Proyectos / Software de escritorio
Transcriptor Local
Transcribe audio y video sin internet y separa quién habla en cada momento. Exporta subtítulos, Word y texto.
Para Windows 10 / 11 (64 bits). El instalador crea los accesos directos; la versión portable se descomprime y se usa sin instalar nada. También viene en OmniSuite Studio, junto con las otras herramientas. Como todavía no tiene firma digital, Windows puede mostrar «Windows protegió su PC»: tocá «Más información» y «Ejecutar de todas formas».
Qué es
Una app de escritorio que convierte cualquier audio o video en texto y además indica quién dijo qué (diarización). Funciona entera en tu computadora: no hay costo por minuto ni audios que viajen a un servidor ajeno.
Sirve para podcasts, entrevistas, clases, reuniones o declaraciones: cualquier grabación donde la privacidad importa o donde pagar por minuto se vuelve caro.
Cómo funciona por dentro
El pipeline tiene cuatro pasos:
- Extracción de audio: FFmpeg lo convierte a WAV mono de 16 kHz, el formato que esperan los modelos.
- Diarización:
pyannote.audioanaliza la huella de cada voz y marca los tramos de cada hablante. - Transcripción:
faster-whispercon el modelolarge-v3-turboen CPU, cuantizado aint8, con filtro de silencios (VAD) y marcas de tiempo por palabra. - Ensamble: cruza las dos líneas de tiempo y le asigna un hablante a cada frase.
El modelo de Whisper se carga una sola vez por proceso y queda protegido con un lock. Así la interfaz no se congela ni lo carga dos veces si apretás el botón de nuevo.
Modelos y placa de video, a elección
La versión estándar trae large-v3-turbo para CPU y funciona sin nada más. Desde la pestaña Configuración se descarga, con un clic y una barra de progreso:
- Whisper small (486 MB), más rápido, para equipos con poca RAM;
- Whisper large-v3 (3,1 GB), para máxima precisión;
- Aceleración NVIDIA (568 MB), para transcribir con una GeForce GTX 16xx o RTX.
Los archivos salen de Hugging Face y del paquete oficial de NVIDIA en PyPI, y se verifican antes de instalarse; si se corta internet, la descarga sigue desde donde quedó. Si la placa falla, la transcripción sigue sola con la CPU.
Lo que entrega
- .SRT listo para Premiere, DaVinci, CapCut o YouTube.
- .DOCX con una tabla de cuánto habló cada participante (tiempo, porcentaje e intervenciones) y la transcripción agrupada por intervención: quién habla, desde qué minuto y qué dijo.
- .TXT limpio para copiar y pegar.
- .JSON con todos los tiempos y textos: es el archivo del proyecto, y lo podés reabrir en el visor.
El visor y editor
Cada frase aparece en una tarjeta con su botón ▶: escuchás justo ese fragmento, corregís el texto o cambiás el hablante y volvés a exportar los cuatro archivos sin transcribir de nuevo.
Paso a paso
Si querés armar uno propio, la guía Tu propio transcriptor offline con Whisper y pyannote explica cómo, desde cero.