Los responsables necesitaban transcripciones para notas y tareas de reuniones, pero las conversaciones confidenciales no
podían enviarse a servicios públicos de IA y la transcripción manual llevaba tiempo.
Creamos una aplicación de escritorio para macOS y Windows con Tkinter/ttk. Apple Silicon utiliza MLX Whisper; Intel Mac y Windows usan Faster Whisper con CTranslate2 en CPU. Se puede elegir archivo, idioma y salida TXT/SRT. Los procesos en segundo plano mantienen la interfaz receptiva y muestran el avance y errores detallados. La primera ejecución descarga dependencias y el modelo; las siguientes transcripciones se procesan localmente.
La pila incluye Python 3.10+, Hugging Face Hub para descargar y almacenar en caché modelos, y FFmpeg para decodificar audio/vídeo (instalado mediante Homebrew en macOS cuando hace falta). Apple Silicon utiliza mlx-community/whisper-large-v3-turbo; el modo CPU usa Faster Whisper, CTranslate2 y large-v3-turbo. El progreso de descarga se pondera por tamaño de archivo para que el porcentaje no se reinicie entre archivos. El procesamiento usa hilos de trabajo y una cola de eventos de GUI; los errores muestran la salida capturada y un traceback de Python completo y copiable.
Según los materiales del caso, una reunión de una hora se transcribe en 3–5 minutos, frente a 1–2 horas de trabajo manual. El audio se procesa localmente; el caso también indica un ahorro de 6–8 horas semanales de documentación por equipo.
| Indicador | Resultado |
|---|---|
| Transcripción de una grabación de una hora | 1–2 h manuales → 3–5 min automáticos |
| Audio enviado a servicios externos | 0 bytes |
| Documentación por equipo a la semana | 6–8 h → minutos de revisión |
| Windows sin GPU | Procesamiento en CPU (CTranslate2) |
Los tiempos y el ahorro indicados proceden de los materiales del caso; el rendimiento real depende de la grabación y del ordenador.