Respuesta corta: en NVIDIA o Apple Silicon, empieza con Balanced desde unos 2 GB de memoria gráfica (en Apple, memoria unificada); AMD e Intel necesitan unos 4 GB para ello. Por debajo de eso, o sin GPU, quédate con Quick & Compact. Best Quality se recomienda desde unos 3,6 GB en NVIDIA, desde 4 GB en Apple Silicon y desde 12 GB en AMD o Intel. Los tres niveles funcionan totalmente sin conexión, cubren 99 idiomas, y puedes cambiar en cualquier momento: la app vuelve a descargar un solo archivo. Si el idioma de la app que eliges en la configuración es uno de los 25 idiomas europeos que admite Parakeet, el asistente de configuración preselecciona Parakeet, que usa una GPU si hay una disponible, y si no el procesador, donde en nuestro benchmark fue varias veces más rápido que el modelo Whisper compacto.
Los tres niveles, uno al lado del otro
WhisPaste ofrece deliberadamente tres niveles en lugar de todo el catálogo de whisper.cpp. Cada uno es una compilación GGML cuantizada, por eso las descargas se quedan bien por debajo de un gigabyte. Eliges un nivel en los ajustes; la app descarga un archivo, verifica su suma de comprobación y cambia al nuevo.
| Nivel | Modelo | Descarga | Memoria gráfica |
|---|---|---|---|
| Quick & Compact | whisper-small (q5_1) | 181 MB | ~900 MB |
| Balanced | whisper-medium (q5_0) | 514 MB | ~1.5 GB |
| Best Quality | whisper-large-v3-turbo (q5_0) | 547 MB | ~2.6 GB |
| Parakeet | parakeet-tdt-0.6b-v3 (int8) | 639 MB | GPU opcional, si no procesador |
Obtén una recomendación
Tu recomendación
JavaScript está desactivado, así que se describen abajo todos los niveles. La tabla comparativa de arriba te da la misma información.
Quick & Compact — whisper-small
Una descarga de 181 MB que necesita unos 900 MB de memoria gráfica, y el nivel que mantiene un equipo modesto con buena respuesta. Es el punto de partida adecuado con gráficos integrados, con una tarjeta antigua y en cualquier equipo sin GPU. La precisión es inferior a la de los niveles grandes con audio difícil; con voz clara y un micrófono decente, la diferencia es menor.
Balanced — whisper-medium
Una descarga de 514 MB que necesita unos 1,5 GB de memoria gráfica. Es el nivel en el que deberían estar la mayoría de personas: suele ser más preciso que compact con acentos y vocabulario técnico, sin el consumo de memoria del nivel superior. En Apple Silicon bastan 2 GB de memoria unificada; desde 4 GB, el selector recomienda Best Quality.
Best Quality — whisper-large-v3-turbo
Una descarga de 547 MB que necesita unos 2,6 GB de memoria gráfica. La variante turbo de large-v3 es el modelo más grande que incluye WhisPaste. Merece la pena con una tarjeta dedicada de unos 4 GB o más, o con 4 GB o más de memoria unificada en Apple Silicon, y es el nivel que conviene elegir cuando el audio es difícil: habla rápida, nombres poco habituales, vocabulario especializado.
También considera: Parakeet
Parakeet es el segundo motor en el dispositivo, no un nivel de Whisper. La descarga es de 639 MB para el paquete de procesador; con la aceleración por GPU activada se suma el modelo de GPU, de unos 638 MB. Aun así, en el procesador es varias veces más rápido que Whisper, lo que lo convierte en la opción más sólida en un equipo sin aceleración gráfica utilizable. La contrapartida es la cobertura de idiomas: 25 idiomas europeos frente a los 99 de Whisper.
Cómo funciona la recomendación
El selector de arriba no es una suposición: aplica los mismos umbrales que la app. Las tarjetas NVIDIA dedicadas se evalúan con aproximadamente el 70 % de la memoria que informan, porque el sistema operativo y otros procesos ocupan su parte: unos 2,1 GB informados para llegar a Balanced, unos 3,6 GB para llegar a Best Quality. Apple Silicon se trata con generosidad, ya que la memoria unificada se comparte de verdad: 2 GB para Balanced, 4 GB para Best Quality. Los gráficos integrados de AMD e Intel son los más prudentes de todos: informan memoria del sistema prestada como si fuera propia, así que Best Quality solo se recomienda a partir de unos 12 GB.
El idioma decide más que el hardware
Antes de optimizar el nivel, revisa el idioma. Whisper cubre 99 idiomas en todos los niveles, así que un modelo más grande no desbloquea un idioma nuevo: solo transcribe el mismo idioma con más precisión. Parakeet es la compensación contraria: mucho más rápido en un procesador, pero limitado a 25 idiomas europeos, entre ellos alemán, inglés, francés, español, italiano, polaco, neerlandés, ucraniano y ruso. Si tu idioma está en esa lista y tu equipo no tiene una GPU utilizable, Parakeet superará a cualquier nivel de Whisper en velocidad. El asistente de configuración preselecciona Parakeet cuando el idioma de la app que eliges durante la configuración es uno de ellos.
Antes de empezar
- ¿Con qué tamaño de modelo Whisper debo empezar?
- Balanced (whisper-medium) desde unos 2 GB de memoria gráfica en NVIDIA o Apple Silicon, y desde 4 GB en AMD o Intel. Quick & Compact (whisper-small) por debajo de eso o sin GPU. Cambiar más tarde cuesta una descarga, así que no hace falta darle demasiadas vueltas al principio.
- ¿El modelo más grande es siempre la mejor opción?
- No. Un modelo que no cabe en tu memoria gráfica puede fallar o funcionar lento. WhisPaste recurre entonces a un modelo más pequeño, así que un modelo que cabe cómodamente es la opción más segura. Además, la precisión se estabiliza con audio limpio y un micrófono decente: los niveles grandes se justifican con acentos, ruido y vocabulario especializado.
- ¿Puedo cambiar el tamaño del modelo más adelante?
- Sí. El nivel es un ajuste; la app descarga el archivo correspondiente una vez, lo verifica y lo usa a partir de entonces. Nada más de tu configuración cambia.