Del audio al conocimiento: cómo convertimos el arquivo sonoro de CUAC FM en un grafo consultable
- Fernando Souto
- Ai
- 22 de abril de 2026
Tabla de contenidos
Audio del post:
Si una radio comunitaria acumula años de programas, entrevistas, debates y memoria local, el mayor riesgo no es perder el audio: es no poder encontrarlo.
Ese fue exactamente el punto de partida de este proyecto en CUAC FM: transformar un archivo sonoro histórico en algo navegable, consultable y reutilizable con IA, sin perder el contexto comunitario que le da sentido.
El problema real: mucho valor, poca accesibilidad
Un arquivo sonoro no es solo una colección de podcasts. Es memoria cultural, política y social de una ciudad.
El problema es que, aunque todo esté publicado, responder preguntas concretas sigue siendo difícil:
- “¿En qué episodio se habló de Inés Rey?”
- “¿Qué dijeron sobre el Deportivo en el último programa?”
- “¿Qué programas trataron este poesía durante 1996?”
Sin una capa de estructura, el audio queda “encerrado” en miles de minutos de contenido.
La idea: tratar la radio como un grafo de conocimiento
La solución fue modelar el archivo con una lógica de grafo:
Programme(programa)Episode(episodio)Segment(fragmento temporal del audio transcrito)Entity(personas, organizaciones, lugares, conceptos)Topic(temas)
Y conectarlo con relaciones explícitas:
Programme -> PRODUCED -> EpisodeEpisode -> CONTAINS -> SegmentSegment -> DISCUSSES -> EntitySegment -> ABOUT -> Topic
Cuando representas así el archivo, dejas de tener solo “texto indexado” y pasas a tener contexto estructurado.
Qué aporta el grafo frente a una búsqueda tradicional
Una búsqueda por palabras clave sirve para cosas simples, pero falla con preguntas reales de conversación.
El grafo añade tres ventajas clave:
Contexto relacional
No solo encuentra palabras, entiende qué entidad aparece en qué episodio, en qué programa y en qué parte exacta.Consultas más precisas
Permite combinar restricciones de programa, fechas, episodios, entidades y temas.Mejor recuperación para chat
Si encima lo combinas con recuperación híbrida (vectorial + keyword + señales de grafo), el resultado es más robusto.
Del áudio a la respuesta: pipeline de alto nivel
Este flujo resume cómo lo estamos resolviendo:
- Ingesta de episodios y segmentación temporal.
- Transcripción y normalización del contenido.
- Extracción de entidades/temas.
- Carga en Neo4j como grafo de conocimiento.
- Recuperación híbrida para cada pregunta.
- Respuesta en chat con fuentes y trazabilidad.
El objetivo no es “que la IA improvise bonito”, sino que responda con soporte en el archivo y con referencias verificables.
Por qué esto importa en una radio comunitaria
En un medio comunitario, la tecnología no debería sustituir la voz local: debería hacerla más accesible.
Este enfoque permite:
- Reutilizar mejor años de producción radiofónica.
- Facilitar investigación y documentación.
- Mejorar la experiencia de oyentes que llegan por primera vez.
- Dar nueva vida a contenidos históricos sin rehacer trabajo editorial.
En otras palabras: convertir un archivo pasivo en una infraestructura viva de memoria.
Lo que ya se ve en resultados
En nuestras evaluaciones internas del retriever (dataset amplio de preguntas), se observan mejoras en recuperación frente a la versión base, especialmente en cobertura de keywords y acierto global de top-k.
Aun así, hay trabajo pendiente: el mayor reto no está solo en recuperar mejor, sino en mantener contexto conversacional en preguntas de seguimiento (“ese programa”, “ese tema”, “lo anterior”).
Esa es la siguiente frontera: memoria de conversación + compactación útil sin perder entidades clave.
IA en CUAC FM: experimentar con propósito
Este proyecto encaja con una línea más amplia de experimentación en CUAC FM alrededor de IA y radio comunitaria.
Si quieres contexto adicional, aquí tienes dos enlaces:
- Archivo sonoro de CUAC FM: https://cuacfm.org/arquivo-sonoro/
- IA en CUAC FM: https://cuacfm.org/ia/
- Referencia: https://cuacfm.org/novas/cuac-fm-intelixencia-artificial-transcricion-podcasts-arquivo-historico/
Cierre
Para mí, esta es la parte más bonita del proyecto: no va de “poner IA porque sí”.
Va de preservar memoria colectiva, hacerla consultable y devolverla a la comunidad en forma de utilidad real.
Si tienes una hemeroteca, un archivo de podcasts o años de audio sin explotar, el salto no es solo técnico: es editorial y cultural.
Pasas de almacenar contenidos a construir conocimiento.
