NVIDIA

Parakeet

Modelo abierto de NVIDIA para pasar voz a texto. Muy rápido y preciso, transcribe en 25 idiomas europeos (también español) con marcas de tiempo.

Sirve para

Transcribir audio a texto en tu propio equipo
Transcribir grabaciones largas rápidamente
Obtener marcas de tiempo por palabra
Montar tu propio servicio de transcripción
Transcribir en varios idiomas europeos

Ir a la web

Precio: Open source · Gratis (pesos abiertos, licencia CC BY 4.0)Orientativo: compruébalo en la web oficial
Plataformas: Linux, Python
Open source: Sí
En español: Sí
Empresa: NVIDIA

Qué es

Parakeet es una familia de modelos de reconocimiento de voz de NVIDIA. Su versión 3 (TDT 0.6B) es abierta, transcribe en 25 idiomas europeos y destaca por su velocidad: procesa horas de audio en muy poco tiempo.

Cómo funciona

Instalas el kit NeMo de NVIDIA (o lo usas con Transformers).
Cargas el modelo desde Hugging Face con una línea de código.
Le pasas audio en WAV o FLAC y devuelve el texto, con marcas de tiempo si las pides.

Para quién es (y para quién no)

Es para ti si programas y quieres transcribir mucho audio en tus propios servidores.

Quizá no lo sea si buscas una app lista para usar (MacWhisper) o necesitas idiomas no europeos (Whisper).

Ventajas e inconvenientes

Ventajas

De los modelos de transcripción más rápidos que existen
25 idiomas europeos, con detección automática
Uso comercial permitido (CC BY 4.0)
Marcas de tiempo por palabra, frase y carácter

Inconvenientes

Pensado para desarrolladores: se usa desde Python
Funciona mejor en Linux y con GPU NVIDIA
Solo idiomas europeos, a diferencia de Whisper

Alternativas a Parakeet

Whisper MacWhisper ElevenLabs

Preguntas frecuentes

¿Parakeet transcribe en español?

Sí. La versión 3 (Parakeet TDT 0.6B v3) admite 25 idiomas europeos, entre ellos el español, y detecta el idioma sola.

¿Es mejor que Whisper?

Es mucho más rápido y muy preciso en los idiomas que admite. Whisper cubre muchos más idiomas.