Secciones
Método de verificación
Esta página es el texto de METODO.md del repositorio, tal cual está hoy. Cada cambio queda en su historial de cambios.
Este es el procedimiento exacto con el que se ha verificado cada entrevista. Está escrito para que cualquiera (una persona o una sesión de Claude Code) lo repita con otra entrevista y obtenga un resultado comparable. La regla principal: la misma vara de medir para todos los invitados, sea cual sea su partido.
1. Descargar y transcribir
.venv/bin/python herramientas/transcribir.py <slug> <url-de-youtube> "<Nombre del invitado>" "<glosario opcional>"
Descarga el audio y lo transcribe en local con Whisper (large-v3-turbo). Crea entrevistas/<slug>/ con la transcripción (transcripcion.txt, párrafos de ~1 minuto con marca [h:mm:ss]), los segmentos con tiempos (segmentos.json), los capítulos del vídeo (capitulos.json), info.txt y meta.json. Revisa meta.json (nombre del invitado, programa, fecha, duración). El audio (entrevista.m4a) se queda en esa carpeta, pero no se sube al repo.
Si el entorno .venv no existe: uv venv --python 3.12 && uv pip install mlx-whisper.
1 bis. Reconocer quién habla
uv pip install sherpa-onnx # una sola vez
.venv/bin/python herramientas/hablantes.py <slug> [umbral]
Whisper transcribe pero no dice quién habla, así que este paso atribuye cada segmento de la transcripción a una voz, en local. Parte del audio y de segmentos.json que deja el paso 1 y necesita ffmpeg, sherpa-onnx y el modelo de huella de voz TitaNet-large en .modelos/ (el enlace de descarga está en la cabecera del script).
Antes hay que añadir en MUESTRAS, para la entrevista nueva, dos fragmentos escuchados a mano en los que hable una sola persona: Jordi presentando el programa (J) y una respuesta larga del invitado (G). La muestra de los verificadores del programa (Iván Muñoz y Javier Collado) es la misma para todas las entrevistas y sale de la de Sánchez (MUESTRA_VERIFICADORES).
- Se calcula la huella de voz de cada segmento; los de menos de 1,2 s se amplían por los dos lados hasta 1,2 s.
- Cada huella se compara con las muestras de Jordi y del invitado, que se recalibran dos veces con los segmentos largos y claros, y con la de los verificadores.
- Si el segmento no se parece lo bastante a ninguna queda como «Voz sin identificar» (verificadores, cortes, público). El umbral es 0,25 y se puede cambiar con el segundo argumento.
- Un segmento de menos de 1,5 s y dudoso, entre dos del mismo hablante, toma la etiqueta de esos dos.
Escribe hablantes.json (la voz de cada segmento con sus puntuaciones, el tiempo total de cada voz y un campo metodo con la herramienta, el umbral y el acierto medido) y transcripcion-hablantes.txt (la transcripción por intervenciones). La web los usa para mostrar la transcripción por voces y la API publica el hablante de cada segmento.
Con 125 segmentos de la entrevista de Sánchez etiquetados a mano, la huella de voz TitaNet acertó el 96,8 % (medido sin recalibrar). Los fallos son frases de menos de 1,5 segundos y segmentos en los que Whisper juntó a los dos hablantes. Esa medición solo se hizo en la entrevista de Sánchez. El agrupamiento automático sin muestras dio resultados mucho peores (partía a cada persona en varias voces) y se descartó.
2. Repartir por temas
Lee la transcripción entera y capitulos.json. Agrupa los capítulos en bloques temáticos (en la entrevista de Sánchez fueron 8 bloques para 12 capítulos: los capítulos sin datos comprobables se juntan). Para cada bloque, anota el tramo de tiempo, las líneas del fichero y la lista de afirmaciones comprobables que haces a primera lectura.
3. Verificar: un subagente Sonnet por bloque
Lanza en paralelo un subagente (modelo Sonnet, con WebSearch y WebFetch) por bloque, con este encargo (sustituye lo que va entre <>):
Eres verificador de datos (fact-checker) riguroso e imparcial. Hoy es
<fecha>.<Contexto: programa, invitado, fecha de publicación, elecciones>. Tengo la transcripción automática (Whisper, sin etiquetas de hablante y con algún error de reconocimiento) en<ruta>/transcripcion.txt, con marcas [h:mm:ss] al inicio de cada párrafo.TU PARTE: el capítulo
<título>(<tramo>, líneas<a–b>del fichero). Lee esas líneas enteras.TAREA: comprueba con búsqueda web cada afirmación FACTUAL COMPROBABLE que haga
<INVITADO>(no las de Jordi Wild; deduce quién habla por el contexto). No evalúes opiniones, valoraciones, promesas ni anécdotas privadas imposibles de comprobar.Afirmaciones que ya he localizado (comprueba estas y añade cualquier otra comprobable que veas en tu tramo):
<lista numerada>MÉTODO: usa WebSearch y WebFetch. Muchos hechos son recientes: NO te fíes de tu memoria, búscalo. Prioriza fuentes primarias y oficiales (INE, Eurostat, BOE, Banco de España, Congreso, ministerios, resoluciones judiciales) y prensa de distintas líneas editoriales; verificadores (Newtral, Maldita, EFE Verifica) como apoyo. Aplica la misma vara de medir que a cualquier político de cualquier partido. Admite el redondeo razonable del lenguaje oral. Respeta la presunción de inocencia de los no condenados. Cita solo URLs que hayas visto de verdad; nunca inventes una URL ni un dato. Si no encuentras prueba suficiente, el veredicto es «no_verificable»: no fuerces ni «falso» ni «verdadero».
