TranscriptionSuite

Esta es una aplicación de transcripción de voz a texto (STT) completamente local y privada que ofrece soporte multiplataforma, separación de voces por locutor, un modo de bloc de notas de audio y un asistente de IA compatible con OpenAI, permitiendo tanto transcripciones en vivo como de archivos de larga duración. Su arquitectura combina un panel de control en Electron con un backend en Python que admite múltiples motores de transcripción, como Whisper, NVIDIA NeMo, VibeVoice-ASR y whisper.cpp, y está optimizada para funcionar mediante aceleración por GPU NVIDIA, soporte Vulkan para AMD e Intel, o en modo CPU, todo ello desarrollado dentro de contenedores Docker para garantizar una instalación rápida y sencilla.

100% local : Todo funciona en tu propio ordenador; la aplicación no necesita conexión a internet más allá de la configuración inicial*.

Múltiples modelos disponibles : En Docker/Linux/Windows : WhisperX ( faster-whispermodelos), NVIDIA NeMo Parakeet v3 / Canary v2 , VibeVoice-ASR y whisper.cpp (modelos GGML para GPU AMD/Intel a través de Vulkan; Linux a través de Docker sidecar; Windows a través whisper-server.exede descarga automática nativa por la aplicación, ver §2.7). En Apple Silicon (Metal) : MLX Whisper (tiny → large-v3-turbo), MLX Parakeet v3 , MLX Canary v2 y MLX VibeVoice-ASR , todos ejecutándose de forma nativa sin Docker.

Diarización de hablantes : Identificación y diarización de hablantes (subtitulado) para los modelos Whisper, NeMo y VibeVoice; Whisper y NeMo usan PyAnnote para la diarización, mientras que VibeVoice lo hace por sí mismo (no disponible para los modelos whisper.cpp). En Apple Silicon, Sortformer proporciona diarización nativa de Metal para hasta 4 hablantes; no se requiere token HuggingFace.

Procesamiento en paralelo : Si su presupuesto de VRAM lo permite, transcriba y registre una grabación al mismo tiempo, lo que acelerará significativamente el tiempo de procesamiento.

Verdaderamente multilingüe : Whisper admite más de 90 idiomas ; NeMo Parakeet/Canary admite 25 idiomas europeos ; VibeVoice admite 51 idiomas.

Transcripción de formato largo : grabe todo el tiempo que desee y obtenga la transcripción en segundos, ya sea utilizando su micrófono o el audio del sistema.

Importación de archivos de sesión : Importe archivos de audio existentes desde la pestaña Sesión; los resultados de la transcripción se guardan directamente como .txto .srten una carpeta de su elección; no se crea ninguna entrada en el Bloc de notas.

Modo en vivo : Transcripción en tiempo real frase por frase para flujos de trabajo de dictado continuo (disponible para los modelos Whisper y whisper.cpp/GGML; no disponible para los modelos NeMo o VibeVoice).

Atajos de teclado globales : Atajos para todo el sistema y función de pegar en la posición del cursor.

Acceso remoto : Acceda de forma segura a su ordenador de sobremesa en casa ejecutando el modelo desde cualquier lugar (utilizando Tailscale) o compártalo en su red local a través de LAN.

Cuaderno de audio : Un modo de cuaderno de audio con vista basada en calendario, búsqueda de texto completo y asistente de IA (chatea con cualquier proveedor compatible con OpenAI sobre tus notas: LM Studio, Ollama, OpenAI, Groq, OpenRouter y otros).