Cortar las frases por grupos de sentido, y 2 caminos equivocados

Todo empezó con una publicación en nuestro tablero de sugerencias:

Sonaba a arreglo pequeño. Hacer los trozos más cortos y publicarlo. Pero cuanto más cavábamos, más claro quedaba que esto nunca fue una cuestión de longitud. Era una cuestión de dónde cortar, o dicho con propiedad, de cómo dividir las frases en inglés en grupos de sentido. Y en cuanto lo resolvimos, apareció otra mucho más difícil: ¿cómo traduces esos trozos sin enseñarle a la gente algo falso?

Aquí está la historia completa de las dos, incluidas las dos veces que nos equivocamos con toda la confianza del mundo.

Parte 1: cortar corto es fácil; cortar bien, no

El método más rápido es mecánico: cinco palabras por trozo, o cortar en cada coma. Lo probamos. Produce fragmentos así:

"the big" / "red car that I" / "bought last week"

Aritméticamente perfecto. Como práctica de escucha, inútil. Nadie hace una pausa entre "the big" y "red car", así que un trozo cortado así te entrena en un ritmo que no existe en el habla real. Peor todavía: te pide sostener en la cabeza un fragmento sin significado, y la memoria a corto plazo es célebre por lo mal que lleva las cosas sin significado.

Así que la pregunta se reescribió: ¿dónde no se nos permite cortar nunca?

Parte 2: reglas de corte escritas a mano, y por qué fracasaron

Nos sentamos a listar las reglas de "aquí no se corta jamás", según cómo agrupa palabras el inglés. Nunca cortar dentro de:

• Determinante + sustantivo: the big red car
• Preposición + su complemento: in the garden, of a week
• Auxiliar o modal + verbo: has been, did not answer
• Verbo + partícula: give up, look after
• "to" + verbo: to share
• Nombres propios y títulos: New York City, Dr. Jane Smith
• Números, fechas, dinero, medidas
• Modismos fijos y sustantivos compuestos: on the other hand, climate change
• Posesivo + sustantivo: John's car

Más una que suena obvia: nunca terminar un trozo en una palabra funcional suelta; no dejar un trozo colgando de un "of".

Después empezamos a implementarlo. Ahí se vino abajo.

Para saber qué "of" se queda huérfano, tienes que saber a qué sintagma pertenece, lo que significa analizar la frase. Y la cosa iba a peor:

• La misma palabra "up": en "give up" es una partícula que debe quedarse pegada al verbo. En "walked up the hill" es una preposición que pertenece a lo que viene detrás. Para un código que mira caracteres, son idénticas.
• "New York City" tiene que quedarse entero, pero el código no puede saber que es un nombre propio sin acoplarle un reconocedor de entidades.
• La coma de "1,000" no es nunca un corte; la coma de "In 2020, we…" es un corte ideal. El mismo carácter.
• El "to" de "to share" es un infinitivo; el "to" de "went to London" es una preposición.

Cada regla que añadíamos engendraba tres excepciones. A media faena levantamos la vista y nos dimos cuenta de qué estábamos construyendo: un analizador sintáctico del inglés. Y aun terminado, seguiría perdiendo contra una sola frase real lo bastante retorcida.

Entonces llegó una conclusión bastante evidente que nos costó vergonzosamente aceptar: los modelos de lenguaje de hoy son los maestros exactos de esto. Distinguir "give up" de "walked up", saber que "New York City" es un bloque, saber qué coma es un compás y cuál un separador de miles: eso es justo lo que aprendieron de miles de millones de frases en inglés. Estábamos programando a mano una competencia que el modelo ya tenía.

Así que invertimos los papeles:

• Las reglas dejaron de ser código y pasaron a ser el encargo. Toda la lista de "aquí no se corta" vive ahora en el prompt.
• El modelo decide el 100 % de los límites. El código no inventa nada: ni rellenos para llegar a un número de palabras, ni topes de tamaño.
• El código volvió a lo que de verdad se le da bien, verificar:
  1. Comprobar cada token contra la lista de palabras original. El modelo puede soltar signos de puntuación, pero una palabra cambiada o ausente descarta la propuesta entera en favor de un plan B.
  2. Cronometrar cada trozo a partir de las marcas de tiempo por palabra, para que al dar a reproducir caigas exactamente en el trozo.
  3. Mapear cada trozo con su frase madre, un detalle que nos salva más adelante.

Un cambio pequeño que importó mucho: le damos al modelo la transcripción con puntuación, no una cadena de palabras crudas vueltas a unir. Las comas y los puntos son las pistas de fraseo más fuertes que deja la grabación. Quitarlos es tirar la mejor prueba que tenemos.

Parte 3: con qué criterio cortar, grupos de sentido y unidades de entonación

Dejarle el corte a un modelo no significa dejarle improvisar. Todavía teníamos que decirle con qué criterio cortar, y aquí necesitábamos fundamento real, no intuiciones.

