Cuando se pregunta cómo identificar quién habla en una reunión, casi toda la documentación técnica mete en el mismo saco dos cosas que no tienen el mismo riesgo legal: separar las voces por el canal de audio por el que entran (quién habla por el micrófono propio y quién por el audio del sistema) y reconocer de verdad a cada persona por su huella de voz. La primera no trata datos biométricos; la segunda sí, y el artículo 9 del Reglamento (UE) 2016/679 la regula como categoría especial de dato. Si va a entrevistar candidatos, hacer seguimiento de un proyecto con interlocutores externos o grabar reuniones de equipo, conviene saber cuál de las dos está usando la herramienta que contrata, porque no son intercambiables ni implican el mismo consentimiento.
Qué significa "identificar quién habla" en una transcripción
La mayoría de guías técnicas, como la de diarización de Google Cloud Speech-to-Text o la documentación de Microsoft sobre reconocimiento de oradores en Teams Rooms, explican el proceso de etiquetar segmentos de audio como "hablante 1", "hablante 2"... pero rara vez distinguen de dónde sale esa etiqueta. Hay dos caminos y conviene no confundirlos.
Diarización por canal de audio (sin biometría)
Cuando cada participante entra con su propio micrófono (una videollamada de Zoom, Meet o Teams), el software puede separar las voces por canal: lo que entra por el micrófono de un dispositivo se etiqueta como esa persona, y lo que llega por el audio del sistema (los demás) se etiqueta aparte. No se compara ninguna voz con una base de datos de huellas vocales, no se crea una plantilla biométrica y no identifica a alguien que no haya dado antes su nombre en la reunión. Es, en esencia, una separación de fuentes de audio, no un reconocimiento de identidad.
Reconocimiento por huella de voz (dato biométrico)
El segundo camino es distinto: el sistema extrae un patrón único de la voz de una persona (la huella de voz) y lo guarda para reconocerla en futuras grabaciones, incluso en una sala con varios micrófonos compartidos. Eso ya no es separar canales: es un dato biométrico dirigido a identificar de manera unívoca a una persona física, tal y como lo define el propio Reglamento europeo. Conviene saber si la herramienta que usa activa esto por defecto o solo cuando usted lo decide expresamente.
Por qué la huella de voz no debería estar activada por defecto
El error habitual es tratar la huella de voz como una función más de comodidad ("para que no tengas que decir tu nombre cada vez") sin advertir que, legalmente, es un dato de categoría especial. Activarla por defecto traslada un riesgo de cumplimiento al cliente que ni siquiera sabe que lo ha asumido.
Qué dice el artículo 9 del RGPD
El Reglamento (UE) 2016/679, en su artículo 9.1, prohíbe con carácter general el tratamiento de "datos biométricos dirigidos a identificar de manera unívoca a una persona física" (biometric data for the purpose of uniquely identifying a natural person), junto con datos de salud, origen étnico u opiniones políticas, salvo que se cumpla alguna de las excepciones tasadas del propio artículo, entre ellas el consentimiento explícito. Esto significa que no basta con el consentimiento genérico que se da para grabar la reunión: hace falta un consentimiento específico para ese tratamiento biométrico. La guía de la Agencia Española de Protección de Datos sobre transcripción de voz con IA (abril de 2026) insiste en algo parecido para la grabación en general: el consentimiento dado para una reunión concreta no puede interpretarse como una autorización abierta para futuras grabaciones, y recomienda revisión humana de las transcripciones antes de darlas por buenas.
El caso BIPA en Illinois, Estados Unidos
Fuera de la UE, el ejemplo más citado es la Illinois Biometric Information Privacy Act (BIPA), que trata expresamente la huella de voz como dato biométrico y obliga a consentimiento informado por escrito antes de recogerla. El riesgo no es teórico: según recoge The Lyon Firm, Petco llegó a un acuerdo de 445.000 dólares por una demanda colectiva de 445 trabajadores a los que se les había recogido la huella de voz en un sistema de almacén sin la autorización exigida por la ley. La norma, además, fija indemnizaciones de 1.000 dólares por infracción negligente y 5.000 por infracción intencionada o temeraria. Si su empresa tiene equipo o candidatos en Estados Unidos, esto no es un detalle menor.
