Instalador precompilado con backends CUDA, Vulkan y CPU. Sin compilación, sin Python, sin búsqueda de modelos. Elija un modelo, haga clic en grabar, obtenga una transcripción. Completamente sin conexión y firmado.
whisper.cpp es un puerto en C++ del modelo de reconocimiento de voz Whisper de OpenAI, creado por Georgi Gerganov y mantenido como un proyecto de código abierto en GitHub. El modelo Whisper original se publicó en Python, lo que crea importantes barreras prácticas para el despliegue en Windows: instalación de Python, entornos virtuales, coincidencia de versiones de PyTorch y CUDA toolkit, y operación por línea de comandos. whisper.cpp elimina todas estas dependencias al implementar el motor de inferencia Whisper en C++ portátil que se compila a un binario nativo.
Para los usuarios de Windows, whisper.cpp significa que el reconocimiento de voz Whisper local es accesible sin ninguna infraestructura de Python. El binario compilado se ejecuta directamente en Windows, admite la aceleración de GPU NVIDIA CUDA y utiliza los mismos pesos del modelo Whisper que la implementación en Python. whisper.cpp en Windows es lo que hace posible StarWhisper. Es el motor que potencia la transcripción local sin requerir que los usuarios gestionen entornos de Python o herramientas de línea de comandos.
Esta página cubre qué hace whisper.cpp en Windows, cómo StarWhisper lo empaqueta en una aplicación de escritorio, qué configuraciones de hardware son compatibles y cómo se compara whisper.cpp con ejecutar Whisper en Python en Windows.
whisper.cpp admite los cinco tamaños de modelo Whisper: tiny (39M params), base (74M), small (244M), medium (769M) y large-v3 (1.5B). Los archivos de modelo son pesos estándar en formato GGML que se pueden descargar del repositorio de modelos Hugging Face o empaquetarse con los instaladores. StarWhisper incluye tiny, base y small en el instalador completo; medium y large están disponibles como descargas de modelos Pro.
StarWhisper puede usar NVIDIA CUDA cuando hay una GPU y un controlador compatibles. También ofrece una ruta Vulkan opcional para hardware NVIDIA, AMD e Intel compatible cuando la comprobación funciona. Sin un backend de GPU, la aplicación vuelve a la inferencia por CPU. La velocidad real depende del modelo, el hardware, los controladores, el audio y la configuración.
StarWhisper admite muchos idiomas de Whisper. Selecciona el idioma en Configuración; no se necesita una descarga de modelo separada.
whisper.cpp produce marcas de tiempo a nivel de palabra y de segmento junto con el texto de la transcripción. StarWhisper las utiliza para generar archivos de subtítulos SRT y para admitir la visualización de marcas de tiempo en el panel de salida de transcripción. Las marcas de tiempo son precisas dentro de unos cientos de milisegundos para un ritmo de habla estándar.
StarWhisper puede usar NVIDIA CUDA cuando hay una GPU y un controlador compatibles. También ofrece una ruta Vulkan opcional para hardware NVIDIA, AMD e Intel compatible cuando la comprobación funciona. Sin un backend de GPU, la aplicación vuelve a la inferencia por CPU.
El tiempo depende del instalador, las descargas de modelos y el equipo Windows.
La interfaz de usuario de StarWhisper está construida con Electron, que proporciona la capa GUI multiplataforma. El frontend de Electron se comunica con el proceso del backend whisper.cpp a través de un mecanismo IPC local. Desde la perspectiva del usuario, esto es completamente transparente: se presenta como una aplicación estándar de Windows. El proceso whisper.cpp se ejecuta por separado de la GUI, por lo que las cargas de trabajo pesadas de transcripción no bloquean la interfaz.
Las compilaciones de whisper.cpp habilitadas para CUDA requieren las bibliotecas de tiempo de ejecución de CUDA. StarWhisper incluye los archivos necesarios del tiempo de ejecución de CUDA para que los usuarios no necesiten instalar el kit de herramientas CUDA completo por separado. Solo es necesario que el controlador de la GPU NVIDIA esté presente en el sistema del usuario. El tiempo de ejecución de CUDA incluido es compatible con todos los controladores de GPU NVIDIA compatibles de los últimos años.
