Aplicación autohospedada para transcribir audio y video sin conexión, detectar hablantes, chatear con transcripciones y automatizar tareas con un monitor de carpetas.
3,1 mil+12 esta semana274GoMITActualizado hace 2 meses
zackees/transcribe-anything
Herramienta CLI que transcribe archivos locales o URL con Whisper y admite varios backends y resultados con etiquetas de hablante.
Alternativa open source a:Otter.ai
- Estrellas
- 1,483
- Forks
- 146
- Issues abiertos
- 15
- Último commit
- hace 13 días
¿Qué es?
transcribe-anything es una interfaz de línea de comandos para convertir voz en texto con Whisper. Indícale un archivo de audio o video local, o una URL de YouTube u otra URL compatible, y descargará y normalizará el audio; luego generará archivos de texto sin formato, subtítulos SRT y VTT, y resultados JSON. Cada backend se ejecuta en un entorno aislado que se configura la primera vez que se usa, de modo que las dependencias de CUDA y torch no se instalan en tu entorno principal de Python.
La opción `--device` permite seleccionar el backend. Entre las opciones están la ruta original de openai-whisper para CPU y CUDA, insanely-fast-whisper para transcribir por lotes en GPU, con una variante opcional de FlashAttention2, WhisperX para VAD, alineación de palabras y diarización, SenseVoice para reconocimiento multilingüe centrado en CJK, compatibilidad con Intel Arc XPU y un backend MLX para Apple Silicon. Los backends compatibles con la diarización generan un archivo speaker.json que agrupa el texto por hablante.
El proyecto también ofrece una API de Python, la opción de incrustar subtítulos en el video y un modo daemon que ejecuta un servidor HTTP de transcripción compartido, con autenticación mediante token opcional.
Funciones clave
- 01Transcribe archivos locales y URL de YouTube u otras URL en archivos TXT, SRT, VTT y JSON.
- 02Permite elegir entre varios backends de Whisper con `--device`, que se detecta automáticamente si no se especifica.
- 03Configura cada backend en un entorno aislado la primera vez que se usa.
- 04Genera speaker.json con texto etiquetado por hablante mediante backends compatibles con la diarización.
- 05Ofrece una API de Python y un modo daemon opcional para servidores de transcripción compartidos.
Casos de uso
- Generar subtítulos para videos de YouTube o grabaciones locales.
- Transcribir entrevistas o reuniones con etiquetas para cada hablante.
- Transcribir de forma privada y sin conexión a Internet con tu propia GPU o una Mac con Apple Silicon.
- Transcribir por lotes en un equipo compartido con GPU mediante el modo daemon.
Inicio rápido
- 1
Instalar el paquete desde PyPI
pip install transcribe-anything - 2
Transcribir un video de YouTube en modo CPU
transcribe-anything "https://www.youtube.com/watch?v=dQw4w9WgXcQ"
Antes de usarlo
- La primera vez que se ejecuta cada backend, se descargan sus propias dependencias; para --device insane, son unos 10 GB.
- Algunos backends son específicos de una plataforma: --device mlx requiere Apple Silicon y --device xpu es experimental.
- La diarización de hablantes con --device whisperx requiere un token de HuggingFace.
En colecciones
Temas
Preguntas frecuentes
- ¿Qué es transcribe-anything?
- Herramienta CLI que transcribe archivos locales o URL con Whisper y admite varios backends y resultados con etiquetas de hablante. transcribe-anything es una interfaz de línea de comandos para convertir voz en texto con Whisper. Indícale un archivo de audio o video local, o una URL de YouTube u otra URL compatible, y descargará y normalizará el audio; luego generará archivos de texto sin formato, subtítulos SRT y VTT, y resultados JSON. Cada backend se ejecuta en un entorno aislado que se configura la primera vez que se usa, de modo que las dependencias de CUDA y torch no se instalan en tu entorno principal de Python.
- ¿transcribe-anything es gratuito? ¿Qué licencia tiene?
- transcribe-anything es open source bajo la licencia MIT. Revisa los términos de la licencia antes de usarlo en productos comerciales.
- ¿transcribe-anything sigue mantenido?
- Mantenimiento activo. El último commit de transcribe-anything fue el 26 oct 2026.
- ¿Para qué puedo usar transcribe-anything?
- Generar subtítulos para videos de YouTube o grabaciones locales. Transcribir entrevistas o reuniones con etiquetas para cada hablante. Transcribir de forma privada y sin conexión a Internet con tu propia GPU o una Mac con Apple Silicon. Transcribir por lotes en un equipo compartido con GPU mediante el modo daemon.
- ¿Cómo se instala transcribe-anything?
- Instalar el paquete desde PyPI: pip install transcribe-anything Transcribir un video de YouTube en modo CPU: transcribe-anything "https://www.youtube.com/watch?v=dQw4w9WgXcQ"
- ¿Dónde consigo transcribe-anything?
- El código fuente y las instrucciones de instalación están en GitHub: https://github.com/zackees/transcribe-anything
Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.
Proyectos relacionados
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+166 esta semana2,5 milPythonBSD-2-ClauseActualizado hace 16 días
Aplicación de escritorio que transcribe y traduce audio y video sin conexión en tu computadora, basada en Whisper de OpenAI.
22,5 mil+157 esta semana1,7 milPythonMITActualizado hace 17 horas
Aplicación de escritorio que transcribe audio y video completamente sin conexión en tu dispositivo, con Whisper y otros modelos de voz.
8 mil+54 esta semana582TypeScriptMITActualizado hace 9 días
Interfaz gráfica y API REST autoalojadas para convertir voz a texto con OpenAI Whisper, con cola de trabajos, notificaciones por correo o webhook y salida en SRT, VTT o texto.
2,1 mil+1 esta semana114JavaScriptApache-2.0Actualizado hace 8 días
Herramienta autoalojada que genera subtítulos SRT o LRC a partir de archivos multimedia con OpenAI Whisper, integrada con Bazarr, Plex, Jellyfin, Emby y Tautulli.
1,5 mil+5 esta semana123PythonMITActualizado hace 3 meses