Todas las herramientas de transcripción en la nube necesitan internet y suben tu audio. Para audio confidencial (legal, médico, I+D, material fuente periodístico), eso es inaceptable. StarWhisper ejecuta Whisper localmente en tu equipo Windows. El audio nunca sale del dispositivo.
Instala una vez con internet, trabaja sin conexión para siempre.
Descarga el instalador gratuito desde la página principal de StarWhisper y ejecútalo. La configuración toma unos dos minutos e incluye una descarga única de los archivos del modelo Whisper (desde unos pocos cientos de megabytes hasta varios gigabytes, dependiendo del tamaño del modelo que elijas). Esta es la única vez que se requiere internet.
Activa el modo avión, desconecta el cable de red, desactiva el adaptador wifi o simplemente entra en un entorno sin señal. StarWhisper no necesita conexión para funcionar. Si quieres pruebas contundentes, ejecuta Wireshark o cualquier monitor de red: cero paquetes saldrán del proceso de StarWhisper durante la transcripción.
Abre StarWhisper. Arrastra cualquier archivo de audio (MP3, WAV, M4A, OGG, OPUS, FLAC, WMA, AAC, además de audio extraído de videos MP4, MOV, AVI, MKV) a la ventana. El modelo Whisper de tu disco duro decodifica y transcribe el audio. El idioma se detecta automáticamente entre 96 compatibles.
StarWhisper procesa el audio localmente en tu CPU o GPU. Velocidad: aproximadamente 10 veces más rápido que el tiempo real en una CPU de portátil moderna y 50 veces más rápido en una GPU NVIDIA con CUDA activado. Un archivo de audio de una hora se transcribe en unos 6 a 12 minutos en la CPU o de 1 a 2 minutos en una GPU de gama media.
La transcripción aparece en la ventana de StarWhisper cuando termina el procesamiento. Copia al portapapeles, guarda como .txt o exporta con marcas de tiempo opcionales. El archivo se escribe en tu disco duro local. Sin sincronización en la nube, sin carga, sin telemetría. El texto es tuyo y solo tuyo.
Situaciones reales donde la transcripción en la nube falla o está prohibida.
Vuelos de larga distancia, viajes en tren, trayectos en coche por túneles. Las herramientas en la nube mueren cuando lo hace la señal. La transcripción local sigue funcionando en un portátil completamente desconectado.
Viajes de conferencias, viajes de negocios, habitaciones de hotel con internet averiado o limitado. El archivo de audio que grabaste antes todavía se transcribe localmente, sin necesidad de red.
Estudios de grabación, salas de imagen médica, hospitales con bloqueo de señal deliberado y entornos similares donde las cargas a la nube simplemente no pueden alcanzar el servidor.
Las Instalaciones de Información Compartimentada Sensible prohíben la conectividad de red. La arquitectura local de StarWhisper es compatible con los requisitos de aislamiento; la implementación depende de la aprobación de la instalación.
Declaraciones legales, entrevistas a fuentes periodísticas, audio de I+D, grabaciones de sesiones de terapia. La carga en la nube rompe la confidencialidad. Preocupaciones de privacidad explicadas.
Las herramientas en la nube cobran por minuto o por mes. La instalación local es gratuita hasta el límite diario de palabras o 10 dólares por mes para uso ilimitado. Modelo de precios.
La mayoría de las personas que escriben "cómo transcribir audio" en un motor de búsqueda terminan en Otter, Rev, Trint, Happy Scribe, Sonix, Descript o en uno de los doce servicios similares. Todos funcionan de la misma manera: subes tu archivo de audio a sus servidores, su backend (a menudo el mismo modelo Whisper de OpenAI que se ejecuta localmente en tu propia máquina) procesa el archivo y la transcripción regresa. Para un usuario casual con audio no sensible y buen internet, esto está bien.
No está bien para una gran parte de las necesidades de transcripción del mundo real.
Los abogados no pueden subir conversaciones privilegiadas de los clientes a un servidor de terceros sin violar sus reglas éticas y el propio secreto profesional cliente-abogado. Los médicos y terapeutas no pueden subir audio de pacientes sin infringir HIPAA en los EE. UU. o normativas equivalentes en otros lugares. Los periodistas que trabajan con fuentes confidenciales no pueden subir grabaciones de las fuentes sin comprometerlas. Los equipos de I+D corporativos no pueden subir audio de productos previos a su lanzamiento sin exponer secretos comerciales. El trabajo gubernamental y de defensa obviamente no puede subir nada clasificado. Incluso para grabaciones personales no reguladas, mucha gente simplemente no quiere que sus notas de voz queden en el servidor de otra persona para siempre.
