Subtítulos · Whisper
Transcribir una entrevista
Pasar una entrevista de una hora a texto a mano lleva toda una tarde, y los servicios que lo hacen por ti cobran por minuto y te piden subir la grabación. Whisper la transcribe en tu propia computadora con un solo comando: whisper-cli -m ggml-small.bin -l es -otxt entrevista.wav. El audio nunca sale de tu disco, así que sirve igual para una charla pública que para una fuente que pidió reserva.
1. Instala whisper.cpp
Se instala una sola vez y queda para siempre. Es gratis y de código abierto:
# 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 -jSi nunca has usado la terminal, empieza por la guía de la terminal.
2. Transcribe la entrevista a texto
Coloca el audio ya convertido a WAV (si todavía es MP3 o video, abajo te dejo el paso) en una carpeta, abre la terminal ahí y ejecuta:
whisper-cli -m ggml-small.bin -l es -otxt entrevista.wavWhisper escribe entrevista.wav.txt con la conversación completa. El modelo small es el equilibrio entre velocidad y precisión en español; para una entrevista con audio difícil o varios acentos, ggml-medium.bin acierta más a cambio de tardar más.
./build/bin/whisper-cli. Usa esa ruta completa o agrégala a tu PATH.Si tu entrevista es un MP3 o un video
whisper.cpp trabaja con WAV de 16 kHz. Un solo comando de FFmpeg convierte cualquier grabadora, llamada o video al formato correcto:
ffmpeg -i entrevista.mp3 -ar 16000 -ac 1 -c:a pcm_s16le entrevista.wavCambia entrevista.mp3 por el nombre real, así sea .m4a, .mp4 o .opus; FFmpeg los acepta todos. El detalle completo está en preparar el audio para Whisper.
Tareas relacionadas
Preguntas frecuentes
¿Whisper sube mi entrevista a internet?
No. whisper.cpp corre dentro de tu equipo y el modelo de IA también está en tu disco, así que la grabación nunca viaja a ningún servidor. Por eso sirve para entrevistas confidenciales o con fuentes que pidieron anonimato: no hay subida, ni registro, ni términos de servicio que te obliguen a ceder el audio.
¿Distingue quién habla en la entrevista?
whisper.cpp transcribe lo que se dice con sus tiempos, pero no etiqueta a cada persona por su nombre (eso es la "diarización", que es otro proceso). En una entrevista de dos voces, los turnos suelen quedar claros por el contenido; si necesitas separar a los hablantes formalmente, conviene revisar el texto y marcarlo a mano después.
¿Qué tan bien transcribe el español?
El modelo small da resultados muy útiles en español neutro y de México, y medium o large-v3 mejoran los acentos marcados y el audio con ruido. Como con cualquier transcripción automática, conviene una lectura final para nombres propios, cifras y términos técnicos, que es donde más se equivoca.