La gente no habla en palabras sueltas. El habla se organiza en grupos de sentido.

Un grupo de sentido es un racimo de palabras que lleva una idea, dicho en un solo aliento, y las pausas caen en los límites entre grupos, nunca dentro de uno.

En lingüística esta unidad es lo que Wallace Chafe describió como la unidad de entonación: un sintagma prosódico de nivel intermedio que talla el flujo continuo del habla en trozos del tamaño justo para el foco de atención limitado de quien escucha. No es una cuestión estética: hay investigación específica sobre el papel de las unidades de entonación en la memoria del inglés hablado.

Añade una pieza de psicología cognitiva: la memoria de trabajo sostiene aproximadamente 7±2 unidades (Miller, 1956), corregidas a la baja por trabajos posteriores hasta unas 4±1 (Cowan, 2001). Justo por eso nuestro nivel más corto es de 2 a 4 palabras: no "corto por ser corto", sino lo bastante corto para caber en la memoria a corto plazo mientras todavía peleas por captar los sonidos.

Y la parte que más nos tranquilizó: quienes subtitulan profesionalmente resolvieron esto hace mucho. Las BBC Subtitle Guidelines exigen segmentar los subtítulos en un corte lingüístico natural, de modo que cada línea forme una unidad lingüística íntegra, y nombran los cortes que hay que evitar de plano: artículo y sustantivo, preposición y el sintagma que sigue, conjunción y la oración que sigue, pronombre y verbo, además de preferir la segmentación en los límites de oración.

La lista de "aquí no se corta" que habíamos escrito en la parte 2 coincide casi exactamente. No es casualidad: las dos salen de la misma fuente, de cómo agrupa palabras el inglés. Estábamos volviendo a recorrer un camino que la subtitulación de televisión ya había pavimentado, y eso fue lo que nos convenció de que íbamos bien.

Tres niveles de división, y por qué tres

Con ese fundamento, los tres niveles dejan de ser números arbitrarios:

Nivel	Tamaño	Fundamento	Ideal para
Constante	2-4 palabras	Límite de la memoria de trabajo (≈4±1)	Empezar, o habla rápida
Natural	5-9 palabras, del tamaño de una cláusula	Unidades de entonación + "preferir límites de oración"	La práctica del día a día
Fluido	Frases enteras	La unidad semántica completa	Cuando ya aguantas una línea larga

Cada nivel guarda su propio avance, así que cambiar a mitad de lección nunca te cuesta el trabajo hecho.

Un beneficio que no habíamos previsto: la práctica del habla

Cortar por grupos de sentido abrió otra cosa. Como cada trozo es exactamente un aliento, puedes hacer shadowing trozo a trozo: decir el trozo entero sin quedarte sin aire, con las pausas donde las hace un hablante nativo.

Prueba a hacer shadowing de una frase de 25 palabras de un tirón y te quedarás a medias y romperás en un sitio donde nadie rompe. El shadowing por trozos es otro ejercicio: entrenas el ritmo del inglés hablado, no solo la pronunciación de palabras sueltas. Un mismo corte que sirve a la escucha y al habla.

¿No conoces las tres etapas de la práctica de escucha (escuchar → dictar → shadowing)? Lee nuestro artículo anterior; este da por hecho que ya estás en la etapa 2 o 3.

Lección uno: segmentar es una decisión lingüística, no un acto de división. Y cuando un problema es puramente lingüístico, quien mejor lo resuelve no es el código que escribimos, sino el modelo que aprendió el idioma. Nuestro trabajo es fijar el encargo con precisión y verificar sin piedad.

Parte 4: traducir trozo a trozo, el problema difícil

Resuelto el corte, apareció una costura fea: cada trozo de cuatro palabras seguía mostrando la traducción de la frase entera. Estabas escribiendo "our brain is working" con una línea completa de traducción debajo: redundante, y encima te destripaba la parte que aún no habías oído.

"Pues traduce cada trozo por separado" suena obvio. Pero arrastra tres restricciones que se pelean entre sí:

1. El fragmento tiene que significar lo que significa él → lo que exige el contexto de la frase entera.
2. Pero no debe revelar el resto de la frase.
3. Y no debe tomar prestadas palabras del trozo vecino.

Camino equivocado n.º 1: partir la traducción completa para que encaje

La idea parecía impecable: la traducción de la frase ya es correcta, así que basta con repartirla entre los trozos. Concatenas los pedazos y recuperas el original: nada añadido, nada perdido.

Con frases bien portadas quedaba precioso:

"I was appointed six months ago," → «Me nombraron hace seis meses,» "and the more I've spoken about feminism," → «y cuanto más he hablado de feminismo,»

Y entonces nos topamos con esta:

"It's an environmental issue which, like the growing amounts of plastic waste, isn't going away."

Al trozo "of plastic waste," le tocó: «plásticos cada vez más abundantes,».

