Whisper es un modelo de reconocimiento de voz de OpenAI, de código abierto con licencia MIT, que convierte audio en texto. Sirve para transcribir en decenas de idiomas, traducir del habla al inglés y detectar qué idioma se habla. Se puede ejecutar gratis en tu propio ordenador o usar de pago desde la API de OpenAI.
¿Qué es Whisper?
Whisper es un modelo de reconocimiento automático del habla que OpenAI publicó con el código y los pesos bajo licencia MIT. Se entrenó con 680.000 horas de audio multilingüe y multitarea, y se ofrece en seis tamaños, desde tiny (39 millones de parámetros) hasta large (1.550 millones), además de turbo, una versión optimizada de large-v3. Se puede instalar en local con Python y ffmpeg o usar en la nube a través del modelo whisper-1 de la API de OpenAI, que está marcado como obsoleto y se retirará el 26 de febrero de 2027.
En local: tiny, base, small, medium, large y turbo, más las variantes .en solo para inglés. En la API de OpenAI: whisper-1, obsoleto y con retirada prevista el 26 de febrero de 2027. OpenAI recomienda pasar a gpt-transcribe o gpt-live-transcribe. [5]
¿Para quién es Whisper?
Te encaja si…
- Creadores de contenido que quieren subtítulos y transcripciones sin pagar por minuto
- Desarrolladores que montan su propio pipeline de transcripción en local o en servidor
- Equipos que no pueden sacar el audio de su máquina por privacidad
- Investigadores y periodistas que transcriben entrevistas largas
- Proyectos que necesitan marcas de tiempo por palabra o por segmento
No te encaja si…
- Quien busca una app con interfaz gráfica lista para usar: el repositorio oficial es una librería de Python y una herramienta de línea de comandos
- Quien necesita separar a los hablantes (diarización) de serie: el modelo de código abierto no lo hace
- Proyectos nuevos en la API de OpenAI que quieran durar más allá de febrero de 2027, porque whisper-1 está obsoleto
Funciones principales
- Código y pesos abiertos
- El código y los pesos del modelo se publican con licencia MIT, que permite el uso comercial. [1]
- Seis tamaños de modelo
- tiny (39M), base (74M), small (244M), medium (769M), large (1.550M) y turbo (809M). Los más pequeños son más rápidos y piden menos memoria de vídeo: unos 1 GB para tiny y unos 10 GB para large. [1]
- Modelo turbo
- Versión optimizada de large-v3, unas 8 veces más rápida que large con poca pérdida de precisión. Es el modelo por defecto de la línea de comandos, pero no está entrenado para traducir. [1]
- Multitarea
- Transcripción multilingüe, traducción del habla al inglés, identificación del idioma y detección de actividad de voz. [1]
- Modelos solo en inglés
- Variantes .en (tiny.en, base.en, small.en, medium.en) que funcionan mejor con audio en inglés, sobre todo las pequeñas. [1]
- Marcas de tiempo en la API
- En la API, el parámetro timestamp_granularities[] para obtener marcas de tiempo solo funciona con whisper-1. [3]
- Formatos de audio en la API
- Admite mp3, mp4, mpeg, mpga, m4a, wav y webm, con archivos de hasta 25 MB. [3]
Precios de Whisper
| Plan | Precio | Qué incluye |
|---|---|---|
| Gratis | 0 $ | El modelo de código abierto es gratis y sin límites de uso. Solo pagas tu hardware: necesita entre ~1 GB (tiny) y ~10 GB (large) de memoria de vídeo. [1] |
| API whisper-1 (pago por uso) | 0,01 $/minuto de audio | Archivos de hasta 25 MB. Modelo obsoleto: se retira de la API el 26 de febrero de 2027. [4] |
Precios comprobados el 3 de noviembre de 2026 en la web oficial. Pueden cambiar.
¿Whisper funciona en español y en España?
- Interfaz en español
- Sin confirmar [3]
- Resultados en español
- El español está entre los idiomas admitidos (código es). La documentación indica que la precisión varía mucho según el idioma, pero en las fuentes consultadas no hay una cifra concreta para el español.
- Disponible en España
- Sí [7]
- Unión Europea
- Sí
- Latinoamérica
- El modelo de código abierto se puede usar en cualquier país. La API de OpenAI está disponible en España y en la mayor parte de Latinoamérica (Argentina, Bolivia, Chile, Colombia, Costa Rica, Ecuador, El Salvador, Guatemala, Honduras, México, Nicaragua, Panamá, Paraguay, Perú, República Dominicana y Uruguay, entre otros), pero no en Cuba ni en Venezuela.
Privacidad y datos
- ¿Entrena con tus datos?
- En local, el audio no sale de tu máquina. En la API, OpenAI no entrena con los datos por defecto (solo si lo activas) y el endpoint de transcripción no guarda registros de monitorización de abusos. [6]
- RGPD
- La API ofrece residencia de datos en Europa (EEE + Suiza) con almacenamiento y procesamiento regional en eu.api.openai.com, pero exige además un control de datos aprobado (por ejemplo, Zero Data Retention).
