Whisper en Windows: instala, transcribe un archivo y comprueba el SRT

Tienes una grabación en tu PC con Windows y necesitas texto editable o subtítulos. Empieza con un archivo corto: comprueba la instalación, genera la salida y escucha el resultado antes de procesar la grabación completa. Esta guía utiliza la implementación Python de código abierto de Whisper, no una API de OpenAI ni una función de transcripción de archivos de IliciLabs.

Respuesta rápida: qué necesitas

• Un archivo local de audio o vídeo que puedas procesar. Para la primera comprobación, usa una grabación corta sin material confidencial.
• Python y el paquete openai-whisper en un entorno separado, además de FFmpeg en línea de comandos.
• Conexión para instalar dependencias y descargar inicialmente el modelo elegido. El recorrido descrito carga el archivo con FFmpeg local y ejecuta Whisper en el PC; descargar el modelo es una operación distinta.
• Una carpeta para guardar el texto y tiempo para revisar palabras y tiempos de subtítulos. Un archivo generado es un borrador, no un registro verificado.

El código y los pesos de Whisper tienen licencia MIT. Eso no convierte en gratuitos el equipo, la electricidad, las aplicaciones de terceros o los servicios de distribución. Procesar en local tampoco protege un archivo frente a carpetas sincronizadas, copias de seguridad, otros programas o personas con acceso al PC.

1. Prepara Python y FFmpeg en Windows

El README oficial de Whisper documenta la instalación y prevé compatibilidad con Python 3.8–3.11. El ejemplo selecciona expresamente Python 3.11; no afirma que funcione cualquier combinación más reciente de Python y PyTorch. Si no tienes esa versión, obtenla desde las descargas oficiales de Python antes de usar estos comandos.

Abre PowerShell en una carpeta de trabajo. Comprueba Python, crea un entorno y utiliza directamente su intérprete:

py -3.11 --version
py -3.11 -m venv .venv
.\.venv\Scripts\python.exe -m pip install -U openai-whisper
.\.venv\Scripts\python.exe -m whisper --help

Usar la ruta del intérprete evita tener que activar un script de PowerShell. La documentación de venv de Python explica esta forma de uso. Conserva el entorno y la grabación en tu carpeta de trabajo, no en un directorio del sistema Windows.

Whisper también necesita FFmpeg disponible en PATH. Si ya utilizas Chocolatey o Scoop, el README de Whisper ofrece estas alternativas; elige la que tengas:

# Si ya tienes Chocolatey:
choco install ffmpeg

# O si ya tienes Scoop:
scoop install ffmpeg

Estos comandos no instalan el gestor de paquetes. Como alternativa, empieza por la página oficial de descargas de FFmpeg, sigue sus enlaces a compilaciones Windows y las instrucciones del distribuidor elegido. Abre una terminal nueva después de cambiar PATH y comprueba:

ffmpeg -version

No pases a transcribir hasta que funcionen whisper --help mediante el intérprete del entorno y ffmpeg -version. Un botón de descarga de una web ajena no sustituye comprobar qué proyecto o distribuidor proporciona el programa.

2. Ejecuta una transcripción pequeña y explícita

Coloca una grabación corta en español llamada sample.wav en la carpeta de trabajo. En la misma ventana de PowerShell, ejecuta esta prueba inicial en CPU:

.\.venv\Scripts\python.exe -m whisper ".\sample.wav" --model tiny --language Spanish --task transcribe --device cpu --fp16 False --output_dir ".\output" --output_format all

Sustituye la ruta entre comillas y el idioma hablado por los de tu archivo. Mantén entre comillas una ruta con espacios. tiny es un modelo multilingüe pequeño para empezar, no una promesa de precisión suficiente. --device cpu --fp16 False permite que esta primera prueba no dependa de una instalación CUDA funcional; no garantiza una duración concreta ni compatibilidad con cualquier PC.

El modelo elegido puede descargarse en el primer uso. Después, la implementación reutiliza su caché de modelos; conserva el mismo modelo disponible antes de esperar una ejecución sin conexión. Instalar el paquete Python no significa haber descargado todos los modelos.

