Guía de WhisperX
WhisperX frente a Whisper: texto, tiempos y hablantes
Qué añade WhisperX al reconocimiento de voz: alineación de palabras, grupos de hablantes y límites que conviene revisar.
Equipo de WhisperX · Revisado el 15 de octubre de 2026
Qué se ha dicho
Whisper es la familia de modelos de reconocimiento de voz. Predice texto a partir del audio. La alineación posterior no corrige automáticamente un nombre mal reconocido.
Cuándo se ha dicho
WhisperX añade alineación según el idioma para estimar la posición de las palabras. Algunas no se pueden alinear con fiabilidad. Editar el texto no regenera sus tiempos.
Quién ha hablado
La identificación opcional agrupa intervenciones por voz. Las etiquetas no son identidades personales. Las voces parecidas y el habla simultánea requieren revisión.
Elige según el resultado que necesitas
Para un borrador puede bastar la transcripción. Para navegar, trabajar con tiempos o revisar entrevistas, la alineación y las etiquetas pueden ser útiles. Comprueba el texto, las marcas de tiempo que falten y las asignaciones de hablantes; prueba los subtítulos con el mismo archivo.
Ten en cuenta el contexto de las pruebas
La velocidad y la tasa de error dependen del hardware, los datos y la configuración de cada prueba. No son una promesa para tu grabación. Compara el mismo archivo y registra los modelos y parámetros utilizados.