VEREDICTOS: verdadero | mayormente_verdadero | enganoso (dato real pero sin contexto, mezcla de periodos o conclusión que no se sigue) | falso | no_verificable.
ENTREGA: escribe el fichero
entrevistas/<slug>/resultados/<NN-tema>.jsoncon un array JSON de objetos:{"minuto": "h:mm:ss", "cita": "literal de la transcripción", "afirmacion": "reformulada y autocontenida", "veredicto": "...", "explicacion": "2-4 frases con el dato real, su fecha y de dónde sale", "confianza": "alta|media|baja", "fuentes": [{"titulo": "...", "url": "https://..."}]}. Todo en español. Como respuesta final dame solo el recuento por veredicto y una línea por cada «falso» o «enganoso».
La cita debe ser literal: la web la usa para encontrar el segundo exacto del vídeo.
Este encargo, tal cual, es el que se usó en las tres entrevistas publicadas. Se hicieron con transcripcion.txt, que no lleva etiquetas de hablante (por eso pide deducir quién habla por el contexto): el reconocimiento de voces del paso 1 bis se añadió después. Para una entrevista nueva, transcripcion-hablantes.txt ya indica quién habla en cada intervención; si se entrega ese fichero en lugar de transcripcion.txt, hay que cambiar en el encargo la ruta y la frase sobre los hablantes.
4. Resumir las justificaciones
Un subagente Sonnet por fichero de resultados. Para cada afirmación, en el mismo orden, un resumen de la explicación: una frase (dos como mucho), máximo 30 palabras, que empiece por el dato real y no añada nada que no esté en la explicación. Se guarda como array de cadenas en entrevistas/<slug>/resumenes/<NN-tema>.json (misma longitud y orden que el fichero de resultados).
4 bis. Excluir lo que no aporta al debate público
Algunas afirmaciones se pueden comprobar pero no tienen interés público. Se quitan de la web y de los recuentos, y se listan en entrevistas/<slug>/excluidas.json con su veredicto original y el motivo. La API las publica aparte, en el campo excluidas. Solo hay seis motivos posibles:
| Motivo | Ejemplos |
|---|---|
| Dato biográfico o familiar del invitado | Edad, edad de los padres, hijos, estudios, idiomas, a quién votó en su juventud |
| Anécdota personal o privada | Qué coche usaba en las primarias, qué redes sociales usa, ofertas de cargos que rechazó |
| Duración de un cargo o de una trayectoria | «Lleva ocho años en el Gobierno», «llevo 30 años en política» |
| Detalle logístico de la campaña o de la entrevista | Cuándo empieza la campaña, a qué medios ha ido |
| Curiosidad sin relación con el debate público | Que el Papa votó, en qué año se construyó un edificio |
| Estimación dicha de pasada al hablar, con el dato de fondo verificado aparte | «19 semanas, que son 100 días», cuando el permiso de 19 semanas ya está verificado en otra afirmación |
El criterio se aplica igual a todos los invitados y sin mirar el veredicto. Nunca se excluye una afirmación sobre políticas, cifras públicas, instituciones, leyes o la actuación de un cargo o de un partido, aunque parezca menor. La única excepción son las estimaciones de pasada: una equivalencia o una cuenta aproximada que el invitado suelta al hablar para explicar otro dato, sin defenderla como cifra, cuando ese dato de fondo tiene su propia afirmación verificada. Si el dato de fondo no está verificado aparte, o si la cifra es lo que el invitado defiende, se queda y se juzga como cualquier otra afirmación. Los identificadores (m<segundo>) se asignan antes de excluir, así que no cambian.
Este sexto motivo se añadió el 14 de noviembre de 2026, después de publicar, a raíz de las críticas a sanchez-m3720. Se revisaron entonces las tres entrevistas y era la única afirmación publicada que lo cumplía.
5. Generar la web y publicar
Cuando todos los bloques y resúmenes estén completos y python3 herramientas/comprobar_datos.py no dé errores (valida los JSON, los veredictos y que cada resumen case con su afirmación), añade "publicar": true a entrevistas/<slug>/meta.json (el generador ignora las entrevistas que no lo tienen, para no publicar verificaciones a medias).
