Whisper (OpenAI) — El cerebro que pasa voz a texto

Whisper hace lo contrario que ElevenLabs: en vez de texto a voz, pasa voz a texto. Le das un audio o un vídeo y te devuelve la transcripción escrita (y subtítulos con tiempos).

Su gran virtud: es abierto y gratis. Puedes ejecutarlo en tu ordenador, sin pagar y sin que tus audios salgan de tu equipo. Soporta casi 100 idiomas y se defiende bien con acentos y ruido.

Piénsalo como un mecanógrafo incansable que escribe todo lo que oye, en muchos idiomas, y encima gratis y en tu casa.

• Transcribir audio a texto: entrevistas, reuniones, notas de voz, vídeos.
• Subtítulos: genera archivos de subtítulos con tiempos.
• Idiomas: ~99 idiomas y traducción al inglés.
• Local y gratis: corre en tu PC (con los modelos pequeños, incluso sin GPU).

• Equilibrado: ya no es el nº1 (le han salido rivales), pero sigue siendo muy bueno y es el rey por gratis y abierto.
• Abierto: MIT, uno de los más libres que hay.

• En tu PC: gratis (solo tu hardware).
• API de OpenAI: el modelo clásico (whisper-1) ~0,006 $/min. OpenAI lo está sustituyendo por gpt-transcribe (~0,0045 $/min); el clásico queda disponible un tiempo.

Sí, para todo lo que sea audio → texto**.

Veredicto: ✅ Limpia.

• Abierto y auditable: código y pesos públicos (MIT).
• Privacidad total: local, tu audio no sale a internet.
• Cuidado: puede inventar texto en silencios o música (alucinaciones); revisa la transcripción.

• Código y pesos: https://github.com/openai/whisper
• Precios de OpenAI: https://developers.openai.com/api/docs/pricing