Whisper

Whisper de OpenAI es un revolucionario modelo de reconocimiento automático de voz (ASR) de código abierto que ha establecido un nuevo estándar de precisión en transcripción. Entrenado con 680.000 horas de datos multilingües, maneja la transcripción, la traducción y la identificación de idiomas en 99 lenguas con una impresionante robustez. El modelo está disponible en múltiples tamaños (de tiny a large-v3), lo que permite a los usuarios equilibrar la precisión frente a los requisitos computacionales. El despliegue local es sencillo con una API de Python limpia, y la comunidad ha creado numerosos wrappers y optimizaciones como faster-whisper. Para quienes prefieren el acceso en la nube, la API de OpenAI ofrece transcripción a un precio muy competitivo de 0,006 $/minuto. Los puntos fuertes incluyen una excepcional resistencia al ruido, un sólido soporte multilingüe y el alojamiento propio sin costo. Las limitaciones incluyen mayores demandas computacionales para modelos más grandes, alucinaciones ocasionales en segmentos de audio en silencio y la ausencia de transmisión en tiempo real en la implementación base. Como herramienta de investigación, la metodología publicada y los pesos abiertos lo hacen invaluable para la experimentación en ML de audio. Aunque técnicamente no es un LLM, su arquitectura de transformadores y su naturaleza de código abierto lo convierten en un pilar del ecosistema de IA abierta.