¿Qué tamaño de modelo debo elegir para la voz a texto sin conexión?

Empieza con el modelo compacto: maneja la voz cotidiana en un equipo de 8 GB sin GPU. Con 16 GB de RAM y una GPU dedicada, el modelo equilibrado suele ser la mejor opción para acentos y vocabulario técnico, y la GPU lo mantiene rápido. WhisPaste ofrece exactamente tres tamaños; Best Quality solo compensa si tienes unos 3,6 GB o más de memoria gráfica y procesas grabaciones largas. El asistente de configuración sugiere un tamaño según tu hardware.

¿El modo sin conexión funciona de verdad sin ninguna conexión a internet?

Sí. Tras la descarga única del modelo, WhisPaste ejecuta whisper.cpp completamente en tu equipo. El modo avión, una estación de trabajo aislada de la red o un punto de acceso inestable no cambian nada en la transcripción. Las estadísticas de uso, los informes de fallos y la comprobación de actualizaciones están activados por defecto y necesitan la red, pero la transcripción nunca espera por ellos, y puedes desactivar los tres.

¿Qué precisión tiene la voz a texto sin conexión frente a las API en la nube?

Para la entrada de voz del día a día, los modelos sin conexión son una opción por defecto sólida. Los ámbitos especializados (acentos marcados, entornos muy ruidosos, vocabulario técnico poco frecuente) a veces se benefician de un modelo más grande en la nube. WhisPaste te deja cambiar de proveedor en los ajustes, así que puedes mantener lo local como predeterminado y recurrir a la nube solo cuando una grabación realmente lo necesite.

Voz a texto sin conexión para Windows, Mac y Linux (gratis)

WhisPaste es una herramienta de voz a texto sin conexión, de código abierto, para Windows, macOS y Linux, gratis en GitHub. En modo local ejecuta modelos Whisper completamente en tu equipo: tu audio se queda en tu ordenador, y no se necesita conexión a internet ni cuenta.

Elegir un modo: local por defecto, nube bajo demanda

WhisPaste usa el modo local por defecto. El modelo se ejecuta en tu CPU o GPU, el audio se queda en el equipo y la transcripción llega al cursor sin ida y vuelta por la red. Si necesitas máxima velocidad para una grabación larga, puedes cambiar un solo ajuste a un proveedor en la nube, pero es una elección explícita que haces tú, no un respaldo oculto.

Lo que puede y no puede hacer el modo sin conexión

WhisPaste incluye dos motores sin conexión. Whisper sin conexión admite 99 idiomas, con habla natural con pausas y reinicios. El segundo motor, Parakeet, cambia esa variedad de idiomas por velocidad (unos 25 idiomas; en el procesador fue varias veces más rápido que el modelo Whisper compacto en nuestro benchmark, y con aceleración por GPU, aún más rápido). Lo que ninguno de los dos puede hacer: separar hablantes, o usar tamaños de modelo que superen la memoria disponible. Como orientación, el modelo compacto necesita unos 900 MB de memoria gráfica, Balanced unos 1,5 GB y Best Quality unos 2,6 GB (son nuestras estimaciones).

Perfil de RAM y CPU

El mínimo son 8 GB de RAM y una CPU de 64 bits en Windows 10, macOS 12 Monterey (Apple Silicon) o Linux, suficiente para el modelo compacto en CPU. Con 16 GB de RAM y una GPU con 2–4 GB de VRAM, el modelo equilibrado es una opción cómoda para la entrada de voz del día a día. Apple Silicon comparte memoria entre CPU y GPU, así que el selector considera que 2 GB de memoria unificada bastan para Balanced.

¿Qué tamaño de modelo debo elegir para la voz a texto sin conexión?: Empieza con el modelo compacto: maneja la voz cotidiana en un equipo de 8 GB sin GPU. Con 16 GB de RAM y una GPU dedicada, el modelo equilibrado suele ser la mejor opción para acentos y vocabulario técnico, y la GPU lo mantiene rápido. WhisPaste ofrece exactamente tres tamaños; Best Quality solo compensa si tienes unos 3,6 GB o más de memoria gráfica y procesas grabaciones largas. El asistente de configuración sugiere un tamaño según tu hardware.
¿El modo sin conexión funciona de verdad sin ninguna conexión a internet?: Sí. Tras la descarga única del modelo, WhisPaste ejecuta whisper.cpp completamente en tu equipo. El modo avión, una estación de trabajo aislada de la red o un punto de acceso inestable no cambian nada en la transcripción. Las estadísticas de uso, los informes de fallos y la comprobación de actualizaciones están activados por defecto y necesitan la red, pero la transcripción nunca espera por ellos, y puedes desactivar los tres.
¿Qué precisión tiene la voz a texto sin conexión frente a las API en la nube?: Para la entrada de voz del día a día, los modelos sin conexión son una opción por defecto sólida. Los ámbitos especializados (acentos marcados, entornos muy ruidosos, vocabulario técnico poco frecuente) a veces se benefician de un modelo más grande en la nube. WhisPaste te deja cambiar de proveedor en los ajustes, así que puedes mantener lo local como predeterminado y recurrir a la nube solo cuando una grabación realmente lo necesite.