De qué hablaba el NO-DO, y en qué lenguas

El NO-DO (Noticiarios y Documentales) fue el noticiario oficial de la España franquista, de proyección obligatoria en todos los cines entre enero de 1943 y mayo de 1981. Para tres generaciones fue, hasta que se generalizó la televisión, la única imagen en movimiento de la actualidad y la voz audiovisual más directa del régimen. El archivo lo publican hoy en línea RTVE y la Filmoteca Española.

La historiografía sobre el NO-DO es abundante (una bibliografía reciente recoge unos 300 trabajos entre 1987 y 2023), pero la imagen cuantitativa de lo que mostraba descansa en la codificación manual de muestras parciales: un periodo, una región, un tema. El archivo supera las 1.000 horas y las 30.000 noticias del noticiario. Este estudio le plantea a todo el archivo dos preguntas sencillas: de qué hablaba el NO-DO y en qué lenguas. Las responde con tecnologías del habla y del texto y con grandes modelos de lenguaje, y pone el énfasis en dos cosas: que cada cifra agregada pueda llevarse hasta una noticia concreta con su código de tiempo, y que el error de la anotación automática se mida.

1. Un mapa de la lengua hablada y de la lengua de los rótulos de todo el archivo, que muestra que la transcripción automática existente (forzada al castellano) había traducido al castellano el 84 % del habla extranjera.
2. La segmentación de los 6.607 vídeos en 39.957 noticias con inicio y final, cada una clasificada en 12 temas y 61 subtemas, con indicadores de ámbito (nacional o extranjero) y de presencia de Franco en pantalla.
3. Un protocolo de validación (piloto, revisión de las noticias de baja confianza y muestra aleatoria ciega) y una comparación con codificaciones manuales independientes.
4. Una descripción de la evolución temática del noticiario entre 1943 y 1981 y de la relación entre temas y lenguas.

El corpus es el archivo completo del NO-DO tal como lo publica RTVE: 6.607 vídeos en siete series. Para cada vídeo se han usado el sumario de RTVE (una descripción escrita por documentalistas que enumera las noticias por orden), una transcripción automática previa de la locución con marcas de tiempo (140.554 segmentos), el OCR de los rótulos en pantalla (58.894, solo en el noticiario) y la pista de audio, descargada de nuevo para identificar la lengua y descartada después.

En un piloto de 100 vídeos, Haiku coincidió con una clasificación hecha con Claude Opus en el 82,7 % de los segundos de pantalla en el tema y en el 75,6 % en el subtema. Tras la revisión se extrajo una muestra aleatoria simple de 400 noticias (semilla 2026) y dos agentes de Opus las clasificaron desde cero sin ver las etiquetas automáticas.

De las 564 horas de habla detectada en los 5.924 vídeos con sonido, 562,5 reciben lengua. El castellano supone el 95,8 %. Le siguen el inglés (2,5 %, 13,9 horas en 441 vídeos), el francés, el italiano, el portugués y el alemán. El catalán suma 27 minutos en 14 vídeos. 665 vídeos contienen al menos 5 segundos de una lengua distinta del castellano.

Un primer resultado afecta al propio archivo: el 84 % del habla no castellana aparece traducida al castellano en la transcripción existente. Cualquier análisis de lengua basado en el texto pasaría por alto la mayor parte del habla extranjera.

El porcentaje anual de habla no castellana es inferior al 5 % casi todos los años, salvo en 1946–1951, cuando alcanza el 25–55 %. No es que el noticiario se locutara en inglés: en la mayoría de copias conservadas de esos años falta la locución española, y lo que se oye es el sonido original de los reportajes de noticiarios estadounidenses y británicos que el NO-DO compraba (Signal Corps, Movietone). Quien use el audio de ese periodo debe tenerlo en cuenta.

Lo que se lee en pantalla cuenta otra historia. Antes de 1968 no hay ningún rótulo en catalán (21 en total); desde la Transición aparecen carteles electorales, billetes de la Generalitat republicana, comarcas y exposiciones. El único rótulo en euskera es el texto de la Constitución de 1978. Las lenguas extranjeras son carteles, prensa y señales de los reportajes internacionales.