Con --output_format all, la CLI solicita todos los formatos de salida disponibles, entre ellos TXT, SRT y VTT. En este ejemplo, busca sample.txt, sample.srt y sample.vtt dentro de output. Usa TXT para texto editable y SRT o VTT cuando el destino admita subtítulos con tiempos. Comprueba el editor o reproductor de destino: no presupongas que acepta todos los formatos. En ejecuciones posteriores, --output_format srt solicita solo SRT.

3. Decide si el resultado sirve

Antes de ejecutar una entrevista larga o publicar subtítulos:

1. Escucha el comienzo, un tramo difícil y el final mientras lees el texto.
2. Contrasta nombres, cifras, negaciones y cambios de hablante con la grabación. El texto por sí solo no acredita qué se dijo ni quién lo dijo.
3. Abre los subtítulos en el editor o reproductor previsto y comprueba los tiempos. Guardar SRT no demuestra que esté sincronizado con un vídeo editado.
4. Conserva la grabación original y corrige una copia separada del resultado.

Para comparar, transcribe el mismo fragmento corto con otro modelo manteniendo idioma, tarea y dispositivo. Anota tiempo transcurrido y errores concretos; decide con esa evidencia en vez de afirmar que una GPU o un modelo mayor siempre gana. Las velocidades relativas del README oficial se midieron con una A100 y voz en inglés: no garantizan tiempos en un portátil Windows.

La transcripción conserva el idioma hablado. --task translate en Whisper significa traducir al inglés, no a cualquier idioma de destino; el README también indica que turbo no se entrenó para traducción. Este recorrido de archivos es distinto de capturar audio en directo, mostrar una capa flotante o traducir una conversación en dos direcciones.

4. Resuelve el paso que falla antes de cambiar de modelo

Síntoma	Qué comprobar después
py -3.11 no encuentra Python	Comprueba que estén instalados Python 3.11 y el lanzador de Windows. No ejecutes otro intérprete sin advertirlo y des por hecha su compatibilidad.
No module named whisper	Usa el mismo .venv\Scripts\python.exe para instalar y ejecutar. Lee el error real de instalación antes de repetirla.
No se reconoce ffmpeg o falla la carga del archivo	Ejecuta ffmpeg -version en la misma terminal, comprueba PATH y reabre la terminal tras cambiarlo. Un fallo de carga también exige comprobar ruta y formato del archivo.
No se encuentra la entrada	Comprueba nombre real, extensión, carpeta de trabajo y ruta entre comillas. La ausencia de un ejecutable y la de una grabación son problemas distintos.
FP16 is not supported on CPU	La implementación pasa a FP32 en CPU. La prueba explícita ya usa --fp16 False; ese aviso por sí solo no significa que la transcripción haya fallado.
Error CUDA o de memoria de GPU	Vuelve a la prueba en CPU para separar instalación y lectura del archivo de la configuración GPU. Para usar GPU, sigue las instrucciones actuales de instalación de PyTorch; no instales paquetes CUDA al azar.
Texto inexacto o repetitivo	Comprueba primero audio e idioma, compara un fragmento con otro modelo y revisa el texto manualmente. Ningún modelo convierte un texto sin revisar en una fuente autorizada.

Si falla la instalación de paquetes, conserva el error exacto y la versión del intérprete. El README de Whisper incluye notas específicas sobre ruedas precompiladas de tiktoken, Rust y setuptools_rust; aplica la corrección correspondiente en lugar de instalar dependencias ajenas.

5. Elige el siguiente paso según tu necesidad

Para una grabación guardada, termina primero la comprobación de texto y subtítulos anterior. Si necesitas subtítulos mientras escuchas, consulta la información de Aurora sobre subtítulos en directo para Windows y verifica su recorrido y requisitos actuales. Los comandos de esta guía no demuestran que Aurora importe grabaciones.

Para estudiar un flujo repetible, contacta con IliciLabs indicando tipo de archivo, idioma, versiones de Windows y Python, paso exacto que falla y salida que necesitas. No envíes una grabación confidencial solo para describir el problema. También puedes ver el catálogo actual de productos.

Fuentes y alcance

Contrastado el 26 de octubre de 2026 con el README de Whisper, la implementación de la CLI, los generadores de salida, la carga local de audio y la documentación de entornos Python. Los comandos se contrastaron con esas fuentes; esta revisión editorial no ejecutó una instalación Windows, midió velocidad de transcripción ni validó una grabación real.