¿Cansado de las notas de voz de siete minutos de familiares o colegas? Suelta el archivo en una aplicación gratuita de Windows y lee la transcripción en segundos. Admite 96 idiomas, el audio nunca se sube.
Sin registro, sin cargas, sin tarifa por minuto.
Si solo usas WhatsApp en tu teléfono, obtén el cliente de escritorio desde whatsapp.com o el Microsoft Store. Ábrelo, escanea el código QR con tu teléfono y tu historial de chat completo se sincronizará. WhatsApp Desktop te ofrece un confiable menú de Guardar como con clic derecho en las notas de voz que WhatsApp Web en un navegador a menudo no tiene.
Busca el mensaje de voz en tu chat. Haz clic derecho sobre él y elige Guardar como. WhatsApp Desktop ofrecerá un nombre de archivo y guardará el audio en tu carpeta de Descargas como .opus o .ogg. Ambos son archivos estándar de códec Opus y StarWhisper los maneja de forma nativa. No necesitas convertir nada.
Descarga StarWhisper desde la página principal. El instalador es pequeño y la configuración te guía a través de una descarga única del modelo para que la aplicación pueda funcionar sin conexión posteriormente. El plan gratuito cubre 500 palabras por día y 3.500 por semana, suficiente para el uso personal típico sin un plan Pro.
Abre StarWhisper y arrastra el archivo .ogg o .opus desde el Explorador de archivos a la ventana. La aplicación elige el idioma automáticamente y comienza a transcribir. Una nota de voz típica de 30 segundos termina en dos a cinco segundos en una CPU moderna. Con una GPU NVIDIA es prácticamente instantáneo.
El texto aparece en la ventana de StarWhisper. Cópialo al portapapeles, pégalo en un chat o documento, o guárdalo en un archivo .txt. La nota de voz es ahora texto buscable, escaneable y citable. Nunca tuviste que escucharlo todo.
Razones específicas, no beneficios vagos.
El Modo Local predeterminado ejecuta OpenAI Whisper en tu propia máquina. Sin cargas, sin almacenamiento de terceros, sin servidores viendo el chat de tu grupo familiar.
Ya sea que la nota de voz esté en español, hindi, árabe, mandarín, polaco o cualquiera de los 96 idiomas admitidos, StarWhisper elige el idioma automáticamente.
Los archivos .opus y .ogg de WhatsApp se cargan directamente. Sin convertidores de terceros, sin extractores de MP3 en línea, sin invocaciones de ffmpeg en la línea de comandos pegadas.
Descarga única del modelo y luego funcionamiento completo sin conexión. Útil para vuelos, grabaciones sensibles o cualquier lugar donde no confíes en la red.
Cubre alrededor de 5 a 10 notas de voz típicas al día sin barrera de registro, sin tarjeta de crédito, sin cuenta regresiva de prueba. Detalles del plan gratuito aquí.
Los propietarios de GPU NVIDIA obtienen una transcripción prácticamente instantánea a través de CUDA. Detalles del soporte de GPU.
Los mensajes de voz de WhatsApp tienen un problema particular. Son convenientes para el remitente, quien puede hablar mientras camina, pero son ineficientes para el receptor, quien tiene que encontrar auriculares, ponérselos y escuchar a velocidad real para extraer quizás veinte segundos de información real. Una nota de voz de seis minutos de un familiar a menudo contiene una fecha, una pregunta y mucho contexto. Leer la transcripción en quince segundos es una experiencia estrictamente mejor.
La otra razón: la capacidad de búsqueda. Una vez que se transcribe una nota de voz, puedes buscar en tu historial de chat las palabras que contiene. La propia búsqueda de WhatsApp solo indexa mensajes de texto, por lo que meses de notas de voz se convierten en una caja negra opaca. Guardar transcripciones en una aplicación de notas o documento significa que la información de tus notas de voz se vuelve recuperable más adelante. Las personas que reciben muchas notas de voz de un contacto en particular (un padre, un gerente, un líder de proyecto) informan que convertirlas a texto cambia la relación con el chat en sí.