StarWhisper está diseñado para este tipo de usuario. El modelo Whisper que lo impulsa se ejecuta completamente en tu equipo Windows. Después de una instalación única (que es el único paso que requiere internet), la aplicación no necesita conectarse a un servidor. Puedes transcribir en modo avión, en un sótano, en un avión, en un hotel con wifi averiado, en un SCIF o en una estación de trabajo aislada de forma permanente. El audio nunca sale del dispositivo.
"Privacidad" es fácil de afirmar en los textos de marketing. Vale la pena verificarlo por ti mismo cuando los riesgos son altos.
Instala StarWhisper, completa la descarga del modelo y luego activa el modo avión (o desconecta el cable de red y desactiva el wifi; si tu portátil tiene un interruptor físico de wifi, mejor aún). Abre StarWhisper y transcribe un archivo. Funciona. Esta única prueba confirma que todo en el proceso de transcripción ocurre localmente, porque literalmente no hay red para usar.
Si quieres una confirmación absoluta de que StarWhisper no está subiendo nada cuando la red está disponible, instala Wireshark (gratuito, de código abierto) o cualquier herramienta equivalente de captura de paquetes. Filtra por el proceso de StarWhisper. Ejecuta una transcripción. Observa cero paquetes salientes del proceso de StarWhisper durante la transcripción en sí. La telemetría del sistema operativo (Windows envía por defecto alguna telemetría en segundo plano) aparecerá en la captura, pero es independiente de lo que hace StarWhisper.
Para implementaciones en SCIF o aisladas donde necesitas mayores garantías, instala StarWhisper en un equipo conectado, completa la descarga del modelo, copia toda la carpeta instalada (Archivos de programa más el directorio de modelos en caché) a una memoria USB utilizando procedimientos aprobados para medios extraíbles, transfiérelo al equipo aislado de destino y ejecútalo allí. La aplicación funcionará sin ninguna red porque todos los pesos del modelo y las dependencias de código residen en el disco. Esto también es útil para el caso excepcional en el que deseas implementar StarWhisper en muchos puntos de conexión dentro de una red corporativa que no permite internet saliente desde los equipos de trabajo.
Un asistente legal graba una declaración o entrevista a un testigo para uso interno. La grabación contiene conversaciones privilegiadas y asuntos confidenciales del cliente. Subirla a un servicio en la nube como Rev u Otter vulneraría el secreto profesional (o como mínimo requeriría un Acuerdo de Asociado Comercial y una revisión ética). Arrastra el archivo a StarWhisper en un portátil, obtén la transcripción localmente, sin cargas. Lo mismo se aplica a las negociaciones de acuerdos grabadas, las llamadas de preparación de testigos expertos y cualquier otro audio que caiga bajo las obligaciones de confidencialidad del bufete. Consulta voz a texto para abogados para ver el flujo de trabajo legal completo.
Un médico graba una consulta con el paciente para tomar notas (con su consentimiento). El audio contiene información de salud protegida (PHI). HIPAA permite procesar PHI en el propio equipo del médico, pero generalmente restringe su carga a servicios en la nube de terceros sin acuerdos BAA explícitos. La transcripción local con Whisper en el equipo Windows del médico mantiene el audio bajo el control apropiado de HIPAA. Consulta las preguntas frecuentes sobre cumplimiento de HIPAA para obtener más detalles y voz a texto para terapeutas para el contexto de salud mental.
Un reportero de investigación graba una entrevista a una fuente. La fuente accedió a hablar con la condición de que la grabación no se compartiera con nadie más, incluido un proveedor de transcripción. Subir el archivo a Otter, Rev o cualquier servicio en la nube técnicamente lo compartiría con la infraestructura del proveedor. La transcripción local cumple la promesa. Consulta voz a texto para periodistas para el flujo de trabajo específico de reporteros.
Los investigadores de campo, los asistentes a conferencias y los profesionales que viajan habitualmente tienen audio para transcribir pero no tienen internet fiable. El wifi del hotel se corta. Las redes de conferencias limitan las cargas grandes. Los viajes en tren por zonas sin cobertura. El flujo de trabajo de la herramienta en la nube se detiene; el flujo de trabajo local no. Suelta el archivo, obtén la transcripción, sigue adelante. Consulta las preguntas frecuentes sobre dictado de voz sin conexión en Windows para escenarios de dictado relacionados.