Los archivos de modelo de whisper.cpp están en formato GGML y oscilan entre ~75 MB (tiny) y ~3 GB (large-v3). StarWhisper maneja la descarga, la ubicación de almacenamiento y la selección de los modelos a través del panel Configuración. Los usuarios no interactúan con archivos de modelo sin procesar. La aplicación verifica la integridad del archivo del modelo después de la descarga y alerta a los usuarios si un archivo de modelo está dañado o incompleto.
Cargar un modelo Whisper en la memoria tarda entre 2 y 10 segundos dependiendo del tamaño del modelo y la velocidad de almacenamiento. StarWhisper mantiene el proceso de trabajo whisper.cpp ejecutándose persistentemente con el modelo seleccionado cargado, por lo que las solicitudes individuales de transcripción no incurren en tiempo de carga del modelo. Esta es la arquitectura detrás de la rápida respuesta en tiempo real de StarWhisper: el modelo siempre está listo, no cargado por solicitud.
Estas estimaciones de rendimiento son para un archivo de audio de 60 minutos procesado con whisper.cpp en Windows:
| Modelo | Solo CPU (escritorio moderno) | RTX 3070 (GPU) | RAM necesaria |
|---|---|---|---|
| tiny | Varía | Varía | Varía |
| small | Varía | Varía | Varía |
| medium | Varía | Varía | Varía |
| large-v3 | Varía | Varía | Varía |
Las estimaciones varían según la generación de CPU/GPU, las características del audio y la carga del sistema. Los requisitos de RAM de GPU son para VRAM durante la inferencia; los requisitos de RAM del sistema son menores para la inferencia por CPU. El repositorio GitHub de whisper.cpp tiene puntos de referencia de la comunidad para una gama más amplia de configuraciones de hardware.
La velocidad real depende del modelo, el hardware, los controladores, el audio y la configuración.
Use medium solo para alfabetos no latinos (CJK, árabe, cirílico) o audio continuo de forma larga. Use large-v3 solo cuando la precisión sea más importante que la velocidad y tenga una GPU. En clips cortos de dictado, es probable que ambos modelos más grandes inserten frases que nunca se pronunciaron. Si no está seguro de cuál elegir, quédese en small.
StarWhisper puede usar NVIDIA CUDA cuando hay una GPU y un controlador compatibles. También ofrece una ruta Vulkan opcional para hardware NVIDIA, AMD e Intel compatible cuando la comprobación funciona. Sin un backend de GPU, la aplicación vuelve a la inferencia por CPU. La velocidad real depende del modelo, el hardware, los controladores, el audio y la configuración.
Los modelos grandes necesitan más memoria y pueden ser más lentos solo con CPU. Consulta las indicaciones de Configuración; el uso de memoria y la velocidad dependen del modelo y del hardware.
No. StarWhisper incluye un binario whisper.cpp precompilado para Windows. No se necesita Python, Conda ni configuración de línea de comandos. Instale StarWhisper y whisper.cpp estará listo para usar a través de la interfaz gráfica.
StarWhisper puede usar NVIDIA CUDA cuando hay una GPU y un controlador compatibles. También ofrece una ruta Vulkan opcional para hardware NVIDIA, AMD e Intel compatible cuando la comprobación funciona. Sin un backend de GPU, la aplicación vuelve a la inferencia por CPU.
StarWhisper utiliza las mismas familias de modelos Whisper. La calidad de salida depende del modelo, el audio, el hablante, el idioma y el ruido de fondo.
tiny: ~75 MB, base: ~145 MB, small: ~465 MB, medium: ~1.5 GB, large-v3: ~3 GB. El instalador completo de StarWhisper con tiny + base + small incluido es de aproximadamente 700 MB. Los modelos adicionales se descargan a pedido desde el panel Configuración.
StarWhisper hace que whisper.cpp sea accesible en Windows sin Python, trabajo de línea de comandos o instalación del kit de herramientas CUDA. Plan gratuito sin necesidad de cuenta. Pro por $10/mes para uso ilimitado y modelos más grandes.