Método
Cómo funciona
Este archivo recoge lo que dicen en público los principales candidatos a las elecciones generales del 29 de noviembre de 2026, desde el día de la convocatoria (5 de octubre), y estamos añadiendo lo que dijeron en las semanas anteriores. Publica texto y marcas de tiempo, y enlaza cada frase con su fuente original para que cualquiera pueda comprobarla.
Hoy contiene 194 apariciones y 124,0 h de audio. Todo el proceso es automático y todavía no lo revisa ninguna persona: por eso cada página avisa de que la transcripción está sin revisar.
Del audio a la cita
- Descarga. Se baja solo el audio de fuentes de una lista cerrada: canales oficiales de partidos y del Gobierno, televisiones y radios. Se guarda la dirección original, la fecha y una huella SHA-256 del archivo. Nunca se toman vídeos subidos por terceros, para evitar imitadores y montajes.
- Transcripción (Whisper). El modelo faster-whisper large-v3 convierte la voz en texto con marcas de tiempo, después de descartar música y silencios.
- Separación de voces (pyannote). Divide la grabación en turnos de palabra de hablantes anónimos («hablante 1», «hablante 2»…), sin saber todavía quién es quién.
- Huellas de voz. Cada hablante anónimo se compara con la huella de voz de cada persona registrada, hecha a partir de grabaciones en las que sabemos con certeza quién habla. Solo se pone un nombre si el parecido es alto y claramente mayor que con cualquier otra huella. Huellas registradas hoy: Santiago Abascal, Ione Belarra, Jorge Bustos, Ada Colau, Alberto Núñez Feijóo, Carlos Herrera, Irene Montero, Pedro Sánchez.
- Revisión. Prevista: una persona confirmará los casos dudosos antes de publicarlos. Mientras no exista, nada de lo publicado está revisado, y cada aparición lo indica.
Regla principal: nunca se atribuye a un candidato lo que dice una voz no identificada. Esas voces aparecen en la transcripción en gris, como «Hablante sin identificar», y no entran en la búsqueda.
Lo que hemos medido
| Medida | Valor | Contexto |
|---|---|---|
| Tasa de error de palabras (WER) | 11,4 % | Declaración institucional de Pedro Sánchez, 5 oct 2026 (9 min), frente a la transcripción oficial de La Moncloa. Es un límite superior: el texto oficial está editado (omite saludos y reformula frases). El error real de transcripción probablemente es menor del 5 %, pero no se ha comprobado de oído. |
| Confianza media por palabra | 0,989 | Mismo audio; solo 7 de 1.290 palabras por debajo de 0,6. |
| Velocidad | 10,6× tiempo real | Una tarjeta gráfica doméstica (RTX 3060 Ti). |
| Parecido de voz, misma persona | 0,96 | Feijóo en COPE frente a Feijóo en la SER: otro estudio, otra emisora, otro día. |
| Parecido de voz, personas distintas | 0,14–0,40 | Todas las parejas vistas hasta ahora. |
| Umbral para poner un nombre | ≥ 0,55 | Y al menos 0,10 por encima de la segunda huella más parecida, con 20 s de voz como mínimo. |
Estas cifras salen de muy pocas grabaciones (una para la transcripción, dos para las voces). Hay que repetirlas con mítines, entrevistas por teléfono y televisión antes de confiar del todo en el umbral. El objetivo es que al menos el 99 % de las frases publicadas estén bien atribuidas.
Lo que falta
Intentamos recoger todo lo que dicen en público desde el 5 de octubre. Estas apariciones sabemos que existieron, pero no están en el archivo porque no hay una grabación que podamos citar. No las añadimos a partir de textos de prensa: cada cita del archivo sale de una grabación. Si conoces una grabación de alguna, avísanos.
- Ada Colau, 5 de octubre de 2026: Declaraciones a la prensa en Barcelona. solo existe como texto de agencia; no hay grabación publicada.
- Alberto Núñez Feijóo, 6 de octubre de 2026: Declaraciones sobre la amnistía. el único vídeo encontrado es una pieza de informativo en la que no se oye su voz.
- Alberto Núñez Feijóo, 12 de octubre de 2026: Declaraciones a la prensa tras la recepción del 12 de octubre. solo existe como texto en prensa; no hay grabación publicada.
- Santiago Abascal, 17 de octubre de 2026: Declaraciones sobre el pacto en el Senado. solo se emitió en directo; no hay grabación publicada.
- Ada Colau, 19 de octubre de 2026: Declaraciones a la prensa. solo existe como texto en prensa; no hay grabación publicada.
- Pedro Sánchez, 25 de octubre de 2026: Vídeo de campaña del PSOE con Carlos Cuerpo. la prensa lo menciona, pero no hemos encontrado el vídeo.
Errores conocidos
- Palabras mal transcritas. Nombres propios, siglas y cifras sobre todo; a veces falta una palabra corta.
- Límites entre hablantes. En los cambios de turno, la primera o la última palabra puede quedar asignada a quien hablaba antes o después.
- Fragmentos de otros dentro de un programa. Una entrevista puede incluir un vídeo de otro político. Su voz se identifica bien, pero la frase es una grabación emitida dentro del programa, no una intervención en directo. Comprueba la fuente.