Qué mirar antes de elegir una herramienta
Antes de contratar un software que "identifica quién habla", hay dos preguntas muy concretas que pocos proveedores responden sin que se las pidan.
Condición del audio: micrófono, sala o teléfono
La diarización por canal funciona bien cuando cada persona tiene su propio micrófono (videollamada estándar). Se complica cuando varias personas comparten un mismo micrófono de sala, cuando hay ruido de fondo o cuando la llamada entra por teléfono con calidad de audio reducida. Para una entrevista de RRHH con dos personas en una sala y una por videollamada, por ejemplo, conviene preguntar explícitamente cómo se comporta la separación de hablantes en esa mezcla concreta, no dar por hecho que el resultado será igual que en una reunión 100% online.
El acierto se mide por idioma, nunca con un porcentaje único
Un proveedor que da un único porcentaje de acierto ("98% de precisión") sin decir en qué idioma, con qué tipo de micrófono y con cuántos hablantes simultáneos lo ha medido, está dando un dato que no se puede verificar ni comparar. El acierto real cambia según el idioma (no es igual en español que en una reunión con acentos mezclados o cambios de idioma a mitad de frase) y según la condición del audio. Si en una demo le dan una cifra redonda sin esos dos datos al lado, pídala desagregada; si no se la pueden dar, es que no la han medido en serio. Puede ver cómo se gestiona la mezcla de idiomas en una misma reunión en nuestro artículo sobre qué mirar al transcribir reuniones con varios idiomas.
Cómo lo resuelve Owl Meetings
En Owl Meetings separamos las dos cosas desde el diseño del producto, no como una aclaración legal a posteriori.
Micrófono = tú, audio del sistema = los demás
Por defecto, Owl identifica quién habla por canal de audio: lo que entra por su micrófono se etiqueta como usted, y lo que llega por el audio del sistema se etiqueta como el resto de participantes, con el idioma detectado por cada intervención. No se crea ninguna plantilla biométrica en este modo. Esto está disponible en los cuatro modos de grabación (asistente en Zoom, Meet y Teams con aviso previo por el chat, grabador de navegador, aplicación de escritorio para Windows y subida de archivos) y en todos los planes, incluido Owl Esencial. Puede ver el detalle de idiomas soportados en nuestra página de idiomas.
Huella de voz opcional, cifrada y ligada a la organización
Cuando de verdad hace falta reconocer a una misma persona entre reuniones distintas (por ejemplo, un project manager que quiere saber si quien habló en la reunión de ayer es la misma persona que habla hoy, aunque comparta micrófono de sala), Owl Equipo incluye la huella de voz como función opcional: desactivada por defecto, cifrada y ligada a la organización, nunca activada sin que alguien la encienda de forma consciente. El tratamiento de ese dato biométrico sigue las garantías del artículo 9 del RGPD que hemos descrito arriba, y puede revisar el resto de medidas de seguridad en nuestra página de seguridad. Si graba entrevistas o reuniones con terceros fuera de la organización, le interesa también cómo generamos el acta con cita al minuto, descrito en este artículo sobre actas demostrables.
Si su equipo necesita saber quién dijo qué sin añadir un tratamiento biométrico innecesario, lo razonable es empezar por la diarización por canal y activar la huella de voz solo cuando realmente la necesite, con consentimiento específico para ese uso.
Preguntas frecuentes
Identifique quién habla sin añadir un dato biométrico que no necesita
Owl separa las voces por canal de audio en todos los planes, sin huella de voz por defecto. Si su equipo necesita reconocer a la misma persona entre reuniones, active la huella de voz opcional, cifrada y ligada a su organización, solo en Owl Equipo.
Ver planes →Preguntas frecuentes
¿Cómo sabe una IA quién habla en una reunión?
