Kit open source de reconocimiento de voz para ASR offline y en streaming, con VAD, puntuación, etiquetas de hablante y servicio compatible con OpenAI.
20,8 mil2,1 milPythonMITActualizado anteayer
openai/whisper
Modelo de reconocimiento de voz de propósito general que transcribe y traduce audio, e identifica su idioma en muchas lenguas.
- Estrellas
- 110,909
- Forks
- 13,448
- Issues abiertos
- 175
- Último commit
- hace 2 meses
¿Qué es?
Whisper es un modelo de reconocimiento de voz de código abierto de OpenAI, entrenado con un conjunto amplio y diverso de audio. Procesa el reconocimiento de voz multilingüe, la traducción de voz al inglés y la identificación del idioma hablado mediante un único modelo Transformer de secuencia a secuencia, por lo que puede sustituir varias etapas de un flujo de procesamiento de audio tradicional.
Está disponible como paquete de Python (instalable con pip) y como herramienta de línea de comandos `whisper`, que necesita ffmpeg para decodificar audio. Incluye seis tamaños de modelo, de `tiny` a `large`, además de un modelo `turbo` optimizado para transcribir más rápido; hay variantes `.en` solo para inglés en los tamaños más pequeños. Los modelos más grandes requieren más VRAM: desde aproximadamente 1 GB para `tiny` hasta unos 10 GB para `large`.
Además de la función de transcripción de alto nivel, la API de Python ofrece funciones de nivel más bajo para detectar el idioma, crear espectrogramas log-Mel y configurar opciones de decodificación. El modelo `turbo` no está entrenado para traducir, por lo que para las tareas de traducción se deben usar los modelos multilingües `medium` o `large`.
Funciones clave
- 01Reconocimiento de voz multilingüe en un solo modelo.
- 02Traducción de voz al inglés con modelos multilingües.
- 03Identificación automática del idioma hablado.
- 04Seis tamaños de modelo que ofrecen distintas opciones de precisión, velocidad y consumo de memoria.
- 05Herramienta de línea de comandos y API de Python para transcribir.
Casos de uso
- Transcribir a texto grabaciones de reuniones, entrevistas o podcasts.
- Añadir subtítulos o leyendas a contenido de audio y video.
- Traducir voz en otros idiomas a texto en inglés.
- Incorporar funciones de entrada por voz en aplicaciones o herramientas locales.
Inicio rápido
- 1
Instala ffmpeg con el gestor de paquetes de tu sistema (por ejemplo, Homebrew en macOS).
brew install ffmpeg - 2
Instala Whisper desde PyPI.
pip install -U openai-whisper - 3
Transcribe un archivo de audio desde la línea de comandos.
whisper audio.flac audio.mp3 audio.wav --model turbo
Antes de usarlo
- El modelo turbo no está entrenado para traducir; usa medium o large para traducir voz al inglés.
- Los modelos pueden requerir hasta unos 10 GB de VRAM en el caso de large, por lo que los modelos más grandes necesitan hardware potente.
- La precisión y la velocidad varían considerablemente según el idioma.
Temas
Preguntas frecuentes
- ¿Qué es whisper?
- Modelo de reconocimiento de voz de propósito general que transcribe y traduce audio, e identifica su idioma en muchas lenguas. Whisper es un modelo de reconocimiento de voz de código abierto de OpenAI, entrenado con un conjunto amplio y diverso de audio. Procesa el reconocimiento de voz multilingüe, la traducción de voz al inglés y la identificación del idioma hablado mediante un único modelo Transformer de secuencia a secuencia, por lo que puede sustituir varias etapas de un flujo de procesamiento de audio tradicional.
- ¿whisper es gratuito? ¿Qué licencia tiene?
- whisper es open source bajo la licencia MIT. 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 31 ago 2026.
- ¿Para qué puedo usar whisper?
- Transcribir a texto grabaciones de reuniones, entrevistas o podcasts. Añadir subtítulos o leyendas a contenido de audio y video. Traducir voz en otros idiomas a texto en inglés. Incorporar funciones de entrada por voz en aplicaciones o herramientas locales.
- ¿Cómo se instala whisper?
- Instala ffmpeg con el gestor de paquetes de tu sistema (por ejemplo, Homebrew en macOS).: brew install ffmpeg Instala Whisper desde PyPI.: pip install -U openai-whisper Transcribe un archivo de audio desde la línea de comandos.: whisper audio.flac audio.mp3 audio.wav --model turbo
- ¿Dónde consigo whisper?
- El código fuente y las instrucciones de instalación están en GitHub: https://github.com/openai/whisper
Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.
Proyectos relacionados
Framework para definir modelos de aprendizaje automático de última generación de texto, visión, audio y modalidades múltiples, para inferencia y entrenamiento.
167,9 mil34,9 milPythonApache-2.0Actualizado hace 8 horas
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.
54,5 mil6,3 milC++MITActualizado ayer
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 mil2,2 milPythonMITActualizado hace 4 días
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.
24,7 mil2,5 milPythonBSD-2-ClauseActualizado anteayer
Aplicación de escritorio que transcribe y traduce audio y video sin conexión en tu computadora, basada en Whisper de OpenAI.
22,1 mil1,6 milPythonMITActualizado hace 3 días