Guía · nivel medio

Transcribe tus audios y vídeos con Whisper

Whisper es un modelo de reconocimiento de voz de código abierto que transcribe audio en español con muy buena precisión. Funciona en tu ordenador y no tiene límite de minutos.

Lectura de 7 minutos · Actualizada el 19 de octubre de 2026

Coste: 0,00 €
Licencia: MIT
Funciona en: Windows, macOS, Linux
Nivel: Medio
Necesita: Python y ffmpeg
Revisado: 19 oct 2026

Para qué sirve

Whisper convierte voz en texto. Es perfecto para transcribir entrevistas, clases, reuniones, podcasts o notas de voz. También puede generar subtítulos para tus vídeos y traducir al inglés lo que se dice en otro idioma.

Lo publicó OpenAI con licencia MIT, tanto el código como los modelos, así que puedes usarlo gratis, incluso para proyectos comerciales.

Paso 1: instala lo necesario

Whisper necesita Python (las versiones 3.8 a 3.11 son las que indica el proyecto) y el programa ffmpeg, que se encarga de leer los archivos de audio y vídeo.

Instalar ffmpeg

Sistema	Comando
Ubuntu o Debian	`sudo apt update && sudo apt install ffmpeg`
macOS (con Homebrew)	`brew install ffmpeg`
Windows (con Chocolatey)	`choco install ffmpeg`
Windows (con Scoop)	`scoop install ffmpeg`

Instalar Whisper

pip install -U openai-whisper

Paso 2: elige el tamaño del modelo

Hay varios tamaños. Los grandes son más precisos pero más lentos y necesitan más memoria de la tarjeta gráfica.

Modelo	Memoria gráfica	Velocidad	Cuándo usarlo
`tiny`	~1 GB	Muy rápido	Pruebas rápidas
`base`	~1 GB	Rápido	Ordenadores modestos
`small`	~2 GB	Medio	Buen equilibrio para empezar
`medium`	~5 GB	Lento	Más precisión y traducción
`turbo`	~6 GB	Rápido	Máxima calidad con buena velocidad
`large`	~10 GB	El más lento	La mayor precisión

Sin tarjeta gráfica también funciona, usando el procesador, pero mucho más despacio. En ese caso, empieza por small.

Paso 3: transcribe tu primer audio

Abre una terminal en la carpeta donde está el archivo y escribe:

whisper entrevista.mp3 --model small --language Spanish

Indicar el idioma evita errores y acelera el proceso. Al terminar, Whisper guarda en la misma carpeta la transcripción en varios formatos, entre ellos texto plano (.txt) y subtítulos (.srt).

Solo subtítulos para un vídeo

whisper video.mp4 --model small --language Spanish --output_format srt

Traducir al inglés

whisper audio.mp3 --model medium --language Spanish --task translate

El modelo turbo no está entrenado para traducir; para eso usa medium o large.

Consejos para mejores resultados

Graba con el micrófono cerca y sin ruido de fondo.
Revisa siempre los nombres propios y las cifras: es donde más se equivoca.
Si vas a transcribir audios de otras personas, pídeles permiso, sobre todo si contienen datos personales.

¿Sin terminal?

Si prefieres una aplicación con ventanas, VoiceStudio incluye transcripción además de otras herramientas de voz, con un instalador para Windows, macOS y Linux.