whisper-website
Whisper-website es una aplicación web autoalojada en Python que convierte archivos de audio a texto usando el modelo Whisper de OpenAI, exportando resultados como .srt, .vtt o .txt con opción de traducción.
Ficha actualizada 23 sept 2026, 14:09 · upstream 23 sept 2026, 14:03 · release sin release detectada
Qué es whisper-website
Descripción editorial construida a partir del repositorio, su documentación y sus señales de mantenimiento.
Esta herramienta permite transcribir audio a subtítulos mediante la API de Whisper de OpenAI. Se ejecuta localmente sin necesidad de conexión a internet para la transcripción, ya que los modelos se descargan y guardan en un volumen Docker. La aplicación ofrece exportación en múltiples formatos (subtítulos con timestamps, texto plano) e incluye traducción opcional del transcripto. Utiliza FastAPI como framework principal y Python 3.13+ como lenguaje de programación.
- Generar subtítulos para videos o podcasts sin necesidad de servidores externos
- Crear transcripciones automáticas para documentos o audios locales
- Procesamiento de audio en entornos aislados sin acceso a internet
- Traducción automática de transcriptos con modelos multilingües
- Creación de archivos de subtítulos para plataformas como YouTube o podcasts
- No requiere conexión a internet ni servidores externos para la transcripción, todo se ejecuta localmente
- Soporta múltiples tamaños de modelo Whisper (tiny, base, small, medium, large) con diferentes niveles de precisión
- Exporta resultados en formatos estándar: .srt, .vtt y .txt con timestamps opcionales
- Incluye traducción automática del transcripto a otros idiomas mediante modelos multilingües
- Utiliza FastAPI como framework de backend, lo que permite una API RESTful moderna y escalable
- La transcripción requiere conexión a internet para descargar los modelos Whisper desde el repositorio oficial
- Los tiempos de transcripción pueden variar según la longitud del audio y el modelo utilizado
- No se incluye soporte nativo para formatos de audio como WAV o MP3, solo archivos con extensión .mp3
- La traducción puede introducir errores ortográficos o gramaticales, especialmente en idiomas minoritarios
- El almacenamiento local depende del espacio disponible en el sistema operativo
Perfil de infraestructura
Estimación inicial derivada del repositorio y de los servicios detectados.
Despliegue detectado
Qué señales reales de instalación hemos encontrado.
Se recomienda ejecutar la aplicación mediante Docker Compose para facilitar el despliegue y mantener los modelos Whisper descargados. Se puede desplegar en cualquier entorno con Docker instalado, incluyendo servidores Linux o Windows. Para producción, se sugiere configurar un servidor de carga como Nginx o Apache en fronting del servicio. El proyecto soporta Python 3.13+ y utiliza el gestor de paquetes uv para la instalación de dependencias.
Stack y dependencias
Componentes inferidos a partir de manifests, configuración y documentación.
Experiencia real de la comunidad
Ayuda a contrastar la estimación automática con instalaciones reales.
Todavía no hay datos comunitarios para este proyecto.