¿Qué es Whisper (openai/whisper)?
openai/whisper es la publicación original del código de Whisper, la familia de modelos de reconocimiento de voz de OpenAI: un paquete de Python (openai-whisper en PyPI) y una herramienta de línea de comandos, whisper, que transcribe voz, la traduce al inglés e identifica el idioma hablado. Descarga y ejecuta seis tamaños, desde tiny (39M parámetros, alrededor de 1 GB de VRAM) hasta large (1.550M, alrededor de 10 GB) y turbo (809M, alrededor de 6 GB), además de versiones solo en inglés de los cuatro más pequeños.
Este análisis cubre el software. El checkpoint turbo que usa por defecto se analiza por separado como Whisper large-v3-turbo en modelos.
El código tiene licencia MIT, unas 112.700 estrellas en GitHub y alrededor de 6,2 millones de descargas en PyPI el último mes. La última release en PyPI, v20250625, es de junio de 2025; los commits posteriores, el último el 31 de agosto de 2026, son pequeñas correcciones y un formato de salida JSONL que los usuarios de pip aún no reciben.
¿Merece la pena Whisper (openai/whisper)?
openai/whisper sigue siendo la referencia con la que se mide cualquier otro runtime de Whisper, y es el más lento de todos. En el benchmark publicado por faster-whisper, 13 minutos de audio con large-v2 tardaron 2m23s con openai/whisper en una RTX 3070 Ti, frente a 1m03s con faster-whisper y 1m05s con whisper.cpp; en una CPU con el modelo small tardó 6m58s frente a 2m05s de whisper.cpp. Esas pruebas usaron v20240930, y el código apenas ha cambiado desde entonces.
Lo que ofrece es completitud y sencillez. Un pip install más ffmpeg dan una CLI que escribe texto, subtítulos, TSV y JSON, traducción al inglés con los modelos multilingües, detección de idioma y marcas de tiempo por palabra. El README avisa de una trampa en la que cae mucha gente: turbo, el modelo por defecto, no está entrenado para traducir y devuelve el idioma original incluso con --task translate, así que para traducir hace falta medium o large.
El mantenimiento es ligero. Desde julio de 2025 han llegado cinco commits, los más útiles una corrección para que la búsqueda en haz no recaiga en un kernel de atención lento y un formato de salida JSONL, ambos en julio de 2026; ninguno ha llegado a PyPI. OpenAI no ha publicado ningún checkpoint nuevo desde turbo en 2024 y retirará su modelo alojado whisper-1 de la API en febrero de 2027, lo que no afecta a este código abierto pero muestra hacia dónde mira la empresa.
El paquete se gana su sitio como referencia, para enseñar y para trabajos pequeños en los que unos minutos más no cuestan nada. Para un servicio de transcripción, un lote de archivo histórico o una app de portátil, los mismos pesos funcionan más rápido y con menos memoria en otros runtimes, y faster-whisper declara la misma precisión.
Dónde se gana su sitio
Un desarrollador de una redacción que gestiona unas pocas entrevistas a la semana
Convertir entrevistas grabadas en texto con búsqueda y subtítulos
Ejecuta whisper interview.mp3 --model turbo en un ordenador de sobremesa con una GPU de 6 GB y obtén archivos de texto, SRT y JSON de una sola pasada. No hay tarifa por minuto y, a este volumen, la menor velocidad no importa, aunque las citas hay que comprobarlas con el audio.
Un ingeniero de machine learning que evalúa un runtime de Whisper más rápido
Confirmar que un motor de producción da las mismas transcripciones que el original
Transcribe un conjunto de prueba fijo con openai/whisper y con el runtime candidato usando el mismo tamaño de modelo y los mismos ajustes de haz, y compara las tasas de error por palabra. El código de referencia es pequeño y legible, lo que facilita rastrear las diferencias.