Existen servicios de transcripción en la nube, pero la mayoría cobran por minuto, te piden que subas audio personal sensible a sus servidores y requieren un registro con tarjeta de crédito. Las matemáticas empeoran rápidamente: a 10 centavos por minuto y diez notas de voz por semana con un promedio de dos minutos cada una, son 8 dólares al mes por lo que es genuinamente una tarea pequeña. El enfoque de StarWhisper es una instalación local gratuita que maneja la transcripción ilimitada del plan gratuito hasta el límite diario de palabras. Para la mayoría de los usuarios casuales de WhatsApp, ese límite nunca se alcanza.
La ruta más rápida es WhatsApp Desktop en la misma PC con Windows que StarWhisper. Una vez vinculado, cada nota de voz en cada chat se puede guardar con clic derecho. Esta es la configuración recomendada para cualquiera que planee transcribir notas de voz más que ocasionalmente.
Ya cubierto en los pasos anteriores. Clic derecho, Guardar como, arrastrar a StarWhisper. Dos clics de fricción. Esto funciona para cada nota de voz en cualquier chat, individual o grupal, siempre y cuando tengas la aplicación de escritorio vinculada.
En Android, mantén presionada la nota de voz, toca el menú de tres puntos, elige Compartir y envíala a tu propia dirección de correo electrónico como archivo adjunto. En iPhone, mantén presionada la nota de voz, toca Reenviar, luego el icono de flecha de compartir, y luego elige Mail. Abre Gmail u Outlook en Windows, descarga el archivo adjunto y arrastra el archivo resultante a StarWhisper. El archivo generalmente llega como .opus en Android o .m4a en iPhone. StarWhisper maneja ambos.
Para la transcripción por lotes de meses de notas de voz, abre el chat en tu teléfono, ve a la configuración del chat, elige Exportar chat y selecciona la opción de incluir medios. WhatsApp produce un archivo zip con cada archivo de audio como .opus. Transfiere el zip a tu PC, extrae y suelta la carpeta en StarWhisper. La aplicación procesará cada nota de voz en secuencia y etiquetará cada transcripción por nombre de archivo. Esto es lo que la gente usa cuando migra años de audio de chat familiar a texto buscable.
El plan gratuito de StarWhisper te da 500 palabras por día, con un límite de 3.500 palabras por semana. Una nota de voz típica de 60 segundos de WhatsApp se transcribe en alrededor de 150 palabras de texto. Ese cálculo resulta en aproximadamente 3 a 5 notas de voz por día en el plan gratuito, o 20 a 25 por semana. Para la mayoría del uso personal de WhatsApp, esto es suficiente.
Si administras una pequeña empresa a través de WhatsApp Business, recibes un alto volumen de notas de voz de clientes o realizas transcripción histórica en masa, los límites comenzarán a ser un problema. El plan Pro cuesta 10 dólares por mes u 80 dólares por año y elimina el límite de palabras por completo. Los detalles y precios del plan Pro están en la página dedicada. También hay una prueba gratuita de 7 días que desbloquea acceso ilimitado si deseas verificar que funciona para tu carga de trabajo antes de pagar.
El Modo Local gratuito y el Modo Local Pro producen transcripciones idénticas. El plan Pro no obtiene un modelo diferente o más inteligente. Simplemente elimina el límite de palabras y agrega algunas funciones de flujo de trabajo (atajos de teclado personalizados, vocabulario, respaldo en la nube prioritario si decides activarlo). Para cualquiera que solo quiera leer la ocasional nota de voz larga de un padre, el plan gratuito es genuinamente suficiente.
Las notas de voz de amigos y familiares son algunos de los datos de audio más personales de tu teléfono. Contienen quejas médicas, dramas de relaciones, opiniones sobre compañeros de trabajo, secretos familiares y comentarios casuales que la gente no querría que se conservaran en un servidor en algún lugar. Subir ese audio a un servicio de transcripción en la nube significa que un tercero obtiene una copia.