- Dónde guarda los datos
- En local, en tu equipo. En la API, en EE. UU. por defecto, con opción de región europea.
Pros y contras de Whisper
A favor
- Código y pesos con licencia MIT: gratis y con uso comercial permitido
- Funciona sin conexión en Mac, Windows y Linux, así que el audio no sale de tu equipo
- Hay seis tamaños para equilibrar velocidad y precisión según tu hardware
- Además de transcribir, traduce al inglés y detecta el idioma
- La API cuesta 0,006 $ por minuto de audio
En contra
- No tiene interfaz gráfica oficial: hay que instalar Python y ffmpeg
- El modelo abierto no separa a los hablantes (no hace diarización)
- El modelo turbo no traduce: para traducir hay que usar medium o large
- En la API, whisper-1 está obsoleto y se retira el 26 de febrero de 2027
- La API solo acepta archivos de hasta 25 MB
- El modelo large necesita unos 10 GB de memoria de vídeo
Alternativas a Whisper
- ElevenLabsPlataforma comercial de voz con transcripción en la nube e interfaz web, sin instalar nada.
- gpt-transcribe (OpenAI)Es el sustituto que recomienda OpenAI en su API para transcribir audio en su idioma original.
- NotebookLMNo es un transcriptor: sirve para estudiar y resumir fuentes, incluido el audio, con interfaz web.
Últimas novedades
- OpenAI avisa de que retira whisper-1 de su API el 26 de febrero de 2027 y recomienda gpt-transcribe o gpt-live-transcribe. [5]
- Última versión publicada del repositorio de código abierto (v20250625). [2]
- Versión del repositorio que acompaña la llegada del modelo turbo, una versión optimizada de large-v3. [2]
Preguntas frecuentes sobre Whisper
¿Whisper es gratis?
Sí, el modelo de código abierto es gratis: OpenAI publica el código y los pesos con licencia MIT, que permite incluso el uso comercial. Lo instalas en tu ordenador y no pagas por minuto, solo tu hardware. Si prefieres no instalar nada, la API de OpenAI cobra 0,006 dólares por minuto de audio con el modelo whisper-1, aunque está obsoleto y se retira en febrero de 2027.
¿Whisper funciona en español?
Sí. Los modelos multilingües de Whisper transcriben español y también lo pueden traducir al inglés. OpenAI avisa de que la precisión varía mucho según el idioma, y conviene usar un tamaño mediano o grande para mejores resultados. Los nombres propios y los términos técnicos pueden salir mal escritos, así que merece la pena revisar el texto o corregirlo con un glosario.
¿Cuánto cuesta Whisper en la API de OpenAI?
El modelo whisper-1 cuesta 0,006 dólares por minuto de audio, es decir, unos 0,36 dólares por hora. Admite archivos de hasta 25 MB en mp3, mp4, mpeg, mpga, m4a, wav o webm. OpenAI lo ha marcado como obsoleto: dejará de funcionar el 26 de febrero de 2027 y recomienda gpt-transcribe o gpt-live-transcribe como sustitutos.
¿Se puede usar Whisper sin internet?
Sí. El modelo de código abierto funciona sin conexión una vez descargado, en Mac, Windows o Linux. Necesitas Python, ffmpeg y suficiente memoria: alrededor de 1 GB de VRAM para los modelos tiny y base, unos 6 GB para turbo y unos 10 GB para large. Como el audio no sale de tu equipo, es la opción más privada.
¿Whisper es seguro para audios confidenciales?
Si lo ejecutas en local, sí: el audio se procesa en tu máquina y no se envía a nadie. En la API, OpenAI no entrena con tus datos por defecto y el endpoint de transcripción no guarda registros de monitorización de abusos. Para que los datos se queden en Europa existe una región europea, pero exige activar además controles de datos aprobados por OpenAI.
¿Qué modelo de Whisper elijo?
Depende de tu hardware y de lo que necesites. turbo es el modelo por defecto: unas 8 veces más rápido que large y casi igual de preciso, pero no traduce. Para traducir al inglés, usa medium o large. Si tienes poca memoria de vídeo, base o small. Las variantes .en solo valen para audio en inglés.
Fuentes
- openai/whisper: repositorio oficial en GitHub (README) · consultada el 3 de noviembre de 2026
- openai/whisper: versiones publicadas · consultada el 3 de noviembre de 2026
- OpenAI API: guía de voz a texto · consultada el 3 de noviembre de 2026
- OpenAI API: modelo whisper-1 · consultada el 3 de noviembre de 2026
- OpenAI API: modelos obsoletos (deprecations) · consultada el 3 de noviembre de 2026
- OpenAI API: controles de datos (your data) · consultada el 3 de noviembre de 2026
- OpenAI API: países y territorios admitidos · consultada el 3 de noviembre de 2026
- Robust Speech Recognition via Large-Scale Weak Supervision (Radford et al., arXiv:2212.04356) · consultada el 3 de noviembre de 2026
Ficha verificada el 3 de noviembre de 2026 por Nic Dopamina con fuentes oficiales. ¿Ves algo desactualizado? Avísame. Cómo hacemos las fichas.
