synthetic-sciences/openscience

¿Qué hace openscience?

Modelo de reconocimiento de voz de propósito general de OpenAI. Soporta 99 idiomas, transcripción, traducción al inglés e identificación de idioma. Seis tamaños de modelo desde pequeño (39M parámetros) hasta grande (1550M parámetros). Úsalo para convertir voz a texto, transcribir podcasts o procesar audio multilingüe. Ideal para un ASR multilingüe robusto.

Instalación

1. Clona el repositorio:

git clone https://github.com/synthetic-sciences/openscience.git
cd openscience

2. Instala las dependencias:

pip install -r requirements.txt

3. Descarga el modelo deseado (por ejemplo, tiny):

python download_model.py tiny

Uso

Transcripción básica

import whisper

model = whisper.load_model("tiny")
result = model.transcribe("audio.mp3")
print(result["text"])

Traducción a inglés

result = model.transcribe("audio_es.mp3", task="translate")
print(result["text"])  # Salida en inglés

Identificación de idioma

result = model.transcribe("audio.mp3")
print(f"Idioma detectado: {result['language']}")

Tamaños de modelo

Modelo	Parámetros	Velocidad	Precisión
tiny	39M	Rápido	Básica
base	74M	Rápido	Aceptable
small	244M	Moderado	Buena
medium	769M	Lento	Muy buena
large	1550M	Muy lento	Excelente

Idiomas soportados

Whisper soporta 99 idiomas, incluyendo español, inglés, francés, alemán, chino, japonés, árabe, entre otros. Para ver la lista completa, consulta la documentación oficial.

Consideraciones

• Los modelos más grandes ofrecen mayor precisión pero requieren más memoria y tiempo de procesamiento.
• Para uso en tiempo real, se recomienda el modelo tiny o base.
• El modelo large es ideal para transcripciones de alta calidad donde la velocidad no es crítica.

Licencia

Este skill se distribuye bajo la licencia MIT. Whisper de OpenAI tiene su propia licencia (MIT).