Antes de generar la web, crea las imágenes que se ven al compartir los enlaces (vista previa en WhatsApp, X, Telegram, LinkedIn, Bluesky): una por entrevista publicada, con el nombre, el partido y el número del programa (sin recuentos, para que no se queden viejas al corregir veredictos). Necesita Pillow, que no es dependencia del proyecto, así que se ejecuta con uv. Escribe en web-src/compartir/ (también el favicon); hay que subir esos ficheros al repositorio. Si falta la imagen de una entrevista, build.py avisa y usa la general.
uv run --with pillow python herramientas/imagenes_compartir.py # web-src/compartir/<slug>.png, 1200×630
python3 web-src/build.py # genera toda la web en web/ (páginas, API y vercel.json)
git add entrevistas/<slug> web web-src/compartir && git commit -m "Verificación de la entrevista a <invitado>" && git push
cd web && npx vercel link --yes --scope pablopc05s-projects --project verificacion-podcast # solo la primera vez en un clon nuevo
npx vercel deploy --prod --yes --scope pablopc05s-projects
Después de publicar
Estos pasos añaden contexto sin tocar los veredictos:
- Copias archivadas de las fuentes.
python3 herramientas/archivar_fuentes.pyguarda cada fuente en la Wayback Machine (o reutiliza una copia hecha desde el 1 de noviembre de 2026) y lo apunta enentrevistas/archivo.json. La web pone «copia archivada» al lado de cada fuente, por si la noticia cambia o desaparece. Va despacio a propósito, porque archive.org limita las peticiones, y se puede cortar y reanudar. - Imágenes de cada afirmación. El mismo
imagenes_compartir.pycrea una imagen por afirmación (veredicto, texto y minuto) enweb-src/compartir/afirmaciones/<slug>/. Estas sí llevan el veredicto, así que hay que regenerarlas al corregir uno; solo se reescriben las que cambian. - Lo esencial.
entrevistas/<slug>/esencial.jsonelige de 3 a 5 afirmaciones por candidato: las que llevan un dato concreto sobre los temas centrales de la campaña, salgan bien o mal. El criterio es el mismo para todos. - Otros verificadores.
entrevistas/<slug>/otros_verificadores.jsonenlaza lo que Newtral, Maldita.es, EFE Verifica u otros verificadores profesionales publicaron sobre la misma frase (misma_frase) o sobre el mismo dato dicho por el candidato en otro momento (mismo_dato). Un artículo general sobre el tema no cuenta, y su veredicto se copia tal cual, aunque no coincida con el nuestro. La primera búsqueda solo miró las falsas y las engañosas. - Temas comunes.
entrevistas/temas.jsonagrupa capítulos de las distintas entrevistas en temas compartidos (vivienda, inmigración…) para la comparativa de/temas. Un tema solo sale si lo tratan dos candidatos o más.
Correcciones
Cuando una corrección cambia un veredicto, la explicación o una fuente, se edita la afirmación y se le añade correcciones: [{fecha, antes, motivo}]. La web la marca como «Corregido» y enseña el historial en su página, con el veredicto anterior a la vista, y la API lo publica en el mismo campo. Cada afirmación muestra además la fecha en que se verificó (verificado en meta.json, o en la propia afirmación si se volvió a verificar entera).
La API se genera como JSON estático en web/datos/ (ahí está también su documentación) y web/vercel.json hace que Vercel la sirva en /api y en /api/v1/…. En local, con python3 -m http.server -d web, los datos están en /datos/v1/. Esta página (/metodologia) sale de este mismo fichero, METODO.md: para cambiar el método, se edita aquí y se vuelve a ejecutar build.py.
Qué significa cada veredicto
| Veredicto | Criterio |
|---|---|
| Verdadero | Los datos lo confirman. |
| Casi cierto | Cierto en lo esencial, con una imprecisión menor. |
| Engañoso | Se apoya en algo real pero omite contexto, mezcla periodos o lleva a una conclusión que no se sigue. |
| Falso | Los datos lo contradicen. No implica intención de mentir: incluye errores y lapsus. Las estimaciones dichas de pasada cuyo dato de fondo ya se verifica aparte se excluyen (apartado 4 bis). |
| No verificable | No hay prueba pública suficiente, o la búsqueda se quedó corta. |
Límites conocidos
- La verificación la hacen modelos de IA y no la revisa un equipo de periodistas.
- Los subagentes tienen un cupo de búsquedas; cuando se agota, lo que queda sin contrastar se marca «no verificable», no «verdadero».
- Algunas páginas oficiales no se dejan abrir de forma automática y se citan a través de prensa.
- La transcripción automática a veces confunde nombres y cifras. La atribución de cada frase a su hablante también es automática: acertó el 96,8 % en las 125 frases comprobadas a mano de la entrevista de Sánchez (no se ha medido en las otras dos) y falla sobre todo en frases muy cortas.
- El número de afirmaciones falsas depende de cuánto habla cada invitado y de cuántos datos da: no es un ranking.
Para proponer una corrección, mira CONTRIBUTING.md.


