Whisper: susurros inteligentes
El modelo de transcripción de voz de OpenAI. Open source, gratuito y con una precisión en español que sorprende. Convierte audio en texto con una naturalidad que los dictados de toda la vida no tienen.
Grabas una nota de voz en el coche explicando una idea. Llegas a casa y la tienes en texto, lista para copiar. Sin escucharla dos veces. Sin teclear. Pero imagínate que en vez de una nota de voz con cosas que te hacen falta comprar en el supermercado es una entrevista de una hora con el escritor de moda…
Eso es Whisper en el día a día.
Es el modelo de transcripción de voz de OpenAI. Open source, gratuito, y con un nivel de precisión en español que sorprende. No es un dictado básico — entiende acentos, pausas, nombres propios y frases incompletas con una naturalidad que los dictados de toda la vida no tienen.
¿Para qué lo usa la gente de verdad?
- Una reunión de una hora transcrita en dos minutos. Después la pegas en Claude o ChatGPT y le pides el resumen y los puntos de acción.
- Una entrevista grabada con el móvil, convertida en texto para escribir un artículo sin escucharla cuatro veces.
- Notas de voz del camino al trabajo transformadas en tareas concretas para Notion.
- Un podcast o vídeo de YouTube del que quieres extraer citas exactas.
¿Cómo se usa?
Whisper es técnico en origen — está en GitHub y requiere instalación. Pero hay interfaces web que lo hacen accesible sin tocar código: Whisper.cpp, Replicate o aplicaciones como MacWhisper para Mac. También está integrado en herramientas como Notion AI, Otter.ai o la propia API de OpenAI.
Si usas el API de OpenAI, el coste es mínimo: unos céntimos por hora de audio.
Lo que no hace
Con audio de mala calidad o mucho ruido de fondo, la precisión baja notablemente. Y no identifica quién habla en una conversación con varias personas. Para lo habitual — una reunión, una nota, una entrevista — es difícil encontrar algo mejor a este precio.