offmute
Herramienta CLI que transcribe, segmenta y genera informes a partir de grabaciones de reuniones utilizando modelos Gemini.
Extrae transcripciones con nombres de oradores, contexto de demostraciones visuales y resúmenes estructurados a través de la línea de comandos.
offmute es una herramienta CLI de código abierto y un paquete de Node.js que procesa grabaciones de reuniones convirtiéndolas en transcripciones con identificación de oradores e informes estructurados. Se basa directamente en la API de Gemini de Google para analizar fragmentos de audio y capturas de pantalla de video. Los jefes de proyecto y los equipos Ágiles pueden usarlo para transformar reuniones diarias, revisiones de sprint o llamadas con clientes grabadas en notas en Markdown.
Qué es
La herramienta divide el audio de la reunión en segmentos y extrae fotogramas clave de video para capturar demostraciones visuales junto con la conversación. Envía estas entradas a Google Gemini para identificar los roles de los oradores y elaborar informes mediante un proceso de múltiples etapas. Las salidas se escriben de forma incremental como archivos Markdown para que puedas supervisar el progreso mientras se ejecuta.
Para quién
Es ideal para jefes de proyectos técnicos, Scrum masters y desarrolladores que desean notas de reuniones detalladas sin pagar tarifas de transcripción de SaaS por minuto. No es apto para usuarios no técnicos que necesiten una interfaz gráfica o para equipos a los que se les prohíba enviar archivos multimedia de reuniones a los servicios en la nube de Google.
Funciones clave
Análisis de video visual
Extrae capturas de pantalla en marcas de tiempo clave para detectar comparticiones de pantalla y demostraciones de productos durante reuniones en video.
Generación de informes por partes
Crea un esquema de informe inicial y completa cada sección de forma independiente para mantener el contexto en llamadas largas.
Segmentación inteligente
Identifica oradores distintos e infiere sus nombres y roles directamente a partir del contexto del discurso.
Indicaciones de contexto personalizadas
Acepta instrucciones personalizadas para guiar al modelo hacia decisiones técnicas, elementos de acción o tono.
Listo en 3 pasos
Nuestro veredicto honesto
Lo mejor
- Analiza tanto fotogramas de video visuales como fragmentos de audio para obtener resúmenes contextuales.
- Utiliza escritura de archivos incremental para que puedas leer el progreso de la transcripción durante el procesamiento.
- Ofrece opciones claras de niveles de modelos entre Gemini 2.5 Pro, Flash y Flash Lite.
- Se puede ejecutar al instante mediante npx o integrarse mediante programación como un paquete de npm.
Sus límites
- Requiere una instalación local de ffmpeg y tu propia clave de la API de Google Gemini.
- El procesamiento de grabaciones de video largas puede generar costos considerables de uso de la API de Google.
- La ejecución exclusiva por CLI carece de una interfaz gráfica para los miembros del equipo que no sean desarrolladores.
- Transmite el audio y las capturas de pantalla de la reunión a los puntos de conexión en la nube de terceros de Google.
Precios y licencia
offmute es gratuito y de código abierto bajo la licencia Apache-2.0. El costo operativo principal proviene del uso de tu propio token de la API de Google Gemini.
Empleos para hispanohablantes
879 puestos remotos abiertos de entrenamiento de IA, actualizados el 15 de noviembre de 2026; la mayoría paga $20–$175 por hora. 22 de ellos piden hispanohablantes. Zekai los lista gratis; la solicitud va a la plataforma del empleador.
Alternativas
Estas herramientas de IA evaluadas hacen el mismo trabajo al instante — de nuestro directorio puntuado.
Úsalo, o deja que lo configuremos
FAQ
¿Necesito una clave de API de pago para ejecutar offmute?
Necesitas una clave de la API de Google Gemini. Dependiendo de tu nivel de uso y de la duración de las reuniones, Google puede cobrar tarifas de API basadas en el consumo de tokens.
¿Procesa offmute todo de forma local?
No. Aunque la extracción de contenido multimedia y la división en fragmentos ocurren localmente mediante ffmpeg, todos los fragmentos de audio y las capturas de pantalla de video se envían a la API de Google Gemini para su procesamiento.
¿Puede offmute analizar las pantallas compartidas durante las revisiones de sprint?
Sí. La herramienta extrae capturas de pantalla de video junto con el audio, lo que permite a Gemini reconocer presentaciones visuales y demostraciones de productos.
