Qué es
Whisper es un modelo de reconocimiento de voz que OpenAI publicó en 2022 como código abierto. Convierte audio en texto en casi cien idiomas y lo hace con una precisión que, cuando salió, superaba a muchos servicios de pago. Hoy está detrás de muchísimas apps de transcripción y subtitulado.
Cómo funciona
Whisper se entrenó con cientos de miles de horas de audio en muchos idiomas, por eso entiende acentos, ruido de fondo y vocabulario técnico. Puedes usarlo de tres formas:
- En tu ordenador: lo instalas (o una versión optimizada como whisper.cpp) y transcribes sin conexión. Hay modelos de varios tamaños, de muy rápidos a muy precisos.
- Con una app que lo integra: programas como Buzz o MacWhisper te dejan arrastrar un archivo y obtener el texto o los subtítulos, sin tocar la terminal.
- Por la API de OpenAI, pagando por minuto, si no quieres instalar nada.
Además de transcribir, puede traducir el audio de cualquier idioma al inglés.
Para qué sirve
- Transcribir entrevistas para un trabajo o un artículo.
- Pasar a texto clases o conferencias grabadas.
- Crear subtítulos (archivos SRT) para vídeos.
- Transcribir notas de voz o audios largos.
Para quién es (y para quién no)
Es para ti si necesitas transcribir con frecuencia, gratis y con privacidad.
Quizá no lo sea si lo que quieres es que tus reuniones se transcriban y resuman solas, con quién dijo qué: para eso están Otter, Fireflies o Granola.
Planes y precio
- En local: gratis, sin límites.
- API de OpenAI: pago por minuto de audio.