El noticiario se segmentó en 31.232 noticias (7,7 por vídeo). La duración media crece de un minuto en los años cuarenta y cincuenta a dos minutos en los setenta y tres minutos y medio en 1980–81: el noticiario pasa de muchas piezas breves a menos reportajes. La medida es el tiempo en pantalla: una noticia de tres minutos pesa tres veces más que una de un minuto.

En los años cuarenta, los hechos ocurridos fuera de España suponen el 52,8 % del tiempo; el porcentaje baja al 45,5 % en los cincuenta, el 40,8 % en los sesenta y el 27,2 % en los setenta, y al 7,2 % en 1980–81. Los territorios coloniales (Ifni, Sáhara, Guinea y el Protectorado) nunca superan aproximadamente el 1 %.

Cruzando los dos análisis (tramos de habla no castellana de al menos 5 segundos dentro de una noticia), el habla extranjera se concentra en cultura, internacional, deportes y fuerzas armadas. El inglés predomina en las noticias de deporte, internacionales, militares y culturales; el alemán y el francés se oyen sobre todo en las internacionales, y el italiano y el portugués, en las culturales. Las voces extranjeras entran en el noticiario a través de las imágenes compradas de deporte y de actualidad mundial y de las actuaciones.

Las series difieren mucho entre sí. Revista Imágenes es la más cultural (31 % de cultura y 18 % de economía); los documentales en color dedican una cuarta parte a la cultura y otra al turismo y el paisaje; en el Archivo Real y el Archivo Histórico dominan lo militar y los actos oficiales, e Imágenes del deporte es deporte en un 90 %.

Para 1943–1956, Gámir Orueta (2026) contó 11.873 noticias en 1.460 números a partir de los programas de mano impresos, el 40,4 % sobre España. La segmentación automática de los 1.365 números de ese periodo disponibles en el archivo digital da 12.645 (un 6,5 % más, con un 6,5 % menos de números), de las que el 41,1 % tienen ámbito nacional. Ambos estudios encuentran Madrid sobrerrepresentada (27,9 % y 32,4 % de las noticias nacionales).

Para Cataluña en 1960–1975, Santacana Torres (2021) encuentra que la política supone el 5,2 % de las noticias; la cifra correspondiente de este estudio es el 3,0 %. Ambas confirman la política como tema menor.

Para cada tema, el peso de sus subtemas en cada década del noticiario y la noticia más larga de cada subtema entre las clasificadas con seguridad (de cualquier serie). El enlace abre el vídeo en RTVE; el minuto indica dónde empieza la noticia.

Las cifras cuantifican, para todo el archivo, una evolución que los historiadores habían descrito de forma cualitativa: un noticiario nacido en plena guerra como ventana al mundo, dependiente de las imágenes alemanas y estadounidenses, que se fue volviendo hacia dentro y hacia el entretenimiento, el patrimonio y el ocio, mientras el deporte se mantenía constante. La estabilidad de la presencia de Franco y el escaso peso de la política explícita son coherentes con el noticiario como «nacionalismo banal» (Sánchez-Biosca, 2014): el régimen está en todas partes como marco y como figura, y rara vez como tema.

El mapa de lenguas muestra un noticiario monolingüe por diseño: el catalán, el euskera y el gallego están prácticamente ausentes, tanto del sonido como de los rótulos. En lo metodológico, el estudio muestra que hoy es posible, con un coste insignificante, anotar temáticamente un archivo audiovisual de 1.200 horas, en dos niveles y con códigos de tiempo, y que la dificultad principal está en otra parte: en la taxonomía y sus reglas, en el alineamiento de los sumarios humanos con transcripciones ruidosas y en la validación.

El material audiovisual es público en la web de RTVE; cada vídeo se identifica por su identificador de RTVE. Los datos derivados (segmentación y clasificación de las 39.957 noticias con códigos de tiempo, segmentos de lengua y tablas agregadas), la taxonomía, los prompts y los scripts están disponibles a petición razonable al autor para revisar o replicar el estudio (xavi@sorensen.ai). El material audiovisual pertenece a RTVE y a la Filmoteca Española.

El preprint se publica con licencia CC BY-NC-ND 4.0. No ha sido revisado por pares.

Se utilizaron grandes modelos de lenguaje (Anthropic Claude Haiku 5.5 y Opus 5.5) como instrumentos de investigación para la segmentación, la clasificación, la revisión y la validación, tal como se describe en el método.