WhisperLiveKit
Servidor de reconocimiento de voz autohospedado y traducción en tiempo real compatible con streaming de Whisper, Voxtral y diarización.
Autohospeda transcripción en streaming de baja latencia, diarización de hablantes y traducción con APIs compatibles con OpenAI.
WhisperLiveKit es un servidor de traducción en streaming y reconocimiento de voz open source diseñado para el procesamiento de audio en directo de baja latencia. Está dirigido a equipos de localización, desarrolladores de software y traductores que necesitan transcripción en tiempo real y traducción multilingüe alojadas en su propio hardware. Proporciona endpoints compatibles con OpenAI y Deepgram listos para usar.
Qué es
El software almacena en búfer los flujos de audio entrantes y los procesa de forma incremental utilizando políticas como AlignAtt y LocalAgreement para evitar el truncamiento a mitad de palabra. Gestiona audio de múltiples hablantes mediante diarización con Sortformer en streaming y traduce voz a más de 200 idiomas en tiempo real. Expone endpoints de WebSocket, rutas REST e incluye una interfaz web integrada junto con herramientas de CLI.
Para quién
Es ideal para desarrolladores y especialistas en localización que crean sistemas de subtitulación en directo, flujos de trabajo de subtítulos o aplicaciones de voz sin dependencia de la nube. No es adecuado para usuarios no técnicos que buscan una aplicación de escritorio de un solo clic, ya que la configuración requiere el uso de la terminal y la selección de modelos.
Funciones clave
Traducción de voz multilingüe simultánea
Traduce audio en directo a 200 idiomas utilizando modelos decodificadores integrados NLLW y AlignAtt4LLM.
Diarización de hablantes en tiempo real
Identifica y separa a múltiples hablantes simultáneos en directo utilizando backends de Streaming Sortformer o NeMo.
Capa de compatibilidad de API
Expone endpoints compatibles con los SDKs de Python de OpenAI y WebSockets de Deepgram para una integración directa y sencilla.
Procesamiento incremental de baja latencia
Utiliza políticas de AlignAtt y LocalAgreement para eliminar el corte de palabras a mitad de sílaba durante el streaming de audio en directo.
Listo en 3 pasos
Nuestro veredicto honesto
Lo mejor
- Proporciona compatibilidad dual con la API REST de OpenAI y WebSockets de Deepgram para bases de código de aplicaciones existentes.
- Soporta múltiples backends modulares, incluidos Whisper, Voxtral, Qwen3-ASR y SenseVoice.
- Traduce contextualmente audio en directo a través de 200 idiomas de destino utilizando módulos de traducción dedicados.
- Se ejecuta completamente en hardware local con soporte para CUDA, Apple Silicon MLX y ejecución en CPU.
Sus límites
- La gestión de extras opcionales requiere múltiples entornos de Python aislados debido a conflictos de empaquetado entre backends como vLLM y MLX.
- El rendimiento de baja latencia en modelos más grandes exige hardware de GPU moderno o chips Apple Silicon recientes.
- La configuración de instancias de producción requiere conocimientos técnicos de comandos de terminal, protocolos WebSocket y configuración SSL personalizada.
Precios y licencia
WhisperLiveKit es totalmente gratuito y open source bajo la licencia Apache-2.0. El desarrollador no ofrece niveles de pago alojados, por lo que su único gasto es la infraestructura de servidor o el hardware necesario para ejecutar los modelos.
Empleos para hispanohablantes
874 puestos remotos abiertos de entrenamiento de IA, actualizados el 15 de noviembre de 2026; la mayoría paga $20–$170 por hora. 22 de ellos piden hispanohablantes. Zekai los lista gratis; la solicitud va a la plataforma del empleador.
Alternativas
Úsalo, o deja que lo configuremos
FAQ
¿Genera WhisperLiveKit archivos de subtítulos?
Sí, puedes ejecutar wlk transcribe --format srt file.mp3 para generar archivos de subtítulos directamente desde la línea de comandos.
¿Puedo ejecutar este software en Mac con Apple Silicon?
Sí, proporciona paquetes opcionales dedicados para modelos Whisper y Voxtral acelerados por MLX en hardware macOS.