De dos formas distintas. La más común es la diarización por canal de audio: el sistema separa lo que llega por el micrófono de cada persona (en una videollamada con un micrófono por participante) de lo que llega por el audio del sistema, y etiqueta cada segmento sin comparar ninguna voz con una base de datos. La otra forma es el reconocimiento por huella de voz, que sí guarda un patrón biométrico de cada persona para reconocerla en futuras grabaciones, incluso compartiendo micrófono. Son técnicas distintas con distinto riesgo legal.
¿Es legal usar huella de voz para identificar a los hablantes?
Puede serlo, pero no por defecto. El artículo 9.1 del Reglamento (UE) 2016/679 trata los datos biométricos dirigidos a identificar de forma unívoca a una persona como categoría especial de dato, prohibida salvo que se cumpla una excepción, como el consentimiento explícito y específico para ese tratamiento (no el consentimiento genérico de grabar la reunión). En Estados Unidos, leyes como la BIPA de Illinois exigen además consentimiento por escrito antes de recoger la huella de voz, con indemnizaciones tasadas por infracción.
¿Qué pasa si la reunión es en varios idiomas a la vez?
La diarización por canal sigue funcionando igual, porque separa por fuente de audio, no por idioma: el idioma se detecta después, por intervención. Lo que cambia es el acierto de la transcripción en sí, que varía según el idioma y la mezcla de acentos. Por eso no tiene sentido dar un único porcentaje de acierto sin indicar el idioma y la condición del audio en que se ha medido.
¿La diarización funciona si el audio es malo o hay varias personas en la misma sala?
Funciona peor que en una videollamada estándar con un micrófono por persona. Cuando varias personas comparten un mismo micrófono de sala, con ruido de fondo o llamadas por teléfono, la separación por canal pierde precisión porque ya no hay una fuente de audio distinta por persona. En esos escenarios, si necesita identificar a cada interlocutor con fiabilidad, conviene valorar activar la huella de voz de forma consciente y con el consentimiento específico que exige, antes de asumir que el resultado será el mismo que en una llamada 100% online.
Fuentes
- Reglamento (UE) 2016/679 (RGPD), artículo 9.1 sobre tratamiento de datos biométricos
- AEPD · Transcripción de voz con IA: responsabilidad proactiva, derechos y transparencia (abril de 2026)
- The Lyon Firm · Demandas por huella de voz bajo la BIPA de Illinois (caso Petco)
- Google Cloud Speech-to-Text · Diarización de hablantes
Contenido informativo. No sustituye al asesoramiento profesional sobre tu caso concreto.
Sigue leyendo
Grabar sin bot en la videollamadaNotetaker para Whereby: por qué el bot no entra y qué grabador funciona sin élWhereby no tiene, a fecha de noviembre de 2026, una integración de calendario para notetakers externos, así que ningún bot se une solo a la sala. La alternativa real es grabar desde el navegador o la aplicación de escritorio: capta la reunión sin que nadie instale nada, distingue quién habla por micrófono y sistema, y cita cada frase al minuto.
6 nov 2026 · 7 min de lectura
Grabar reuniones sin botMezcla Estéreo no aparece en Windows 10: el arreglo y lo que no solucionaSi Mezcla Estéreo no aparece en Windows 10, suele estar oculta o faltar el controlador: muestra los dispositivos ocultos en el panel de Sonido y actívala, o actualiza el controlador. Si la tarjeta no la incluye, necesitas un cable virtual o una app que capture el audio del sistema de forma nativa.
3 nov 2026 · 6 min de lectura
Grabar reuniones sin botCaptura y transcripción de audio del sistema en Windows bajo control de datos corporativosLa captura de audio del sistema en equipos Windows permite registrar reuniones y llamadas corporativas sin depender de bots de asistencia externos. En entornos regulados, el procesamiento local en la aplicación de escritorio de Owl Meetings garantiza que los flujos de voz permanezcan bajo estricto control técnico y normativo, cumpliendo con la legislación de protección de datos de la Unión Europea y generando actas verificables con cita al minuto.
29 oct 2026 · 6 min de lectura