Whisper
El modelo de reconocimiento de voz de OpenAI que convierte cualquier grabación en texto.
Por Thiago Lourenço Martins
Un taquígrafo digital que entiende cualquier idioma
Whisper es un modelo de reconocimiento de voz creado por OpenAI y publicado gratuitamente como software de código abierto. Piénselo como un taquígrafo que nunca se cansa: usted le entrega una grabación — de una audiencia, una reunión, una consulta — y él devuelve el texto completo, sin que usted escriba ni una sola palabra. Entra el audio, sale el texto. Así de simple.
Horas de grabación que deberían ser texto ayer
Una audiencia laboral de 2 horas puede generar más de 30 páginas de transcripción si alguien tiene que escribirlo todo a mano. Un perito que graba dictámenes por voz y luego reescribe el mismo contenido. Un gerente que sale de la reunión sin saber qué quedó decidido porque nadie pudo anotar todo.
Es el tiempo que tarda Whisper en transcribir 90 minutos de audio de buena calidad. El modelo procesa a velocidad superior al tiempo real — lo que llevaría horas de tipeo queda listo antes de que usted termine el café.
Quién lo usa y para qué
Graba la audiencia en el teléfono, sube el archivo a Whisper y recibe la transcripción completa. En lugar de pasar horas reconstruyendo lo dicho, empieza a redactar el escrito directamente — con el texto real del testimonio en mano.
Transcribe entrevistas de trabajo grabadas y genera un resumen por candidato. Elimina la necesidad de tomar notas durante la conversación y mantiene el foco en el entrevistado, no en el cuaderno.
Dicta la historia clínica por voz durante o después de la consulta. Whisper convierte el audio en texto estructurado, listo para revisar y guardar. Sin dictáfono, sin secretaria, sin retrabajo.
Graba entrevistas en campo con el teléfono. Regresa a la redacción con el archivo de audio y en minutos tiene la transcripción lista para convertir en nota — sin perder tiempo escuchando y volviendo a escribir.
Graba reuniones y transcribe al terminar. Usa el texto junto con ChatGPT para extraer decisiones, responsables y plazos. El acta que tardaba una hora en escribirse queda lista en 5 minutos.
De cero al texto en menos de 10 minutos
El método a continuación usa Google Colab — un cuaderno de código en el navegador, gratuito, sin instalar nada. No necesita saber programar: solo copie y pegue.
- Acceda a colab.research.google.com
Inicie sesión con cualquier cuenta de Google. Es gratuito.
- Haga clic en "+ Nuevo cuaderno"
Aparece una celda de código vacía en pantalla.
piénsela como una línea de instrucción que le enviará a la computadora - Pegue el comando de instalación y haga clic en "Ejecutar" (el triángulo)
En la celda, pegue exactamente:
!pip install openai-whisper— y haga clic en el triángulo a la izquierda. Espere la instalación (puede tardar 1-2 minutos). - Suba su archivo de audio
En el panel izquierdo, haga clic en el ícono de carpeta. Luego arrastre el archivo de audio (.mp3, .mp4, .wav, .m4a) al área que aparezca. Espere a que finalice la carga.
el archivo desaparece al cerrar Colab — esto es normal; los resultados se guardan por separado - Cree una nueva celda y pegue el comando de transcripción
Haga clic en "+ Código" para crear otra celda. Pegue el bloque siguiente, reemplazando audiencia.mp3 con el nombre exacto de su archivo:
import whisper model = whisper.load_model("medium") result = model.transcribe("audiencia.mp3", language="es") print(result["text"]) - Haga clic en "Ejecutar" y espere
El modelo carga y transcribe. Para un audio de 90 minutos, el proceso toma entre 3 y 6 minutos. El texto completo aparece justo debajo de la celda.
use "base" para resultados más rápidos; use "large-v3" para máxima precisión en términos técnicos
De la transcripción bruta al acta formal
Después de obtener el texto de Whisper, pegue este pedido en ChatGPT — junto con la transcripción:
Aquí está la transcripción de una audiencia judicial: [pegue el texto].
Cree un acta formal con las siguientes secciones:
1. Participantes (identifique por rol: juez, abogado defensor, abogado de la contraparte, testigo)
2. Hechos no controvertidos — puntos aceptados por ambas partes
3. Puntos en conflicto — divergencias relevantes
4. Decisiones tomadas — con plazo y responsable cuando se mencione
Use lenguaje jurídico formal y organice en puntos numerados.
Obtiene un acta estructurada lista para revisar, adaptar y firmar — sin reescribir todo desde cero.
Consejos & limitaciones reales
Haga esto
- Grabe en un lugar silencioso y con el micrófono cerca del hablante — Whisper no filtra ruido de fondo; la calidad del audio define la calidad de la transcripción.
- Use el modelo "medium" o "large-v3" para audios con terminología técnica (jurídica, médica) — cometen menos errores en términos específicos del área.
- Siempre revise el texto final antes de usarlo en documentos oficiales — nombres propios, números de identificación y siglas son los puntos con más variación.
Limitaciones reales
- Whisper no identifica quién está hablando: la transcripción sale como texto continuo sin separar a los participantes. La diarización de hablantes requiere una herramienta adicional.
- A través de la API de pago de OpenAI, el límite es de 25 MB por archivo. Las grabaciones largas deben dividirse antes de enviarlas — de lo contrario la solicitud falla.
- El modelo de código abierto no transcribe en tiempo real — necesita el archivo de audio completo para comenzar. Para subtitulado en vivo, existen herramientas específicas.
