theplasmak/faster-whisper

¿Qué es faster-whisper?

Esta habilidad permite a un agente de IA realizar transcripciones de audio utilizando el modelo _faster-whisper_, una implementación optimizada de Whisper de OpenAI que ofrece una velocidad de transcripción significativamente mayor y un menor consumo de memoria. Es ideal para desarrolladores que necesitan integrar reconocimiento de voz en sus aplicaciones sin depender de servicios cloud. La habilidad se apoya en la biblioteca `faster-whisper` y puede utilizarse en diversos entornos, incluyendo macOS, Linux y Windows, siempre que se cuente con los recursos de hardware adecuados (GPU opcional). Su funcionamiento consiste en cargar el modelo (por defecto `base` o `small`) y procesar archivos de audio en formatos comunes como `.wav`, `.mp3`, `.m4a`, entre otros, devolviendo el texto transcrito junto con segmentos temporales. La habilidad está diseñada para ser ejecutada localmente, preservando la privacidad de los datos y eliminando la dependencia de conexión a internet para la inferencia.