Una breve explicación de por qué esto es posible, dado que la transcripción en la nube solía ser la única opción hace unos años.
OpenAI lanzó el modelo Whisper como código abierto bajo la licencia MIT en 2022. Whisper es una única red neuronal entrenada con aproximadamente 680.000 horas de audio multilingüe. La versión más grande tiene alrededor de 1.500 millones de parámetros y se ejecuta en unos pocos gigabytes de RAM. Las versiones más pequeñas ocupan unos pocos cientos de megabytes y se ejecuten en una CPU de portátil típica en tiempo real o más rápido. Esto significa que el mismo modelo que impulsa la mayoría de los servicios modernos de transcripción en la nube puede ejecutarse localmente en hardware de consumo.
StarWhisper agrupa el modelo Whisper con un proceso de decodificación de audio, una interfaz de usuario y el enlace específico de Windows que te permite arrastrar archivos. Después de la instalación, todo el proceso se encuentra en tu disco duro: pesos del modelo, bibliotecas de códecs, código de análisis, formato de salida. Ninguno de estos requiere acceso a la red en tiempo de ejecución. La transcripción se calcula en tu CPU o GPU y se escribe en un archivo local. Para una explicación arquitectónica más profunda, consulta arquitectura de privacidad y sin conexión.
El compromiso en comparación con los servicios en la nube es el hardware. La transcripción en la nube se ejecuta en el servidor potente que el proveedor quiera proporcionar. La transcripción local se ejecuta en tu portátil, que es más lento que un servidor GPU dedicado. En la práctica, la diferencia de velocidad importa menos de lo que podrías esperar: una CPU de portátil moderna típica transcribe audio a aproximadamente 10 veces el tiempo real, lo que significa que un archivo de una hora tarda de 6 a 12 minutos. Una GPU NVIDIA con CUDA lo reduce a 1 o 2 minutos. Para la mayoría de los flujos de trabajo no en tiempo real (transcribir un archivo de audio existente, no subtitular en vivo), la velocidad local es más que suficiente.
El nivel gratuito de StarWhisper proporciona 500 palabras por día y 3.500 palabras por semana de salida transcrita. El nivel gratuito funciona sin conexión exactamente igual que el nivel Pro; no hay funciones exclusivas en línea bloqueadas tras el muro gratuito. La única diferencia es el límite diario de palabras.
Para uso ocasional típico (una breve reunión grabada, una nota de voz personal, un solo clip de podcast), 500 palabras por día son suficientes. Una nota de voz de 5 minutos tiene aproximadamente 700 palabras; un solo párrafo típico de texto dictado encaja bien por debajo del límite. Para uso profesional de alto volumen (declaraciones legales completas, transcripciones de sesiones médicas de varias horas, trabajo periodístico diario), el plan Pro elimina el límite por 10 dólares al mes u 80 dólares al año. Detalles del plan Pro. Hay disponible una prueba gratuita de 7 días de Pro si deseas verificar el flujo de trabajo en un archivo largo.
El nivel gratuito es genuinamente gratuito, sin tarjeta de crédito, sin barrera de registro y sin trampa de temporizador de prueba que se convierte en pago. No es una versión de prueba de la aplicación de pago; es la misma aplicación con un límite de palabras. El uso comercial está permitido en ambos niveles. Para un análisis en profundidad del enfoque sin suscripción, consulta el modelo de precios sin suscripción.
Si el enfoque sin conexión es lo que te ha traído aquí, varias guías relacionadas amplían temas adyacentes. Para la pregunta específica de cómo se compara la transcripción local con Whisper con la de Whisper en la nube, consulta Whisper local vs nube. Para la categoría más amplia de preocupaciones de privacidad en la transcripción, consulta preocupaciones de privacidad en la transcripción. Para flujos de trabajo sin conexión específicos por formato, consulta cómo convertir MP3 a texto, cómo convertir M4A a texto y cómo convertir WAV a texto, cada uno de los cuales utiliza el mismo proceso exclusivamente local descrito anteriormente. Para dictado sin conexión en tiempo real (no transcripción de archivos existentes), consulta las preguntas frecuentes sobre dictado de voz sin conexión en Windows.
El flujo de trabajo completo sin conexión para el formato de audio más común.
Análisis profundo de cómo funciona el procesamiento local y por qué es importante.
El problema que crea la transcripción en la nube y cómo evitarlo.
Dictado en tiempo real sin conexión, no solo transcripción de archivos.