StarWhisper se ejecuta en Modo Local de forma predeterminada. El archivo de audio que arrastras se decodifica en tu CPU o GPU, el modelo Whisper en tu disco duro realiza la transcripción y el texto resultante aparece en la pantalla. No se sube nada. No se registra nada en un servidor remoto. Nadie lo revisa para control de calidad. Puedes verificarlo tú mismo desconectando tu conexión de red antes de procesar un archivo; la transcripción sigue funcionando.
El Modo Nube existe como una opción en Configuración si específicamente deseas usar la API de OpenAI Whisper para una pequeña mejora de precisión en casos extremos. Está claramente etiquetado, desactivado por defecto y nunca se activa de forma silenciosa. Para notas de voz personales sensibles, simplemente deja la configuración predeterminada tal como está. Para la historia más profunda sobre privacidad, consulta la página de arquitectura de privacidad y sin conexión.
La velocidad de transcripción depende de tu hardware y de la duración de la nota de voz. Números aproximados del modelo medio de Whisper en máquinas comunes:
| Hardware | Nota de voz de 30 s | Nota de voz de 2 min | Nota de voz de 10 min |
|---|---|---|---|
| CPU de portátil moderna (i7 o Ryzen 7) | 2 a 5 s | 10 a 20 s | 1 a 2 min |
| NVIDIA RTX 3060 (CUDA) | menos de 1 s | 2 a 4 s | 10 a 20 s |
| NVIDIA RTX 4090 (CUDA) | menos de 1 s | menos de 1 s | 5 a 8 s |
| CPU antigua (más de 5 años) | 5 a 10 s | 30 a 60 s | 3 a 6 min |
El tamaño del modelo Whisper también importa. StarWhisper tiene por defecto una opción equilibrada (media), pero puedes cambiar a los modelos más pequeños (más rápidos, ligeramente menos precisos) o más grandes (más lentos, más precisos) en Configuración. Para las notas de voz, la opción predeterminada casi siempre está bien. La gran diferencia de calidad está entre el dictado integrado de Windows y Whisper, no entre los tamaños del modelo Whisper.
Divulgación honesta de dónde funciona menos bien. Primero, audio con mucho ruido. Las notas de voz grabadas al aire libre con mucho tráfico o viento verán que la precisión cae de más del 95 por ciento a tal vez el 80 por ciento. La transcripción seguirá siendo legible, pero es posible que veas algunas palabras incorrectas. Segundo, mucho cambio de código a mitad de oración. Si una nota de voz cambia entre dos idiomas cada dos palabras, Whisper a veces elige uno y translitera el otro. Tercero, dialectos regionales muy marcados en ciertos idiomas. El español estándar de España, México y Argentina funciona bien; los dialectos rurales muy marcados pueden confundir al modelo.
Para todos estos casos, la solución es la misma: prueba la transcripción y acepta que el resultado será un primer borrador útil en lugar de un registro perfecto. Para la mayoría de las notas de voz personales, la precisión está muy por encima de lo suficientemente buena.
Tampoco hay diarización de hablantes integrada para notas de voz de chats grupales que tienen múltiples voces en una grabación (raro, pero sucede). StarWhisper transcribe todo como un solo bloque de texto. Puedes dividirlo manualmente después si lo necesitas.
Si te resultó útil, el mismo proceso funciona para otros tipos de audio. Muchas personas instalan StarWhisper para manejar las notas de voz de WhatsApp y luego descubren que también lo quieren para la transcripción de entrevistas, la transcripción de podcasts o la transcripción de reuniones. El flujo de arrastrar y soltar archivos es el mismo; solo cambia la fuente de audio. También hay un modo de dictado en tiempo real para escribir en cualquier aplicación con la voz, que es un caso de uso diferente pero la misma instalación.
Usa el mismo flujo de trabajo local de Whisper para archivos de audio guardados en Windows.
Saca archivos .m4a de tu iPhone y pásalos a una herramienta gratuita de transcripción para Windows.
El mismo flujo de trabajo para Notas de Voz de iPhone, podcasts y llamadas grabadas.