Audio y transcripción

Whisper: transcripción con IA en tu propia computadora

Los servicios de transcripción cobran por minuto. Whisper — el modelo de reconocimiento de voz que OpenAI liberó como código abierto — transcribe entrevistas, clases y reuniones en tu propia máquina, gratis, sin conexión y con calidad notable en español. Aquí usamos whisper.cpp, la versión rápida que corre bien hasta en laptops modestas.

Gratis y open source Sin conexión Excelente en español

Instalación

# macOS (Homebrew)
brew install whisper-cpp

# Ubuntu / Debian (compilar desde el código, ~2 minutos)
git clone https://github.com/ggml-org/whisper.cpp
cd whisper.cpp && cmake -B build && cmake --build build -j

También necesitas FFmpeg para preparar el audio — la instalación está en nuestra guía de FFmpeg.

Descargar un modelo

Whisper necesita un archivo de modelo. small es el equilibrio entre velocidad y precisión para español; medium es más preciso y más lento:

curl -L -o ggml-small.bin https://huggingface.co/ggerganov/whisper.cpp/resolve/main/ggml-small.bin

Los modelos disponibles van de tiny (75 MB, rapidísimo) a large-v3 (~3 GB, máxima precisión).

Preparar el audio

whisper.cpp trabaja con WAV de 16 kHz. FFmpeg convierte cualquier audio o video en un paso:

ffmpeg -i entrevista.mp3 -ar 16000 -ac 1 -c:a pcm_s16le entrevista.wav

Transcribir en español

whisper-cli -m ggml-small.bin -l es -otxt entrevista.wav

Genera entrevista.wav.txt con la transcripción completa. En Linux compilado desde el código, el binario está en ./build/bin/whisper-cli.

Generar subtítulos SRT

Cambia la salida a SRT y obtienes subtítulos con tiempos, listos para YouTube o cualquier reproductor:

whisper-cli -m ggml-small.bin -l es -osrt video.wav

El archivo video.wav.srt se puede cargar tal cual en YouTube Studio, o quemar en el video con FFmpeg:

ffmpeg -i video.mp4 -vf "subtitles=video.wav.srt" con_subtitulos.mp4

Traducir al inglés mientras transcribe

Whisper puede traducir cualquier idioma al inglés en el mismo paso:

whisper-cli -m ggml-small.bin -l es --translate -otxt entrevista.wav

Detectar el idioma automáticamente

Si no sabes en qué idioma está la grabación, -l auto lo detecta:

whisper-cli -m ggml-small.bin -l auto -otxt grabacion.wav

Subtítulos WebVTT para web

El formato que usa la etiqueta <track> de HTML:

whisper-cli -m ggml-small.bin -l es -ovtt video.wav

Transcribir una carpeta de audios

for f in *.mp3; do
  ffmpeg -i "$f" -ar 16000 -ac 1 -c:a pcm_s16le "${f%.mp3}.wav"
  whisper-cli -m ggml-small.bin -l es -otxt "${f%.mp3}.wav"
done