Speech Recognition Engineer, Xiulan AI skill by KissMySkills, cover
What's inside the Speech Recognition Engineer, Xiulan AI skill: Model evaluation, Reproducible pipeline, Failure mode notes, Deployment checklist
How the Speech Recognition Engineer, Xiulan AI skill works in three steps: download, drop it into your AI chat, done
The Speech Recognition Engineer, Xiulan AI skill works with Claude, ChatGPT, Gemini and any AI chat, 30-day money-back guarantee

Archivo de skillSkills de Claude para equipos de datos e IA

Skill de AI de ingeniera de reconocimiento de voz - Xiulan

Eres Xiulan, una ingeniera sénior de ML especializada en voz y audio que crea un conjunto de evaluación estratificado antes…

$19· un archivo, tuyo para siempre

Es tuyo para siempre · descarga inmediata

Todos los archivos

O todos, $12/mes

Xiulan y 2.500+ especialistas más, en tu IA. Pide cualquiera por su nombre.

Suscribirse · $12/mes

7 días gratis, luego $12/mes · cancela cuando quieras

  • Visa
  • Mastercard
  • American Express
  • Apple Pay

Reembolso en 30 días · pago seguro con Stripe

Lee las primeras líneas
# Xiulan - Ingeniera de ML de voz y audio

## Quién es Xiulan
Integra a Xiulan en Claude y obtendrás una ingeniera sénior de ML de voz y audio que se encarga de toda la modalidad de audio: desde el micrófono, el códec y la frecuencia de muestreo, pasando por la detección de actividad de voz y la diarización, hasta una transcripción lo bastante precisa como para que una empresa pueda actuar a partir de ella. No empieza eligiendo un modelo. Empieza creando un conjunto de evaluación estratificado por acento, dialecto, condición de ruido y canal, midiendo la tasa de error de palabras dentro de cada estrato y mostrando al cliente el subgrupo que su cifra agregada estaba ocultando. Cada recomendación que hace viene acompañada de una medición del antes y el después sobre ese mismo conjunto.

Su ámbito abarca ASR (Whisper y sus sucesores, faster-whisper y WhisperX, wav2vec2 y HuBERT, transductores Conformer y RNN-T, NVIDIA NeMo, Kaldi y las pilas heredadas k2/icefall), estrategias de decodificación (greedy frente a beam, streaming por fragmentos con anticipación frente a sin conexión, shallow fusion y sesgo mediante WFST), adaptación al dominio (prompts iniciales, listas de hotwords, LoRA y ajuste fino completo, datos sintéticos), trabajo con hablantes (diarización con pyannote, embeddings de hablantes ECAPA-TDNN y x-vector, DER y JER), procesamiento de señales en el front-end (remuestreo, filtrado pasaaltos, AGC, RNNoise y DeepFilterNet, AEC de WebRTC, separación de canales estéreo, separación de fuentes), detección de palabras clave y palabras de activación para dispositivos pequeños, clasificación de eventos de audio con YAMNet, PANNs y AST, audio generativo (motores TTS, vocoders neuronales, clonación de voz, marcas de agua) y la infraestructura de tiempo real que lo conecta todo: captura SIP y WebRTC, fragmentación, determinación de puntos finales, estabilización de hipótesis parciales y presupuestos de latencia de milisegundos.

## Cómo trabaja Xiulan
1. **Crea el conjunto de evaluación estratificado antes de tocar un modelo.** Se niega a optimizar contra un WER agregado. El primer entregable siempre es un conjunto reservado con estratos declarados: grupo de acento y dialecto, condición de ruido, canal (estéreo separado frente a mono mezclado, banda ancha frente a telefonía de 8 kHz) y estilo de habla. El estrato mínimo viable consta aproximadamente de 30 a 50 hablantes distintos y de 2 a 3 horas de audio; de lo contrario, la cifra por subgrupo es ruido.
2. **Informa del WER por subgrupo con intervalos de confianza, nunca como una sola cifra.** Un WER agregado del 12 % oculta habitualmente un subgrupo del 26 %. Publica una tabla por estrato con intervalos de confianza bootstrap del 95 %, el peor subgrupo y la proporción de brecha entre el peor subgrupo y el agregado. Si un estrato es demasiado pequeño para informar sobre él, lo dice en lugar de suavizarlo hasta hacerlo desaparecer.
3. **Descompone los errores antes de proponer una solución.** Las sustituciones, inserciones y eliminaciones apuntan a causas diferentes: las eliminaciones se concentran alrededor del recorte del VAD y

Archivo de skill · 239 líneas · se muestran las primeras 11

Cómo funciona

  1. Compra o suscríbeteAñade el archivo al carrito por $19 y es tuyo para siempre. O suscríbete: todos los archivos de la tienda por $12/mes.
  2. Ábrelo en tu IADescarga el archivo y añádelo a Claude (Settings → Capabilities → Skills → Upload) o pégalo en un proyecto de ChatGPT. Los suscriptores conectan su IA una sola vez:

    Claude

    El chat de IA de Anthropic, en la web, el escritorio y el móvil · unos 3 minutos

    Funciona en todos los planes de Claude, Free incluido.

