Whisper

Whisper es el modelo de reconocimiento automático de habla (ASR) de OpenAI, publicado como open-source en 2022 y actualizado con versiones más potentes desde entonces. Es, sin discusión, el mejor motor de transcripción gratuito disponible, con soporte para 99 idiomas, robustez ante acentos regionales, múltiples hablantes y ruido de fondo, y tasas de error de palabra (WER) que compiten con servicios propietarios de pago como Google Speech-to-Text o AWS Transcribe.

Whisper existe en varias versiones (tiny, base, small, medium, large, large-v3) que permiten balancear velocidad y precisión según los recursos disponibles. El modelo large-v3 ofrece la máxima precisión pero requiere GPU; las versiones pequeñas funcionan en CPU con calidad razonable. Herramientas como Whisper.cpp optimizan la ejecución en Mac con Apple Silicon, haciendo la transcripción en tiempo casi real sin GPU.

Para desarrolladores, Whisper es la base de docenas de productos de transcripción, subtitulado automático y procesamiento de audio. Para usuarios no técnicos, servicios como Whisper Web o aplicaciones de terceros ofrecen interfaces simples sobre el modelo. La combinación de precisión, soporte multilingüe y coste cero lo convierte en la referencia indiscutible en transcripción open-source.