Concatenada, la frase sigue siendo perfecta. Pero quien aprende está mirando cuatro palabras, "of plastic waste", y se le dice que significan "plásticos cada vez más abundantes". La palabra "growing" pertenece al trozo anterior. Acabábamos de enseñar algo falso.

Fíjate en el detalle: otra vez "of". Nos rompió durante la segmentación y volvió para rompernos durante la traducción.

Correcto al volver a montarlo no es lo mismo que correcto en cada pieza. Las lenguas reordenan las palabras de forma distinta, así que un reparto fiel en conjunto puede estar mal en lo local.

Camino equivocado n.º 2: traducir cada trozo, pero pasarle igualmente la traducción completa

Escarmentados, pasamos a traducir cada trozo por su cuenta, dándole como contexto tanto la frase completa en inglés como la traducción existente, con el razonamiento de que así se mantendría coherente la elección de palabras.

El resultado:

"of plastic waste," → «los residuos plásticos cada vez mayores,»

Sigue contaminado. Porque en cuanto tiene delante una traducción terminada, el modelo deja de traducir y vuelve a repartir esa traducción. Le habíamos puesto en la mano, personalmente, la muleta que intentábamos quitar.

El contexto equivocado es peor que la falta de contexto.

Lo que sí funcionó

Quitar del prompt la traducción completa por entero. Dejar solo la frase completa en inglés, y usarla para una única tarea: desambiguar el sentido de las palabras. Y añadir una instrucción sin rodeos: traduce solo las palabras de este trozo; si una palabra pertenece a otro trozo, no puede aparecer aquí.

"of plastic waste," → «de residuos plásticos,» ✓ "the growing amounts" → conserva growing donde le corresponde

Las tres restricciones en conflicto se resuelven en cuanto se separan los papeles: la frase en inglés aporta contexto, pero solo se traducen las palabras del propio trozo.

Una última trampa: con ser correcto no basta, tiene que serlo de forma fiable

Nuestra primera versión metía 25 frases en una sola llamada para ahorrar dinero. El modelo empezó a contar mal cuántos trozos tenía cada frase, y un desajuste en el recuento invalida esa frase entera. La tasa de relleno fue de 58 trozos de 137. Más de la mitad de quienes aprenden seguirían viendo la vieja traducción de frase completa.

Dos arreglos de lo más corriente:

• Lotes más pequeños: menos elementos por llamada y el modelo deja de perder la cuenta.
• Reintentar cada frase fallida por separado: las llamadas de un solo elemento casi nunca se equivocan.

Resultado: 137 de 137. Y para no pagarlo en tiempo de espera, las llamadas van en paralelo con un tope razonable.

Parte 5: la experiencia final, traducción por trozo más la frase completa

Después de todo eso, lo que ve quien aprende es callado y simple:

• Cada trozo muestra su propia traducción. Entiendes exactamente hasta donde has escrito.
• En el último trozo de la frase aparece también la traducción completa. Tienes la pieza y el conjunto, y no se destripa nada, porque solo llega cuando ya terminaste la frase.
• Si falta algo, se recurre con elegancia al plan B. Una frase de un solo trozo, o una que el modelo no pudo resolver, vuelve sin ruido a la traducción de frase entera. Nunca un hueco en blanco.

Y las traducciones no son solo al vietnamita. Siguen la lengua materna que elijas en Ajustes, cambiable cuando quieras, así que la misma lección aparece en tu idioma:

Lo que nos quedó

Mira el trecho recorrido. Al principio nos apoyábamos en los subtítulos gratuitos de YouTube. Tenían faltas de ortografía, errores de puntuación, a veces palabras directamente equivocadas y, lo peor para practicar escucha, partían las líneas para caber en el marco del video, no según el significado. Dónde terminaba una línea de subtítulo era una decisión de un reproductor de video, no del inglés.

Hoy ese mismo video pasa por: transcripción con IA → división en tres niveles con fundamento lingüístico → verificación token a token → sincronización palabra por palabra → una traducción propia para cada trozo en tu lengua materna → y un reintento para todo lo que no salió bien. Todo eso ya está publicado: mira las novedades.

El coste se multiplicó varias veces. Cada video necesita ahora muchas más llamadas al modelo, más los reintentos, multiplicado otra vez por idioma. Esa es una factura real.

Pero los dos problemas de este artículo partieron del mismo sitio: algo que ya funcionaba y que no nos parecía lo bastante bueno. La división mecánica funcionaba. Mostrar la traducción de la frase entera en cada trozo funcionaba. Repartir la traducción para que encajara hasta parecía elegante.

Simplemente no estaba bien. Y la distancia entre funcionar y estar bien es justo la que se nota al aprender.

Este artículo nació de exactamente un comentario, la captura de arriba. Si algo del producto todavía te da la sensación de "funciona, pero chirría", mándanoslo.