Whisper Transcriber

Aplicación web local para transcribir audios (notas de WhatsApp, grabaciones, etc.) a texto en español, usando whisper.cpp vía nodejs-whisper.

Todo el procesamiento ocurre dentro del contenedor: no se envía audio a servicios externos.

Características

• Interfaz web (Next.js 16 + React 19) para subir múltiples archivos y descargar los .txt resultantes.
• Elegí entre los modelos tiny, base y small de Whisper según velocidad/precisión.
• Formatos aceptados: .ogg, .mp3, .m4a, .wav, .webm (cualquier audio/* soportado por ffmpeg). Tamaño máximo por archivo: 100 MB.
• Idioma fijado en español (es).
• Corre 100% en CPU — no requiere GPU.

Requisitos

• Docker (Engine 20.10+ con BuildKit).
• Aproximadamente 3–4 GB de espacio libre para la imagen (incluye whisper.cpp compilado + modelos pre-descargados).
• Funciona en linux/amd64 y linux/arm64 (Apple Silicon).

Uso rápido con Docker

# Clonar el repositorio
git clone https://github.com/<tu-usuario>/whisper-transcriber.git
cd whisper-transcriber

# Construir la imagen (la primera vez tarda varios minutos:
# compila whisper.cpp y descarga los modelos tiny/base/small desde Hugging Face).
docker build -t whisper-transcriber .

# Correr el contenedor
docker run --rm -p 3000:3000 whisper-transcriber

Abrí http://localhost:3000 en el navegador, subí tus audios, elegí un modelo y presioná Transcribir todo.

Correr en background

docker run -d --name whisper -p 3000:3000 whisper-transcriber
# para detenerlo:
docker stop whisper && docker rm whisper

Modelos incluidos

Durante el build se descargan tres modelos de ggerganov/whisper.cpp en Hugging Face:

Modelo	Tamaño aprox.	Velocidad	Precisión
tiny	~75 MB	Más rápido	Más baja
base	~140 MB	Balanceado (recomendado)	Media
small	~465 MB	Más lento	Más alta

Los tres quedan dentro de la imagen, así que la app funciona sin conexión a internet una vez construida.

Desarrollo local (sin Docker)

Si querés iterar sobre el código sin pasar por Docker:

# Requiere Node 22+, pnpm, cmake, build-essential y ffmpeg en el sistema.
corepack enable
pnpm install
pnpm dev

La primera transcripción descargará el modelo elegido en node_modules/nodejs-whisper/cpp/whisper.cpp/models/.

Cómo funciona

• El frontend (src/app/page.tsx) sube cada archivo al endpoint POST /api/transcribe.
• La route handler (src/app/api/transcribe/route.ts) guarda el archivo en tmp/, invoca nodewhisper (que internamente llama al binario whisper-cli compilado), lee el .txt generado y lo devuelve como JSON.
• Los archivos temporales se borran al finalizar cada request, exitosa o no.

Notas

• La carpeta tmp/ se crea dentro del contenedor en tiempo de ejecución; no es necesario montar volúmenes.
• Si querés persistir transcripciones automáticamente, podés montar un volumen sobre /app/tmp, aunque la app ya borra esos archivos. La descarga de los .txt se hace desde el navegador.
• Para reducir el tamaño de la imagen, podés editar el Dockerfile y dejar solo el modelo que vayas a usar (línea for m in tiny base small).

Licencia

Este proyecto se distribuye sin restricciones específicas más allá de las licencias de sus dependencias (Next.js, whisper.cpp y los modelos de OpenAI Whisper). Revisá las licencias originales si planeás un uso comercial.