Openai Whisper

• Necesitas transcribir archivos de audio o vídeo localmente sin una clave de API ni costes de uso.
• Quieres una transcripción que preserve la privacidad donde el audio nunca abandone tu máquina.
• Necesitas archivos de subtítulos/leyendas (.srt) generados directamente desde el audio.
• Estás procesando un lote de grabaciones y quieres control total sobre las compensaciones entre tamaño del modelo y velocidad.

• Necesitas transcripción en tiempo real o en streaming — Openai Whisper CLI procesa archivos, no flujos de audio en vivo.
• Necesitas un servicio de transcripción en la nube gestionado con tiempo de actividad garantizado y SLAs.
• Tu máquina tiene espacio en disco o RAM muy limitados y no puede alojar los pesos del modelo (incluso los modelos más pequeños requieren varios cientos de MB).

Openai Whisper se ejecuta completamente en tu propio hardware. Sin cuenta de OpenAI, sin clave API y sin datos enviados a servidores externos — solo descarga los pesos del modelo una vez y transcribe sin conexión.

Admite los formatos de salida txt, srt, vtt, tsv y json mediante la opción --output_format, lo que facilita la generación de subtítulos, leyendas o transcripciones simples desde un único comando.

Pasa --task translate para traducir automáticamente el habla en idiomas distintos al inglés a texto en inglés, impulsado por los mismos pesos del modelo utilizados para la transcripción.

Elige entre una variedad de modelos (tiny, base, small, medium, large, turbo) para equilibrar la velocidad de transcripción con la precisión. El valor predeterminado en esta instalación es turbo. Los modelos se almacenan en caché en ~/.cache/whisper después de la primera descarga.

Arrastra un archivo .mp3 o .m4a grabado a Openai Whisper con --model medium --output_format txt para obtener una transcripción de texto limpia sin necesidad de subir conversaciones confidenciales a un servicio de terceros.

Usa --output_format srt para generar un archivo de subtítulos listo para importar en editores de vídeo o reproductores multimedia, ideal para creadores de contenido que desean añadir subtítulos a sus grabaciones de forma local.

Ejecuta --task translate en audio de idiomas extranjeros para obtener una transcripción en inglés en un solo paso, útil para investigadores o periodistas que trabajan con material fuente multilingüe.