Cómo funciona la traducción de voz en tiempo real (Whisper + TranslateGemma + GPU)
Cuando un proceso se repite cada semana, o lo sistematizas o te come horas. Este enfoque va de eso.
La traducción de voz en tiempo real en Windows ya no es un problema exclusivo de la nube. Con un pipeline local bien planteado, puedes capturar audio, transcribirlo, traducirlo y mostrar subtítulos en pantalla con latencia suficiente para uso real.
Esta es la arquitectura que hay detrás de herramientas como Aurora Subtitles: entrada de audio en local, Whisper para speech-to-text, TranslateGemma para traducción y un overlay que mantiene los subtítulos visibles durante juegos, reuniones y llamadas.
1. El pipeline de un vistazo
flowchart LR
A["Audio input (WASAPI)"] --> B["Whisper transcription"]
B --> C["TranslateGemma translation"]
C --> D["Overlay subtitles"]Si has llegado buscando whisper realtime pipeline, speech translation architecture o whisper subtitle overlay, esta es la versión práctica.
2. Entrada de audio en Windows: WASAPI importa
El objetivo no es complicarlo más: es conseguir consistencia para publicar, vender y mejorar más rápido.
Con esto deberías poder pasar de “idea buena” a “resultado real” mucho más rápido.