Un laboratorio universitario que transcribe grabaciones de campo en japonés y español
Obtener traducciones al inglés junto a las transcripciones en el idioma original
Usa el modelo medium o large con --task translate, ya que turbo ignora la traducción. Cuenta con unos 10 GB de VRAM para large y una ejecución más lenta; la precisión varía mucho según el idioma, como muestra el gráfico por idiomas de la propia OpenAI.
Antes de decidirte
- Puesta en marcha
- pip install -U openai-whisper más ffmpeg desde tu gestor de paquetes; puede hacer falta Rust si tiktoken no tiene una wheel precompilada para tu plataforma. Los modelos se descargan en el primer uso, y la primera transcripción tarda minutos.
- Integraciones
- La CLI whisper y una API de Python (load_model, transcribe, detect_language); salida en txt, vtt, srt, tsv y json, con jsonl en la rama main. Funciona sobre PyTorch con CUDA o CPU.
- Datos y privacidad
- Funciona en local; el audio nunca sale de la máquina una vez descargados los pesos. La licencia MIT cubre tanto el código como los pesos.
- Coste a escala
- Gratuito; el coste es tiempo de GPU, que aprovecha peor que faster-whisper: 2m23s frente a 1m03s para el mismo archivo de 13 minutos en el benchmark de faster-whisper.
- Límites
- Sin release en PyPI desde junio de 2025; turbo no puede traducir; es el más lento de los runtimes habituales; la precisión varía mucho según el idioma.
Lo bueno
- Un solo pip install da una CLI completa y una API de Python
- Los seis tamaños de modelo, traducción y detección de idioma
- Licencia MIT; unos 6,2 millones de descargas al mes en PyPI
- La referencia con la que se comprueban los demás runtimes de Whisper
Lo malo
- Más del doble de lento que faster-whisper en GPU según benchmarks publicados
- Sin release en PyPI desde junio de 2025
- El modelo turbo por defecto no puede traducir
- Necesita ffmpeg, y a veces Rust, para instalarse
Ideal para
Desarrolladores e investigadores que quieren la implementación de referencia de Whisper para trabajos pequeños, docencia o para comprobar la salida de otro runtime.
Alternativas a Whisper (openai/whisper)
Whisper (openai/whisper): preguntas frecuentes
- ¿Merece la pena Whisper (openai/whisper)?
- El paquete Whisper sigue siendo el camino más corto de un archivo de audio a una transcripción, pero con cualquier volumen real faster-whisper o whisper.cpp hacen el mismo trabajo en una fracción del tiempo. Le damos un 3.6 sobre 5.
- ¿Cuánto cuesta Whisper (openai/whisper)?
- Gratuito y de código abierto bajo la licencia MIT, tanto el código como los pesos. Sin edición de pago.
- ¿Qué inconvenientes tiene Whisper (openai/whisper)?
- Más del doble de lento que faster-whisper en GPU según benchmarks publicados; sin release en PyPI desde junio de 2025; el modelo turbo por defecto no puede traducir; necesita ffmpeg, y a veces Rust, para instalarse.
- ¿Para quién es Whisper (openai/whisper)?
- Desarrolladores e investigadores que quieren la implementación de referencia de Whisper para trabajos pequeños, docencia o para comprobar la salida de otro runtime.
- ¿Cuánto cuesta Whisper (openai/whisper) para un equipo o en producción?
- Gratuito; el coste es tiempo de GPU, que aprovecha peor que faster-whisper: 2m23s frente a 1m03s para el mismo archivo de 13 minutos en el benchmark de faster-whisper.
- ¿Es Whisper (openai/whisper) seguro para los datos de la empresa?
- Funciona en local; el audio nunca sale de la máquina una vez descargados los pesos. La licencia MIT cubre tanto el código como los pesos.
- ¿Cuáles son las mejores alternativas a Whisper (openai/whisper)?
- Las alternativas más cercanas que hemos analizado son audio.cpp y VibeVoice.
Respuestas comprobadas el 14 nov 2026.