cómo funciona la diarización de hablantes en distintos tipos de audio, consulta diarización de hablantes explicada.

Consejos prácticos para una mejor transcripción del indonesio

1. Establece el idioma como id de forma explícita. No confíes en la autodetección cuando tanto el indonesio como el malayo sean plausibles.
2. Para contenido cargado de bahasa gaul, espera tasas de error más altas y presupuesta una pasada de postedición. Un audio claro en un espacio silencioso ayuda más que cualquier otro factor individual.
3. Usa keyterm prompting (donde esté disponible) para nombres de marcas, nombres de personas y términos de producto indonesios. Gojek, Tokopedia, Traveloka y los nombres de provincias y ciudades de Indonesia suelen estar fuera de distribución para los modelos entrenados con habla formal.
4. Para palabras en javanés o sundanés que aparezcan en una transcripción que por lo demás es en indonesio, márcalas para revisión manual. El modelo las adivinará fonéticamente.
5. Para notas de episodios de pódcast o marcadores de capítulos, verifica que tu herramienta genere el resultado en indonesio en lugar de traducir primero al inglés. Algunas herramientas hacen el resumen en inglés independientemente del idioma de origen.

Preguntas frecuentes

¿La transcripción con IA maneja bien el bahasa gaul (el indonesio coloquial de Yakarta)?

No con tanta fiabilidad como el indonesio formal. El bahasa gaul usa pronombres distintos (gua/lu en lugar de saya/Anda), elimina o contrae sílabas (udah por sudah, abis por habis, makasih por terima kasih), añade el sufijo -in en lugar de -kan/-i e incorpora partículas como sih, dong, deh y lah que no tienen equivalente directo en el registro formal. La mayoría de los modelos se entrenan predominantemente con habla formal leída, así que el audio coloquial espontáneo tendrá una tasa de error más alta. La solución práctica es un audio claro y una selección explícita del idioma.

¿Confundirán los modelos de IA el indonesio con el malayo?

Sí, ocurre, y la causa es estructural: ambos idiomas comparten el mismo alfabeto latino, la misma ortografía unificada EYD de 1972 y vocabulario superpuesto. Donde difieren es en el origen de los préstamos lingüísticos (el indonesio absorbió palabras neerlandesas como kantor y televisi; el malayo de Malasia absorbió equivalentes ingleses) y en la pronunciación de la vocal final (el indonesio conserva la /a/ completa; el malayo peninsular la reduce a una schwa). Si envías audio sin especificar el idioma, la autodetección puede decantarse por ms (malayo) en lugar de id (indonesio). Configura siempre el idioma como indonesio de forma explícita.

¿Puede la IA manejar el cambio de código entre indonesio e inglés?

Los modelos principales lo manejan razonablemente bien. El habla tecnológica y empresarial en indonesio mezcla habitualmente términos ingleses dentro de frases en indonesio, por ejemplo "Kami perlu deploy ke production sebelum meeting" o "Dia bikin konten untuk social media." Deepgram Nova-3 soporta explícitamente el cambio de código multilingüe, y el entrenamiento multilingüe de Whisper cubre este patrón. Las palabras en indonesio se transcriben en indonesio; los términos en inglés se transcriben en inglés. El cambio de código con lenguas locales como el javanés o el sundanés es más difícil, ya que no son idiomas con soporte en producción por derecho propio.

¿Cuál es la diferencia entre bahasa baku y bahasa gaul a efectos de transcripción?

El bahasa baku es el indonesio estándar formal usado en las noticias, el gobierno y la educación, el registro con el que se entrena la mayoría de los modelos de ASR. El bahasa gaul es el registro coloquial urbano que domina la conversación informal, las redes sociales, los pódcast y gran parte del contenido de YouTube. Ambos se diferencian en los pronombres (saya vs gua), los sufijos morfológicos (-kan vs -in), las contracciones (sudah vs udah) y las partículas modales (dong/sih/deh/lah/kok) que ajustan el tono de la frase sin cambiar su contenido proposicional. Para la transcripción, esto significa que un clip de noticias normalmente dará un resultado más limpio que un vlog informal grabado en el mismo estudio.

Fuentes

• Deepgram: Nova-3 se amplía para incluir el indonesio (enero de 2026)
• Deepgram: mejoras de WER en Nova-3 Multilingual (marzo de 2026)
• Descripción general de modelos e idiomas de Deepgram
• Wikipedia: reforma ortográfica indonesio-malaya de 1972
• Wikipedia: comparación del indonesio y el malayo estándar
• Wikipedia: Bahasa gaul
• Arxiv: Mejora del ASR en indonesio: evaluación de modelos multilingües con diversas variabilidades del habla (2024)
• Precios de Sonix
• Precios de Happy Scribe
• Página de transcripción de indonesio de Happy Scribe
• Precios de Otter.ai
• Idiomas soportados de AssemblyAI
• Lista de idiomas de OpenAI Whisper