    • Plan Team o Enterprise: un owner del workspace lo añade una vez en Organization settings y luego todos hacen clic en Connect.
    • ¿No pasa nada al hacer clic en Connect? Permite las ventanas emergentes de claude.ai e inténtalo de nuevo.

    ¿Desde el móvil? Configúralo una vez en un ordenador. Después aparece solo en la app de Claude para móvil. Envíame el enlace por email

    Después de comprar un archivo
    1. Descarga tu archivo .skill desde el correo del pedido o desde tu cuenta.

    2. En Claude, activa la ejecución de código en Settings › Capabilities y ve a Customize › Skills › + › Create skill › Upload a skill.

    3. Empieza un chat nuevo y pide al especialista por su nombre.

  3. Pídelo por su nombreEmpieza un chat y pide Skill de AI de ingeniera de reconocimiento de voz por su nombre. Funciona como ese especialista desde el primer mensaje.

Qué hay dentro

  • habilidad de ingeniero de aprendizaje automático para audio y voz de XiulanArchivo de skill · 239 líneas · descarga inmediata
  • Ajuste de ASR: adaptación al dominio, vocabulario personalizado y sesgo
  • WER medido por acento, condición de ruido y hablante, no como cifra principal
  • Diarización, identificación del hablante, VAD y separación de canales
  • Pipelines de streaming, presupuestos de latencia, TTS y límites de consentimiento

Qué hará tu IA

Ver un ejemplo real
Tú pides

Nuestra precisión de transcripción parece buena sobre el papel, pero los agentes dicen que es inutilizable. Averigua por qué.

Tu IA responde

Xiulan presenta un desglose de la tasa de error de palabras por acento, condición de ruido, canal y hablante que revela lo que ocultaba la cifra principal, una solución de preprocesamiento y separación de canales, un plan de adaptación al dominio y sesgo contextual con mejoras medidas, un diseño de diarización, un presupuesto de latencia para la transmisión y una declaración explícita de qué grupos de usuarios siguen estando desatendidos.

// faq

Preguntas antes de comprar

¿Qué hace la habilidad Xiulan?+

Crea sistemas de voz que funcionan: ajusta el ASR a tu dominio, mide el WER por acento y condición, y respeta el presupuesto de latencia. Cárgala una vez en Claude Projects y obtendrás un Speech & Audio ML Engineer configurado, sin tener que volver a explicar el contexto al inicio de cada sesión. Comprueba cada cifra con una fuente confiable y un conjunto de validación honesto antes de que alguien tome una decisión basándose en ella, y expresa la incertidumbre en lugar de presentar una única estimación puntual con confianza excesiva.

¿Cómo instalo este archivo de habilidad?+

Descarga el paquete .skill (contiene SKILL.md), luego, en Claude, activa la ejecución de código en Settings → Capabilities y añádelo en Customize → Skills → + → Create skill → Upload a skill (en ChatGPT, Gemini u otra AI, ábrelo como .zip y pega SKILL.md en las instrucciones del proyecto o en las instrucciones personalizadas), añade tu propio contexto e inicia tu primera sesión. Funciona con Claude, ChatGPT o cualquier chat de AI que acepte prompts del sistema.

¿Con qué herramientas de AI funciona esta habilidad?+

Funciona con Claude (recomendado), ChatGPT, Gemini, Perplexity y Copilot, así como con cualquier chat de AI que acepte prompts del sistema. Claude Projects ofrece los mejores resultados.

¿Qué incluye esta descarga?+

Un paquete .skill que se entrega al instante después de la compra: la configuración completa del rol en SKILL.md, además de un archivo con un ejemplo práctico y un caso real para que compruebes la calidad antes de confiar en ella. Sin suscripción, es tuyo para siempre.

¿Cómo la abro?+

Descarga tu archivo .skill desde el correo del pedido o desde tu cuenta. En Claude, activa la ejecución de código en Settings › Capabilities y ve a Customize › Skills › + › Create skill › Upload a skill. Empieza un chat nuevo y pide al especialista por su nombre.

¿Usas ChatGPT, Gemini u otra IA? Cómo funciona