https://www.solosoft.dev/es/tags/reconocimiento-de-voz/Recent content in Reconocimiento De Voz on SoloSoftHugoes-eshttps://www.solosoft.dev/es/post/faster-whisper-asr-2026/Mon, 01 Jan 0001 00:00:00 +0000https://www.solosoft.dev/es/post/faster-whisper-asr-2026/<p>El modelo Whisper de OpenAI fue un gran avance en el reconocimiento automático de voz (ASR), demostrando que el entrenamiento supervisado a gran escala podía producir un modelo con capacidades robustas de transcripción multilingüe. Sin embargo, la implementación estándar de PyTorch dejaba un rendimiento significativo sin explotar. <strong>Faster-Whisper</strong>, desarrollado por SYSTRAN, aborda esta brecha mediante una reimplementación basada en CTranslate2 que logra mejoras dramáticas de velocidad.</p> <p>CTranslate2 es un motor de inferencia específicamente optimizado para modelos Transformer, que soporta cuantización INT8 y FP16, operaciones matriciales optimizadas para CPU y decodificación eficiente de búsqueda de haz. Al reimplementar la arquitectura de Whisper en este motor, Faster-Whisper logra mejoras de velocidad de 3-4x mientras reduce el consumo de memoria aproximadamente a la mitad.</p>https://www.solosoft.dev/es/post/mlx-audio-apple-silicon-2026/Mon, 01 Jan 0001 00:00:00 +0000https://www.solosoft.dev/es/post/mlx-audio-apple-silicon-2026/<p>Los Macs con Apple Silicon equipados con chips de la serie M &ndash; desde el M1 hasta el ultimo M4 Ultra &ndash; poseen una potencia computacional extraordinaria, particularmente para cargas de trabajo de aprendizaje automatico. Su arquitectura de memoria unificada permite que los modelos accedan a grandes cantidades de memoria rapida sin los cuellos de botella de la transferencia tradicional de datos CPU-GPU. <strong>MLX-Audio</strong>, una libreria Python de codigo abierto construida sobre el framework MLX de Apple, esta disenada especificamente para explotar esta ventaja de hardware en todo lo relacionado con audio AI.</p> <p>MLX-Audio proporciona una interfaz unificada para conversion de texto a voz, voz a texto y voz a voz, soportando docenas de modelos desde Whisper de OpenAI (para transcripcion) hasta Kokoro y VoiceCraft (para sintesis). Reune capacidades que tipicamente estan dispersas en multiples librerias y frameworks, todas optimizadas para ejecutarse eficientemente en hardware Mac.</p>