- Candidatos sin identificar. Si alguien no tiene huella de voz todavía, o su voz suena distinta (teléfono, mitin con ruido), sus palabras quedan como «Hablante sin identificar» y no se le atribuyen. El archivo prefiere callar a equivocarse.
- Voces superpuestas. En debates y tertulias, cuando hablan dos a la vez, el texto puede mezclarse.
- Minuto aproximado en la búsqueda. Las citas largas se dividen en fragmentos; el minuto de cada fragmento se calcula a partir del turno completo y se marca con «≈». Puede desviarse unos segundos.
- RTVE Play no permite enlazar a un minuto: el enlace abre el programa y se indica el minuto que hay que buscar.
Comunicar un error
Cada intervención de una transcripción tiene un botón «¿Algún error?». Elige qué está mal (no lo dijo esa persona, el texto está mal transcrito, el minuto no coincide u otra cosa) y, si quieres, escribe qué debería poner. Al final de cada aparición hay otro botón para errores que afectan a toda la aparición. El aviso llega con el enlace, el minuto y el texto tal como estaba; no hace falta dar nombre ni correo. Una persona lo comprueba con la fuente original antes de cambiar nada: un aviso no modifica el archivo por sí solo.
También puedes escribirnos a esta página (necesita una cuenta gratuita de GitHub; el correo de correcciones se publicará antes de abrir el archivo al público). Las correcciones se harán en menos de 48 horas y quedarán en un registro público de cambios.
El juego diario
«¿Quién lo dijo?» elige cada día cinco frases de candidatos identificados, iguales para todos. Se descartan las frases que contienen el nombre del candidato o de su partido, porque darían la respuesta. Después de cada respuesta se muestra la fuente en el minuto exacto. Las frases salen de la misma transcripción automática que el resto del archivo, con los mismos errores posibles. El resultado y la racha se guardan solo en tu navegador; el servidor no guarda quién juega.
El análisis automático
Un modelo de lenguaje (DeepSeek) lee todo lo que dicen los candidatos identificados, en fragmentos de unos dos minutos, y saca sus promesas, cifras, ataques (a quién) y posturas, con el tema. Las transcripciones le llegan como datos a analizar, nunca como instrucciones.
- Citas literales comprobadas. Cada frase que muestra el análisis se busca palabra por palabra en la transcripción; si el modelo la ha parafraseado o inventado, se descarta.
- Descalificaciones. Una segunda lectura, más estricta, solo deja las que contienen un calificativo despectivo explícito, y muestra esas palabras.
- Posibles contradicciones. El modelo propone pares de frases del mismo candidato y otra comprobación independiente, que ve el contexto de cada frase, descarta lapsus, errores de transcripción y frases que citan a otros. Casi todas son cifras distintas para el mismo dato. Lee siempre las dos en su fuente.
- Tono. Cada fragmento se valora de −2 (muy negativo) a +2 (muy positivo), con las emociones a las que apela y el tiempo dedicado a hablar de rivales. La media se pondera por minutos de voz.
- Comprobación de atribuciones. El modelo también lee lo que dice cada hablante identificado y avisa si el contenido no encaja con el candidato (por ejemplo, alguien que habla como miembro de otro partido). Esos avisos se revisan a mano; la primera revisión corrigió dos atribuciones erróneas y endureció el umbral de las huellas de voz.
- Quién ataca a quién. Los destinatarios de cada ataque se agrupan (por ejemplo, «Gobierno de Sánchez» y «PSOE» en «Sánchez, PSOE y Gobierno») para contar quién critica a quién.
- Pregunta al archivo. Escribes una pregunta; el modelo la convierte en una búsqueda, el archivo devuelve las frases que encajan y el modelo redacta una respuesta corta usando solo esas frases, que se muestran debajo con su fuente. Cada pregunta cuesta una fracción de céntimo y hay un tope diario.
Es una clasificación automática sin revisión humana: puede equivocarse al etiquetar. Si ves un error, comunícalo.
¿Está bien atribuida cada frase?
Revisamos una muestra aleatoria de 102 intervenciones con nombre (15 por candidato y las de los presentadores) leyendo cada una con la pregunta anterior y el contexto. Ninguna estaba atribuida a otra persona (con esta muestra, el error real está casi seguro por debajo del 3 %). En un 5 % la intervención es del candidato pero incluye unas palabras de otra persona al principio o al final, normalmente el final de la pregunta. La revisión es por contenido, no escuchando el audio, y se hizo después de endurecer el umbral de las huellas de voz, que antes había atribuido a Ada Colau dos voces de mítines del PSOE. Detalle y datos: eval/ATTRIBUTION.md.
Qué se publica y qué no
- Se publica el texto, las marcas de tiempo y el enlace a la fuente. No se publica audio ni vídeo.
- De periodistas y otras personas solo aparece su nombre si tienen huella de voz como presentadores; si no, se quedan como hablantes sin identificar.
- Los candidatos aparecen siempre en el mismo orden (alfabético por apellido) y con el mismo tratamiento, sin colores de partido.
- Los datos de cada aparición se pueden descargar en JSON (licencia CC BY 4.0). Esta web no usa cookies, analítica ni rastreadores.