Voz, dictado y tiempo real
openai/whisper
Reconocimiento de voz local, estándar de facto
- 107k
- MIT
- Python
Qué es y por qué importa
Whisper es el modelo de reconocimiento de voz de OpenAI, muy usado como estándar para transcripción, incluso ejecutándose en local. En un vídeo lo integran para dar a un agente comprensión de voz: destacan que el modelo base ocupa unos 600 MB y corre en CPU, incluso en portátiles algo antiguos. En otro se usa como herramienta de transcripción para medir el deterioro del audio generado por modelos de vídeo. Es reconocimiento de voz (speech-to-text), no síntesis de voz.
Puntos clave
- El modelo base es pequeño (unos 600 MB) y corre en CPU
- Se usa para transcribir voz a texto en local, sin nube
- Tratado en los vídeos como referencia para transcripción
Dónde lo vimos
No place like localhost 2026-07-17 Con la CLI open code voice, Whisper transcribe la voz en local: el modelo base ronda los 600 MB y va en CPU, incluso en portátiles algo antiguos. Local AI voice cloning Alex Ziskind 2026-06-18 Emplean Whisper como transcriptor para calcular la tasa de error de palabra y así medir cuánto se degrada el audio de modelos de vídeo al cuantizarlos. This Is What Happens When You CRUSH An AI Video Model
En la misma categoría