faster-whisper es una reimplementación del modelo Whisper de transcripción de audio sobre el motor CTranslate2, varias veces más rápida que el Whisper original tanto en CPU como en GPU. Sirve para generar subtítulos de cualquier vídeo sin subir nada a un servicio externo — todo el procesado ocurre en tu propio equipo.
Cómo generar subtítulos automáticos y privados con faster-whisper
26 de septiembre de 2026por Laura Martín Vega
- 1
Paso 1: Instalar Python y faster-whisper
Necesitas Python 3.9 o superior. Crea un entorno virtual e instala el paquete:
python3 -m venv whisper-env source whisper-env/bin/activate pip install faster-whisper
- 2
Paso 2: Elegir modelo y cuantización
faster-whisper ofrece varios tamaños de modelo (tiny, base, small, medium, large-v3). Con GPU y cuantización int8, un modelo large-v3 baja de unos 10 GB a unos 3 GB de VRAM sin una pérdida notable de calidad. En CPU, small o medium son el compromiso razonable entre velocidad y precisión.
- 3
Paso 3: Transcribir un vídeo y generar el SRT
Un script mínimo para transcribir y exportar subtítulos en formato SRT:
from faster_whisper import WhisperModel def format_time(seconds): h = int(seconds // 3600) m = int((seconds % 3600) // 60) s = seconds % 60 return f"{h:02}:{m:02}:{s:06.3f}".replace(".", ",") model = WhisperModel("small", device="cpu", compute_type="int8") segments, info = model.transcribe("video.mp4", language="es", vad_filter=True) with open("subtitulos.srt", "w", encoding="utf-8") as f: for i, seg in enumerate(segments, start=1): f.write(f"{i}\n") f.write(f"{format_time(seg.start)} --> {format_time(seg.end)}\n") f.write(f"{seg.text.strip()}\n\n") - 4
Paso 4: Importar el SRT en tu editor
El script anterior ya genera un .srt estándar, compatible con cualquier editor de vídeo (DaVinci Resolve, Kdenlive, Premiere) y con reproductores como VLC. Impórtalo como pista de subtítulos y ajusta el tiempo si detectas algún desfase puntual.
- 5
Paso 5: Ajustar precisión si hace falta
Si la transcripción se equivoca en nombres propios o jerga técnica, sube de tamaño de modelo antes que tocar otros parámetros. El filtro de detección de voz (vad_filter=True, ya incluido arriba) ayuda a evitar segmentos fantasma en silencios largos.
Conclusión
Con esto tienes subtítulos razonablemente precisos sin depender de ningún servicio de transcripción en la nube ni exponer el contenido de tus vídeos a terceros. Para volúmenes grandes, automatizar este script en un flujo por lotes es el siguiente paso natural.
