La transcripción de audio y video es una tarea que consume mucho tiempo y esfuerzo, pero gracias a la inteligencia artificial, esta tarea se ha vuelto mucho más manejable.

Hoy te presento a WhisperJax, una versión mejorada y más veloz del modelo Whisper de OpenAI. Esta herramienta promete una mejora en la eficiencia y rapidez en la transcripción de audio, lo que supone un gran avance en el campo.

¿Quieres saber más? ¡Sigue leyendo!

¿Qué hace a WhisperJax tan especial?

La principal ventaja de WhisperJax es su velocidad. Comparada con Whisper, es 70 veces más rápida. Imagina poder transcribir un podcast de 2 horas en apenas 30 segundos.

¡Es realmente sorprendente!

Esta velocidad se logra gracias a su implementación en JAX con una TPU v4-8 en el backend. La comparación se hace con el modelo PyTorch en una GPU A100, lo que muestra la gran mejora que representa WhisperJax ¹.

¿Cómo funciona WhisperJax?

WhisperJax es accesible a través del espacio de Hugging Face ². Puedes probarlo e interactuar con diversas fuentes de audio. Puede ser un archivo en mp3, una grabación de micrófono, o incluso proporcionarle directamente una URL de un video de YouTube para hacer una transcripción completa.

En nuestras pruebas, pudimos transcribir, procesar y convertir a texto un podcast o video de una hora en solo 34 segundos. Incluso es posible solicitar una traducción, por ejemplo, al español del texto generado.

Reflexiones finales

WhisperJax es un gran ejemplo de cómo la inteligencia artificial sigue mejorando nuestras vidas, en este caso, facilitando la transcripción de audio y video.

La velocidad y eficiencia que ofrece esta herramienta tienen el potencial de cambiar la forma en que trabajamos con la transcripción y la traducción de contenidos.

Ahora que conoces el poder de WhisperJax, ¿qué esperas para probarlo y experimentar por ti mismo cómo esta innovadora herramienta puede marcar la diferencia en tus proyectos?