En las siguientes líneas de ruby https://github.com/jschwindt/Venganzas-del-Pasado/blob/master/script/select_source.rb#L30-L37 hace lo siguiente:

• Genera una copia del mp3 original como backup.
• Extrae con ffmpeg los primeros 10 minutos del programa.
• Ejecuta un script llamado find_show_start_cmd que hace la transcripción de esos 10 minutos y devuelve la posición en segundos donde detecta el texto "La venganza será terrible" por primera vez.
• Vuelve a usar ffmpeg para quedarse con el mp3 a partir de la posición en donde empieza el programa.

Espero que se entienda, cualquier cosa, decieme.