Herramientas de IA puntuadas para tu trabajo
Gana entrenando IA
🤝 Estás en la biblioteca Gratis y Open Source — herramientas creadas por la comunidad que puedes usar sin pagar. Un concepto distinto a nuestro directorio de IA puntuado.
Inicio › Gratis y Open Source › Audio y Música › whisperX
✦ Gratis y open sourceAudio y Música

whisperX

Reconocimiento automático de voz rápido con alineación forzada de palabras y diarización de hablantes.

Reconocimiento de voz rápido con marcas de tiempo a nivel de palabra

Transcripción de Whisper por lotes combinada con alineación fonética forzada y diarización de hablantes.

Gratis para siempre · open source · BSD-2-Clause
✓ Light setup✓ En el navegador✓ Colaboración en tiempo real
8.2
ZEKAI
Herramienta de ASR alineada increíblemente rápida.
Gratis y open source · Audio y Música
Facilidad de configuración5
Utilidad9
Mantenimiento9.5
Comunidad9.2
★ 24,233
GITHUB
Aug 2026
ACTUALIZADO
BSD-2-Clause
LICENCIA
🛠 ¿No quieres alojarlo tú mismo? Podemos configurarlo →
⚡ Respuesta rápida

WhisperX ofrece un reconocimiento automático de voz rápido al combinar un backend de faster-whisper por lotes con alineación forzada basada en fonemas. Incluye capacidades de diarización de hablantes a través de modelos de Pyannote. Está dirigido a productores de voz, editores de audio y desarrolladores que necesitan una sincronización precisa de subtítulos a nivel de palabra e identificación de hablantes.

Funciona en
Cross-platform
Alojamiento
Self-host
Idiomas
Python
Licencia
BSD-2-Clause

Qué es

WhisperX acelera la inferencia de OpenAI Whisper hasta 70x en tiempo real mediante procesamiento por lotes basado en VAD a través del backend de faster-whisper. Realiza una alineación forzada utilizando modelos de fonemas como wav2vec2 para generar marcas de tiempo precisas a nivel de palabra. También integra flujos de trabajo de diarización de hablantes para asignar etiquetas de orador a los segmentos de audio transcritos.

Para quién

Esta herramienta es adecuada para ingenieros de audio, productores de podcasts y desarrolladores de software que requieren alineaciones de transcripción precisas o identificación de hablantes en sus flujos de trabajo de voz. No es adecuada para usuarios no técnicos que buscan una interfaz de escritorio independiente sin ejecución por línea de comandos o Python.

Funciones clave

Backend de inferencia por lotes

Utiliza segmentación basada en VAD y faster-whisper para lograr una velocidad de transcripción de hasta 70x en tiempo real en GPU.

Alineación forzada de fonemas

Alinea las transcripciones con modelos wav2vec2 específicos del idioma para producir marcas de tiempo precisas de palabras y caracteres.

Integración de diarización de hablantes

Integra flujos de trabajo de diarización de hablantes de Pyannote para identificar y etiquetar hablantes separados en el audio.

Configuración de reducción de alucinaciones

Desactiva el acondicionamiento de texto anterior por defecto para evitar bucles de transcripción y salidas de texto repetidas.

Cómo empezar

Listo en 3 pasos

1
Instala los requisitos del sistema, incluyendo ffmpeg, Rust y dependencias de Python.
2
Instala WhisperX a través de PyPI y obtén un token de usuario de Hugging Face para soporte de diarización.
3
Ejecuta la interfaz de línea de comandos de whisperx o llama a la librería de Python para transcribir y alinear archivos de audio.
Sin rodeos

Nuestro veredicto honesto

Lo mejor

  • Alcanza una velocidad de transcripción de hasta 70x en tiempo real utilizando lotes VAD en GPU.
  • Proporciona marcas de tiempo precisas a nivel de palabra mediante modelos de alineación fonética forzada.
  • Reduce los bucles de alucinación de texto al deshabilitar el acondicionamiento de texto anterior de forma predeterminada.
  • Admite la segmentación a nivel de oración y salidas SRT con resaltado de palabras.

Sus límites

  • Requiere VRAM de GPU de gama alta para ejecutar modelos de ASR y alineación más grandes sin problemas.
  • Exige un token de cuenta de Hugging Face y la aceptación manual del acuerdo para los modelos de diarización.
  • Falla al alinear palabras que contienen caracteres que no están en el diccionario de alineación, como números o símbolos.
  • Tiene dificultades para transcribir y separar con precisión el audio con voces superpuestas.
Costo

Precios y licencia

WhisperX es gratuito y de código abierto bajo la licencia BSD-2-Clause. El costo principal proviene de proporcionar su propia infraestructura de hardware GPU o cómputo. El alojamiento en API cloud de terceros en Replicate también está disponible como opción de pago.

Trabajo remunerado

Empleos para hispanohablantes

877 puestos remotos abiertos de entrenamiento de IA, actualizados el 16 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.

Ver todos los puestos abiertos →
Comparar

Alternativas

🎁 Alternativas gratis y open source

Estas herramientas de IA evaluadas hacen el mismo trabajo al instante — de nuestro directorio puntuado.

Más

Úsalo, o deja que lo configuremos

📄 PDF gratis: whisperX para Audio y Música
Una guía en lenguaje claro para tu primer resultado. Enviada a tu correo.
🔔 64 personas quieren un tutorial en vídeo completo — añade tu voto
🛠 ¿No quieres configurarlo tú mismo?
Instalamos, alojamos y configuramos whisperX por ti — y formamos a tu equipo.
Que lo hagamos por ti ↗
Preguntas

FAQ

¿Requiere WhisperX una GPU dedicada?

Puedes ejecutar WhisperX en una CPU usando tipos de cómputo int8, pero alcanzar velocidades de hasta 70x en tiempo real requiere una GPU NVIDIA con CUDA.

¿Por qué faltan marcas de tiempo precisas en algunos números o símbolos?

Las palabras que contienen caracteres que no se encuentran en el diccionario del modelo de alineación no se pueden alinear fonéticamente, quedándose sin marcas de tiempo específicas.

Radar

Últimas noticias de IA

✉️ El kit gratuito semanal
Las mejores nuevas herramientas gratis y open source para Audio y Música — un correo corto por semana, en tu idioma.
Gratis · 1 correo/semana · cancela cuando quieras
Gana dinero entrenando IA →

Ve Zekai primero en Google