Un tutorial completo en portugués
* Sugerencia independiente, elegida por la calidad del contenido. No tenemos ninguna relación ni patrocinio con el canal.
Transcriba 1 minuto de voz ahora mismo
Grabe un audio de 1 minuto en su teléfono — puede ser usted leyendo cualquier párrafo de un documento de su área. Siga los pasos anteriores con el modelo "base" (el más rápido) y compare el texto generado con el original.
Funcionó si más del 90% de las palabras son correctas — incluidos los términos técnicos de su área. Si no llega a ese nivel, cambie al modelo "medium" y compare de nuevo.
El veredicto sobre Whisper
4,1 de 5
Aquí el "gratis" es de verdad, sin asterisco de cuota: Whisper es código abierto (licencia MIT), transcribe portugués con excelente calidad, y corriéndolo en tu propia computadora el audio nunca sale de tu máquina — privacidad que ningún servicio en línea iguala. La trampa no es el precio, es la fricción: no hay sitio ni app oficial de "arrastrar y soltar". El camino gratis pasa por Google Colab o línea de comandos, unos 10 minutos de configuración. Y no separa a quien habla (texto corrido) y a veces "alucina" en silencios o ruido. Si estás dispuesto a seguir un tutorial, es imbatible en costo y privacidad. Si quieres solo apretar un botón, mira Fathom u Otter en su lugar.
Probado y verificado en fuentes oficiales el 2 de julio de 2026.
Lo que juega a favor
- 100% gratis y de código abierto (licencia MIT): sin suscripción, sin límite de minutos, sin marca de agua — raro entre herramientas de IA.
- Excelente portugués: el modelo cubre cerca de 100 idiomas y el portugués está entre los de mejor desempeño.
- Privacidad real cuando corre en tu propia computadora: ningún audio de audiencia o sesión sale de tu máquina.
- Incluso la vía paga es barata: por la API de OpenAI, una hora de audio cuesta cerca de US$ 0,36.
- El modelo "turbo" (large-v3-turbo) es mucho más rápido con casi la misma precisión, usando menos recursos.
Dónde se complica
- No hay app ni sitio oficial de "apretar el botón": el camino gratis pasa por Google Colab o línea de comandos — barrera real para quien no es técnico.
- No separa quién habla: la transcripción sale como texto corrido, sin etiquetas de hablante.
- Puede "alucinar": en tramos de silencio, música o audio ruidoso, a veces inventa frases que nadie dijo.
- No transcribe en vivo en la versión gratis: necesita el archivo de audio completo antes de empezar.
- Por la API, el límite es de 25MB por archivo: audios largos necesitan dividirse antes de subir.
Para quién tiene sentido Whisper
Encaja muy bien si tú…
- eres abogado, periodista, investigador o estudiante que acumula horas de grabación al mes y no quiere pagar mensualidad.
- manejas audio confidencial (audiencias, entrevistas, sesiones médicas o de terapia) y la privacidad importa mucho.
- estás dispuesto a seguir un tutorial de copiar y pegar (unos 10 minutos en Colab) o ya sabes algo de tecnología.
Busca otra opción si tú…
- quieres apretar un botón en el celular y recibir la transcripción lista con nombre de quien habló — prueba una app lista.
- necesitas subtítulos o transcripción en vivo durante una reunión — la versión gratis solo funciona después.
- transcribes rara vez (un audio al mes): la fricción de Colab no compensa; una app lista o la API paga es más simple.
Cuánto cuesta usar Whisper
Corriéndolo tú mismo, es R$ 0 y sin límite de minutos — es código abierto. Si no quieres tocar Colab, la API de OpenAI lo hace por un precio bajísimo, por minuto, en dólares.
R$ 0 — corre en tu PC o en Google Colab, sin mensualidad y sin límite de minutos (licencia MIT). Necesita un tutorial.
US$ 0,006/min (~US$ 0,36/hora) — transcribe sin instalar nada, por la API oficial. En dólares.
US$ 0,003/min — versión económica, buena para gran volumen. En dólares.
Detalle técnico: por la API, el límite es de 25MB por archivo — audio largo necesita dividirse antes. Precios de OpenAI en dólares, a julio de 2026.
Las dudas más frecuentes sobre Whisper
¿Whisper es gratis de verdad? ¿Dónde está la trampa?
Es genuinamente gratis y de código abierto. La "trampa" es la fricción: no hay app lista, necesitas Colab o línea de comandos.
¿Necesito tarjeta de crédito?
No, para correrlo tú mismo. La tarjeta solo se necesita si usas la API paga de OpenAI.
¿Funciona bien en portugués?
Sí, el portugués está entre los idiomas de mejor desempeño del modelo.
¿Funciona en el celular?
No directamente — el camino gratis es por computadora (Colab o local). La API se puede usar desde cualquier plataforma vía código.
¿Identifica quién está hablando en la grabación?
No, la transcripción sale como texto corrido plano, sin etiquetas de hablante.
¿Mi audio queda seguro? ¿Puedo transcribir una audiencia confidencial?
Sí, si corre localmente el audio nunca sale de tu máquina — privacidad real.
¿Cuánto cuesta transcribir 1 hora de audio?
Por la API paga, cerca de US$ 0,36 por hora con el modelo estándar.
¿El texto sale perfecto, sin errores?
No, puede equivocarse, especialmente con ruido, silencio o habla superpuesta — siempre revisa el contenido importante.
Alternativas más fáciles (sin Colab)
Cada día, una herramienta nueva explicada.
Recibir por WhatsApp