Herramienta de código abierto de voz a texto basada en Whisper, con marcas de tiempo por palabra mediante alineación forzada y diarización de hablantes opcional.
25,1 mil+174 esta semana2,5 milPythonBSD-2-ClauseActualizado hace 15 días
Const-me/Whisper
Port de Whisper de OpenAI a C++ para Windows, que ejecuta el reconocimiento de voz en cualquier GPU Direct3D 11 mediante DirectCompute.
- Estrellas
- 10,704
- Forks
- 980
- Issues abiertos
- 172
- Último commit
- el mes pasado
¿Qué es?
Whisper es una implementación para Windows en C++ del modelo de reconocimiento automático de voz Whisper de OpenAI, basada en el proyecto whisper.cpp y sus archivos de modelo GGML. Ejecuta los cálculos del modelo en la GPU mediante compute shaders de DirectCompute, por lo que no depende de CUDA ni de PyTorch y funciona con cualquier GPU compatible con Direct3D 11.0.
El proyecto incluye una interfaz gráfica WhisperDesktop para transcribir archivos de audio y capturar audio en directo del micrófono, además de una DLL nativa con estilo COM y un wrapper de C# distribuido en NuGet. La decodificación de audio se realiza mediante Media Foundation y, para la captura con micrófono, está disponible la detección de actividad de voz. Solo es compatible con Windows de 64 bits.
El autor indica que el proyecto no se actualiza desde 2023 y que existe un sucesor comercial.
Funciones clave
- 01Inferencia en GPU independiente del fabricante mediante compute shaders de DirectCompute en hardware compatible con Direct3D 11.0
- 02Biblioteca nativa de C++ sin dependencias de ejecución aparte de los componentes del sistema operativo
- 03Interfaz gráfica de escritorio para transcribir archivos y capturar audio en directo del micrófono
- 04Decodificación de audio y video mediante Media Foundation
- 05Detección de actividad de voz para la captura con micrófono
- 06Wrapper de C# en NuGet y compatibilidad con scripts de PowerShell 5.1
Casos de uso
- Transcribir archivos de audio en una PC con Windows sin instalar Python ni CUDA
- Añadir reconocimiento de voz sin conexión a una aplicación de Windows en C# o C++
- Transcribir en directo el audio del micrófono en equipos con GPU integrada o GPU que no sea NVIDIA
Inicio rápido
- 1
Descarga WhisperDesktop.zip desde la sección Releases, descomprímelo y ejecuta WhisperDesktop.exe
- 2
La primera vez que lo inicies, descarga un modelo como ggml-medium.bin (1,42 GB) cuando se te solicite
Antes de usarlo
- Solo es compatible con Windows de 64 bits; no admite macOS ni Linux.
- Requiere una CPU compatible con AVX1 y F16C.
- El autor no actualiza el proyecto desde 2023 y existe un sucesor comercial.
- No implementa la detección automática del idioma y la captura en tiempo real tiene mucha latencia (unos 5-10 segundos).
En colecciones
Temas
Preguntas frecuentes
- ¿Qué es Whisper?
- Port de Whisper de OpenAI a C++ para Windows, que ejecuta el reconocimiento de voz en cualquier GPU Direct3D 11 mediante DirectCompute. Whisper es una implementación para Windows en C++ del modelo de reconocimiento automático de voz Whisper de OpenAI, basada en el proyecto whisper.cpp y sus archivos de modelo GGML. Ejecuta los cálculos del modelo en la GPU mediante compute shaders de DirectCompute, por lo que no depende de CUDA ni de PyTorch y funciona con cualquier GPU compatible con Direct3D 11.0.
- ¿Whisper es gratuito? ¿Qué licencia tiene?
- Whisper es open source bajo la licencia MPL-2.0. Revisa los términos de la licencia antes de usarlo en productos comerciales.
- ¿Whisper sigue mantenido?
- Actualizado en los últimos 6 meses. El último commit de Whisper fue el 22 sept 2026.
- ¿Para qué puedo usar Whisper?
- Transcribir archivos de audio en una PC con Windows sin instalar Python ni CUDA Añadir reconocimiento de voz sin conexión a una aplicación de Windows en C# o C++ Transcribir en directo el audio del micrófono en equipos con GPU integrada o GPU que no sea NVIDIA
- ¿Cómo se instala Whisper?
- Descarga WhisperDesktop.zip desde la sección Releases, descomprímelo y ejecuta WhisperDesktop.exe La primera vez que lo inicies, descarga un modelo como ggml-medium.bin (1,42 GB) cuando se te solicite
- ¿Dónde consigo Whisper?
- El código fuente y las instrucciones de instalación están en GitHub: https://github.com/Const-me/Whisper
Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.
Proyectos relacionados
Kit de reconocimiento de voz de extremo a extremo en PyTorch, orientado a producción, con herramienta de línea de comandos, API de Python, recetas de entrenamiento y runtimes de despliegue.
5,3 mil+4 esta semana1,2 milPythonApache-2.0Actualizado hace 11 días
Aplicación de dictado con IA, de código abierto y local, que convierte voz en texto en macOS y Windows y funciona sin conexión con Whisper.
1,6 mil+22 esta semana144TypeScriptMITBien mantenidoActualizado hace 9 días
Herramienta de código abierto para recortar videos localmente: transcribe el audio con FunASR y recorta por texto o hablante, con asistencia opcional de LLM.
6,5 mil+25 esta semana773PythonMITBien mantenidoActualizado hace 5 días
Port en C/C++ del modelo de reconocimiento de voz Whisper de OpenAI, para convertir voz en texto sin conexión y sin dependencias, usando CPU o GPU.
55 mil+184 esta semana6,3 milC++MITActualizado hace 17 horas
Una reimplementación más rápida del modelo de transcripción de voz Whisper de OpenAI, basada en el motor de inferencia CTranslate2, con menor uso de memoria y cuantización de 8 bits.
26,5 mil+212 esta semana2,2 milPythonMITBien mantenidoActualizado hace 4 días