whisper
App de dictado para macOS que realiza reconocimiento de voz y limpieza de texto en servidores propios.
Ficha actualizada 23 sept 2026, 4:28 · upstream 23 sept 2026, 4:16 · release v1.0.6
Qué es whisper
Descripción editorial construida a partir del repositorio, su documentación y sus señales de mantenimiento.
<p>Whisper es una aplicación para macOS diseñada para la dictación personal con reconocimiento de voz propio y limpieza de texto. Permite grabar, transcribir audio y video, realizar transcripciones por lotes, guardar historial local, y configurar prompts personalizados.</p> <p>La interfaz se basa en un servidor separado que soporta endpoints OpenAI-compatible como /audio/transcriptions y /chat/completions. Se puede conectar un servicio de reconocimiento de voz propio o uno externo, configurando el prompt de limpieza de texto correspondiente.</p> <p>Se mantiene una historia local con historial configurable de audio, permite aprender correcciones del usuario, expandir atajos de teclado mediante snippets, y ofrece insights sobre la transcripción. No incluye servicios en la nube, sincronización, reuniones ni asistente de IA integrado.</p>
- Dictar notas rápidas con reconocimiento de voz local
- Transcribir audio o video a texto con limpieza automática
- Procesar archivos por lotes para transcripción masiva
- Crear atajos de teclado personalizados para dictado rápido
- Guardar historial de transcripciones para consulta posterior
- Soporte global de atajos de teclado para dictación rápida
- Reconocimiento de voz propio sin depender de servicios en la nube
- Historial local configurable con retención de audio
- Limpieza de texto editable mediante prompts personalizados
- Funciona únicamente en macOS (requiere Apple Silicon o Mac Intel)
- No incluye sincronización entre dispositivos ni acceso a cuentas
- Los servidores públicos requieren HTTPS, no HTTP
- No incluye funciones de reuniones ni asistente de IA integrado
Perfil de infraestructura
Estimación inicial derivada del repositorio y de los servicios detectados.
Despliegue detectado
Qué señales reales de instalación hemos encontrado.
Se recomienda desplegar los servicios de reconocimiento y limpieza de texto en servidores separados. Se puede usar Docker para contenedores o Compose para orquestación. El servidor ASR debe soportar un endpoint /audio/transcriptions compatible con OpenAI, incluyendo opcionalmente /v1 si es necesario. Para hosts públicos se requiere HTTPS. Los datos se almacenan localmente en la máquina del usuario y no son compartibles entre dispositivos.
Stack y dependencias
Componentes inferidos a partir de manifests, configuración y documentación.
Puede sustituir a
Relaciones detectadas por el análisis del repositorio y su categoría.
Experiencia real de la comunidad
Ayuda a contrastar la estimación automática con instalaciones reales.
Todavía no hay datos comunitarios para este proyecto.