Tras analizar los casos de Corporació Catalana de Mitjans Audiovisuals (3Cat), Movistar Plus, À Punt y Olympic Broadcasting Services (OBS), ponemos el foco en Castilla-La Mancha Media (CMM), con la participación de Jesús Sánchez Villalba, su director Técnico

* Este artículo está incluido en el número de julio-agosto de TM BROADCAST. Puedes acceder a la revista completa aquí.

La inteligencia artificial atraviesa actualmente una fase de plena efervescencia dentro de las televisiones. Sin embargo, TM BROADCAST lleva años siguiendo de cerca este proceso.

En la primavera de 2024, esta revista publicó un extenso artículo en dos entregas (“La inteligencia artificial y las empresas de radiodifusión I (Radiotelevisión Española (RTVE), Corporació Catalana de Mitjans Audiovisuals (3Cat), Radio y Televisión de Andalucía (RTVA) y Castilla-La Mancha Media (CCM) y II (À Punt, Atresmedia, Movistar Plus + y OBS)”, números 173 y 174), en el que se daba a conocer el pasado, presente y las ideas de futuro de la IA en varias empresas de radiodifusión públicas y privadas.

Dos años después, ¿qué ha cambiado? ¿Cómo han evolucionado la filosofía, las aplicaciones concretas y la percepción de estas tecnologías dentro de las televisiones? ¿Dónde ha crecido realmente su implantación? ¿Qué barreras, dudas o limitaciones siguen presentes?

Con este nuevo especial, pretendemos responder a todas estas preguntas y analizar cómo ha evolucionado el uso de la inteligencia artificial, así como su proyección futura, dentro de una selección de broadcasters públicos y privados.

Tras analizar los casos de Corporació Catalana de Mitjans Audiovisuals (3Cat), Movistar Plus, À Punt y Olympic Broadcasting Services (OBS), ponemos el foco en Castilla-La Mancha Media (CMM).

Castilla-La Mancha Media (CMM)

Con la participación de Jesús Sánchez Villalba, director Técnico de Castilla-La Mancha Media.

Su trabajo en relación a las aplicaciones de inteligencia artificial se ha expandido significativamente en este último tiempo. Aunque inicialmente los recursos eran limitados, estas herramientas ya son una parte fundamental de sus procesos de producción.

Actualmente, están trabajando con la IA de Etiqmedia, que se encarga de realizar el subtitulado tanto para emisiones en directo como para contenidos grabados.

El sistema de subtitulado de Etiqmedia no es un simple conversor de voz a texto; es un ecosistema diseñado para la precisión profesional.

Etiqmedia: ¿cómo funciona su proceso técnico?

1. Captura y pre-procesado de audio:

Antes de “escuchar” las palabras, la IA de Etiqmedia realiza una limpieza del entorno sonoro.

• Aislamiento de señal: separa la voz del ruido de fondo o la música.
• Identificación de locutores: identifica quién está hablando en cada momento para poder asignar etiquetas de nombre o cambiar el formato del subtítulo según el interlocutor.

2. Motor ASR (Automatic Speech Recognition):

El núcleo del sistema utiliza modelos de Deep Learning entrenados específicamente en el idioma español (y sus variantes regionales) y otros idiomas internacionales.

• Modelos acústicos: traducen las ondas de sonido en unidades fonéticas.
• Modelos de lenguaje: predicen la secuencia de palabras más probable basándose en el contexto. Esto es clave para diferenciar palabras homófonas (como “baca” y “vaca”).

3. Procesamiento de Lenguaje Natural (NLP):

Una vez obtenido el texto “bruto”, la IA aplica reglas gramaticales y de estilo:

• Puntuación automática: inserta comas, puntos y signos de interrogación para que el texto sea legible.
• Normalización: convierte números, fechas y monedas a su formato escrito. estándar.
• Diccionarios Personalizados: permite cargar glosarios técnicos o nombres propios específicos para evitar errores en nichos como la medicina, el derecho o el deporte.

4. Segmentación y Temporización (Spotting):

Este es el paso donde la IA se diferencia de un dictado común. La IA de Etiqmedia calcula:

• Sincronización: ajusta el texto al timecode exacto del audio.
• Reglas de legibilidad: divide las frases en dos líneas como máximo, respetando un número determinado de caracteres por segundo (CPS) para que al espectador le dé tiempo a leer.
• Cortes sintácticos: intenta que los saltos de línea no rompan unidades gramaticales (por ejemplo, no separar un artículo de su sustantivo).

5. Plataforma de edición y control de calidad:

Etiqmedia suele integrar una interfaz de edición asistida. Aunque la IA alcanza precisiones muy altas (superiores al 95% en condiciones óptimas), el sistema permite a un revisor humano:

• Corregir errores mínimos rápidamente. Validar el cumplimiento de normas de accesibilidad (como la norma UNE 153010 en España). Exportar en múltiples formatos profesionales ($SRT$, $VTT$, $STL$, $EBU-TT$, etc.).

