Nuestro setup de grabación (y cómo la IA lo mejora cada semana)

Nos preguntáis por el “cómo se hace” del podcast. Aquí va el entre bastidores completo, con lo que la IA aporta a cada paso.

El hardware (modesto y funcional)

2 micrófonos dinámicos (los dinámicos perdonan habitaciones sin tratar, los de condensador no)
2 auriculares cerrados (para monitorear sin bleeding)
Interfaz de audio USB de 2 entradas
Un portátil para grabar (la spark graba copia de seguridad por si acaso)
La habitación: alfombra, estanterías con libros y pánico a las paredes lisas. Acústica casera que funciona.

El software de grabación

Reaper como DAW: ligero, barato, y perfecto para podcasts (los “tracks” separados por hablante son claves para nuestra pipeline de transcripción).

Nuestro setup de sesión:

Grabación local a 48kHz/24bit, una pista por micrófono
Copia de seguridad automática de audio a la spark durante la sesión (por si el disco del portátil decide morir a mitad de episodio)
Marcadores de errores en directo (una palmada: luego se localizan con el waveform)

La IA en cada paso

Antes de grabar

Guion y estructura: nuestro LLM local revisa el guion y señala: “esto se entiende solo si has leído el post” / “este chiste necesita contexto”. Editor infatigable.
Investigación: RAG sobre las noticias de la semana con nuestro pipeline de resúmenes.

Durante

Nada. La IA no toca la grabación en directo (aún). La naturalidad es el activo.

Después

Transcripción: Whisper large-v3, 6 minutos por hora de audio
Limpieza de audio: RX Elements (no es IA generativa, es reparación: quita zumbidos y golpes)
Show notes, capítulos y títulos: LLM local con nuestro prompt de pipeline
Clips para redes: detección de “frases potentes” por el LLM + cortes con ffmpeg (automatizado, revisado por humanos)

Lo que NO hacemos (y por qué)

No usamos clonación de voz: nuestros errores son nuestros. La voz natural, con sus muletillas, es parte del encanto (eso decimos; la verdad es que nos da pereza).
No reescribimos con IA lo que hablamos: la transcripción es literal. Editamos nosotros.
No automatizamos la edición de audio (todavía): la diferencia entre “bien” y “cansado de escuchar” está en los cortes, y eso aún lo hace mejor un humano con oído.

El coste total

Hardware: lo que teníamos (si empiezas de cero: ~300€ para dos personas)
Software: Reaper (60€ una vez) + RX Elements (~50€ en oferta)
IA: 0€ (todo corre en las sparks)
Tiempo por episodio: ~4 horas de producción total, de las cuales la IA se come 2

¿Preguntas sobre el setup? Escríbenos y hacemos post de detalle sobre lo que toque.