Serie PLAUD MCP · Parte 4 · Cierre
En el primer artículo planteaba una pregunta: ¿podemos hacer que una grabación deje de ser simplemente un archivo almacenado y se convierta en información que podamos consultar, reutilizar o incorporar a otros proyectos?
Después de documentar el propósito inicial en la primera parte, describir la arquitectura real en la segunda y explorar el paso hacia el aula y el RAG en la tercera, creo que ya tiene sentido detenerse y revisar el camino recorrido.
El proyecto sigue en construcción, pero ya no estamos únicamente ante una arquitectura sobre el papel. Hay piezas que han sido probadas, otras que están implementadas y algunas decisiones que todavía requieren experiencia de uso real. Conviene distinguirlas: que una pieza exista en el repositorio no significa que el flujo completo esté automatizado.
La idea central de la serie
PLAUD o audio local → Transcripción → Texto normalizado → Skill → Plantilla → Documento reutilizable
La grabación es el punto de partida, no el resultado. Y la transcripción es una materia prima que debe poder transformarse según el contexto.
1. La primera fase: construir una base pequeña
La primera decisión fue no empezar por una gran aplicación. El proyecto necesitaba antes un contrato común: una forma de representar una transcripción con idioma, duración, segmentos, marcas temporales y hablantes.
Esto permite que las fases posteriores no dependan directamente de PLAUD ni de Whisper. También establece una regla importante: cuando un dato no aparece en la fuente, debe indicarse como NO IDENTIFICADO EN LA TRANSCRIPCIÓN, no completarse mediante una suposición.
Sobre esa base se definieron tres usos iniciales:
Reuniones
Decisiones, tareas, responsables, riesgos y próximos pasos.
Ponencias
Ideas principales, referencias, recursos y contenido que merezca continuar.
Clases
Conceptos, ejemplos, dudas, dificultades y aspectos que revisar.
2. La segunda fase: PLAUD deja de ser el final
La integración con PLAUD mediante MCP confirmó que un asistente puede listar grabaciones, recuperar sus metadatos y obtener la transcripción sin tener que copiarla manualmente de una aplicación a otra. Es una integración validada, no una afirmación sobre todas las capacidades posibles de PLAUD ni sobre las de otros plugins.
El recorrido validado es sencillo:
Listar → Recuperar → Normalizar → Procesar
La decisión más importante fue no utilizar el resumen generado por la inteligencia artificial de PLAUD como fuente primaria. El análisis debe partir de los segmentos de la transcripción, conservar sus tiempos y permitir volver al texto original.
Esto no significa que los resúmenes no sean útiles. Significa que, para este proyecto, una conclusión debe poder revisarse contra aquello que realmente se dijo.
3. La tercera fase: mantener una alternativa con Whisper
La integración con PLAUD resuelve muy bien el caso en el que la grabación ya ha sido transcrita. Pero también quería mantener una segunda vía para trabajar directamente con el audio.
PLAUD
Grabación → PLAUD → Transcripción
Whisper privado
Audio → Spark con GPU → Transcripción
La Spark ejecuta `faster-whisper` con el modelo small y recibe el audio mediante un servicio HTTP privado accesible por VPN. El audio se guarda temporalmente, se procesa y se elimina al terminar. Esta vía ha sido validada con un audio corto en español y diez segmentos; todavía no equivale a un servicio de producción desatendido.
La limitación actual: la VPN todavía puede interrumpirse. Por eso el servicio se utiliza de forma controlada y no se recomienda aún procesar lotes de manera desatendida.
4. La transcripción necesita una segunda lectura
El renderizador ya puede generar documentos Markdown para reuniones, clases y ponencias. También puede preparar la salida para TutorIA, con YAML de cabecera y una transcripción de referencia con texto, hablante y timestamp. TutorIA sigue siendo responsable de su propia indexación; este proyecto no ejecuta su RAG.
Pero generar un documento con apariencia ordenada no garantiza que sus conclusiones sean correctas. Por eso las secciones interpretativas deben incluir evidencias: cada hallazgo tiene que indicar qué segmentos de la transcripción lo respaldan.
La regla del proyecto: una decisión, una tarea o una idea puede ser útil, pero debe poder revisarse rápidamente contra la fuente.
La estructura de esta extracción ya está preparada y los hallazgos solo se aceptan si citan segmentos de la fuente. Lo que queda por decidir es quién propone esos hallazgos: un modelo local, Codex bajo demanda o una revisión humana.
5. ¿Qué aporta el nuevo plugin de Plaud?
Sin probarlo no puedo afirmar qué ofrece exactamente el plugin de Plaud ni si mejora el acceso actual. Como hipótesis, podría proporcionar una forma más directa de consultar la cuenta, localizar grabaciones y recuperar transcripciones o metadatos desde ChatGPT.
En ese caso ocuparía el lugar de una posible entrada al sistema:
Plugin de Plaud o MCP → Transcripción → Skill → Documento
Si aportara una entrada más directa, ocuparía como máximo el lugar del adaptador de origen. No sustituiría automáticamente las plantillas, la normalización, el control de evidencias, Whisper ni la preparación de documentos para TutorIA. Para incorporarlo tendría que demostrar una ventaja concreta frente al MCP actual: mejor fiabilidad, descarga de audio, procesamiento por lotes o una automatización que hoy requiera pasos manuales.
6. Qué está hecho y qué queda pendiente
- Acceso a PLAUD mediante MCP: validado.
- Transcripción remota con Whisper: validada manualmente.
- Contrato normalizado y selección de fuente: implementados.
- Skills y plantillas para tres contextos: implementadas.
- Validación de hallazgos con evidencia: implementada.
- Exportación de documentos preparados para TutorIA: implementada; la indexación en TutorIA queda fuera.
- Automatización persistente y procesamiento por lotes: pendientes.
7. La principal lección
Al principio parecía que el reto consistía en conseguir una buena transcripción. Después de estas fases, creo que el problema está en otro sitio.
Transcribir es convertir audio en texto. Lo difícil es convertir ese texto en una pieza de trabajo que sea útil, portable y suficientemente transparente como para poder confiar en ella.
Después de tres artículos y varias fases técnicas, el proyecto ya tiene una forma bastante definida: PLAUD puede ser la fuente, Whisper una alternativa, las skills aportan el contexto y las plantillas convierten la interpretación en un documento reutilizable.
El siguiente paso será comprobar cuánto tiempo ahorra realmente en situaciones cotidianas y qué nivel de revisión necesita antes de que pueda considerarlo un flujo habitual.
Juan Armada Blanco
Profesor de Formación Profesional en Comercio y Marketing. Escribo sobre comercio digital, WordPress, inteligencia artificial y tecnología aplicada al aula, a partir de proyectos, experiencias y recursos que utilizo en mi trabajo docente.