Integración con Tedial

Además, está prevista la integración de Etiqmedia con la base de datos de Tedial, lo que permitirá una catalogación automática mediante IA.

Han subido la versión de Tedial a Smartwork, versión que cambia sustancialmente la forma de trabajo de Tedial y nativamente admite integración con un software de IA, en su caso será el de Etiqmediala y el proceso técnico paso a paso será:

1. Análisis multimodal (la fase de “Ingest”)

Cuando un archivo de vídeo entra en el flujo de trabajo, la IA activa diferentes motores de análisis en paralelo para extraer información de distintas fuentes:

• Reconocimiento facial y de objetos: identifica personajes públicos, logotipos o elementos del entorno (ej. “micrófono”, “coche”, “estadio”).
• Audio-to-Text (ASR): transcribe todo lo que se dice, creando un índice textual temporalizado.
• Reconocimiento Óptico de Caracteres (OCR): lee textos que aparecen en pantalla, como faldones de noticias, marcadores deportivos o carteles.

2. Segmentación automática de escenas

La IA no solo etiqueta el vídeo de forma global, sino que lo divide en unidades lógicas:

• Detección de cambios de plano: identifica cortes visuales.
• Segmentación semántica: agrupa planos para definir una “escena” o “noticia” completa. Por ejemplo, en un informativo, detecta cuándo termina una noticia sobre política y empieza una de deportes basándose en el cambio de voz, fondo y grafismos.

3. Procesamiento de Lenguaje Natural (NLP) y Enriquecimiento

Una vez extraído el texto (del audio y del OCR), la IA de Etiqmedia procesa la información para darle sentido:

• Detección de Entidades Nombradas (NER): clasifica automáticamente nombres de personas, organizaciones y lugares.
• Generación de resúmenes: crea una descripción corta del clip de forma automática.
• Asignación de taxonomías: clasifica el vídeo dentro de categorías predefinidas (ej. “Economía > Inflación”).

4. Integración con el MAM (Tedial)

Aquí es donde ocurre la “magia” de la gestión documental. La información procesada por la IA se inyecta en el sistema de Tedial:

• Metadatos temporales: los datos no se guardan como una nota general, sino asociados a un timestamp Si buscas “Goles de Messi”, el sistema te llevará al segundo exacto donde la IA detectó la cara de Messi y la palabra “gol”.
• Búsqueda avanzada: permite filtrar archivos no solo por el nombre del archivo, sino por conceptos visuales o palabras dichas en el audio que el catalogador humano no tuvo que escribir manualmente.

Radio: incorporación del software de Multicam

En relación con la radio, han incorporado el software de Multicam. Esta herramienta permite la realización automática a 4 cámaras de su estudio Visual Radio.

1. Detección inteligente (Inputs)

El sistema recibe información constante de dos fuentes principales para tomar decisiones:

• Análisis de audio: se conecta a la consola de sonido. El software detecta quién está hablando, con qué intensidad y si hay varios interlocutores a la vez (debate).
• Análisis visual (Computer Vision): utiliza algoritmos para reconocer dónde están las personas, detectando rostros y movimientos para asegurar que la cámara siempre esté encuadrando correctamente.

2. El “cerebro” de realización

Aquí es donde Multicam se diferencia. No es un simple “si hay audio, pincha la cámara”. El software aplica reglas de lenguaje cinematográfico:

• Ritmo: evita cortes demasiado rápidos o planos demasiado largos.
• Variedad: alterna entre planos cortos, medios y generales.
• Prioridades: si el presentador principal habla, tiene prioridad sobre un invitado, a menos que el invitado lleve hablando más de un tiempo determinado.

3. Control de Cámaras PTZ

El sistema controla cámaras PTZ (Pan-Tilt-Zoom) de forma nativa. Esto significa que el software:

• Prepara planos: mientras una cámara está en el aire, el sistema mueve las otras a nuevas posiciones para el siguiente corte, evitando que el espectador vea el movimiento de la cámara.

Por último, en el área de grafismo, donde anteriormente se trabajaba en la generación de fondos con aplicaciones como Dall-E, Adobe Sensei y Fronty, han ampliado su catálogo de herramientas. Ahora están utilizando de manera activa Stable Diffusion y Runway, y recientemente han empezado a operar con Freepik para potenciar sus capacidades creativas.

A pesar de que el punto de partida contaba con experiencias limitadas, como la escenografía del cuento de Navidad en Toledo realizada con IA, CMM sigue avanzando para aprovechar estas nuevas aplicaciones en la generación de contenidos.

Algunos ejemplos de generación de imágenes con IA: