Quien busca "cuota gratuita de Whisper" normalmente quiere una entrada de transcripción que no cueste dinero y sirva a largo plazo. Pero "gratis" tiene al menos dos sentidos: el modelo Whisper de código abierto de OpenAI, que puedes ejecutar en una máquina propia, y los créditos de prueba, planes gratuitos o promociones temporales de distintas plataformas. El primero cuesta hardware y operación; el segundo cuesta cuota, velocidad y condiciones de datos.

Este artículo separa esas rutas, explica sus límites, el impacto en la privacidad y los casos de uso, y señala cuándo pasar a un plan de pago. Las reglas de cuota y las promociones cambian rápido; este artículo no inventa cifras y se remite a las páginas oficiales y a precios de modelos del sitio.

Nota: OpenAI y Whisper son marcas de sus respectivos titulares; este artículo solo ofrece una explicación técnica para la selección. La licencia de código abierto, las cuotas de las plataformas y las reglas de las interfaces pueden cambiar; guíate por la documentación oficial y la del sitio.

1. Las cuatro fuentes de lo "gratis"

Tipo Forma concreta Qué te cuesta Limitación principal
Modelo de código abierto autodesplegado Descargar código y pesos y ejecutarlos en tu máquina Servidor o GPU, electricidad, operación Requiere hardware y capacidad de ingeniería; la concurrencia corre por tu cuenta
Crédito de prueba para nuevos usuarios Cuota temporal que la plataforma entrega al abrir la cuenta Tiempo, verificación de identidad o tarjeta Único, con plazo, alcance de modelos limitado
Plan gratuito o promoción Llamadas gratuitas que la plataforma abre por etapas Posible aceptación de condiciones de datos Velocidad baja, cambios en cualquier momento, normalmente sin compromiso de servicio
Clave compartida o interfaz gratuita Direcciones y claves que circulan en grupos o tutoriales Aparentemente nada Caduca sin aviso; riesgos de filtración y cumplimiento

Las dos primeras tienen un responsable claro; la tercera depende de la estrategia de la plataforma; la cuarta no debería entrar en un negocio formal. Para juzgar la sostenibilidad, pregunta primero: quién aporta la cuota, por qué la da y cuándo la retira.

2. La opción local de código abierto: lo más cercano a "gratis a largo plazo"

El código y los pesos de Whisper son de código abierto según OpenAI, con licencia MIT, y permiten uso comercial, modificación y despliegue privado. Es la forma más real de "gratis a largo plazo", pero lo que se ahorra es la licencia, no el costo total.

  1. Hardware: los modelos pequeños funcionan incluso en una CPU normal, pero despacio; los medianos y grandes encajan mejor en GPU, y cuanto mayor es la concurrencia, más exigentes son la memoria de video y la cola.
  2. Despliegue: las opciones habituales son openai-whisper, faster-whisper y whisper.cpp, orientadas respectivamente a la versión original, la aceleración y el uso local ligero. Prueba con tu propio audio antes de elegir.
  3. Operación: descarga de modelos, monitoreo, reintentos, actualizaciones y limpieza de disco necesitan responsables; nada de eso desaparece por ser código abierto.
  4. Escalado: la concurrencia múltiple requiere colas de tareas y límites de velocidad; el audio largo requiere división; los idiomas múltiples requieren glosarios y conjuntos de evaluación.

Abajo hay un ejemplo local mínimo para comprobar si la máquina puede ejecutarlo:

# Instalación: pip install openai-whisper; asegúrate de tener ffmpeg en el sistema
import whisper

model = whisper.load_model("base")  # de tiny a large: más grande, más preciso y más lento
result = model.transcribe("reunion.mp3", language="zh", fp16=False)
print(result["text"])

En un entorno solo de CPU, prueba primero con audio corto y un modelo pequeño para medir velocidad y memoria, y luego decide si pasar a GPU; no calcules el rendimiento de toda la cadena de negocio con una sola demostración.

3. Créditos de prueba y plan gratuito: haz primero cinco preguntas

La cuota de regalo de una plataforma es lo más cómodo, pero antes de registrarte conviene confirmar en orden:

  1. Quién entrega la cuota, cuánto dura y si se pone a cero al vencer.
  2. Si cubre la interfaz de transcripción de audio o solo modelos de texto.
  3. Cuál es el límite de solicitudes por minuto, de concurrencia y de tamaño por archivo.
  4. Si el audio subido se conserva y si puede usarse para mejorar el modelo.
  5. Si al pasar a pago cambian la URL base, los nombres de modelo y el criterio de facturación.

Las cinco respuestas deberían estar en la consola, la página de precios o los términos del servicio. Si no las encuentras, no te bases en "dicen que es gratis". La transcripción alojada suele facturarse por duración de audio; si se regala cuota de prueba depende de lo que indique la página oficial en ese momento.

4. Las seis limitaciones habituales de un plan gratuito

  • Velocidad y concurrencia: el plan gratuito limita solicitudes por minuto y conexiones simultáneas; las tareas por lotes disparan fácilmente un 429 en poco tiempo.
  • Tamaño de archivo: el límite por archivo puede ser menor que en el plan de pago; las grabaciones largas hay que dividirlas.
  • Alcance de modelos: la cuota gratuita puede abrir solo modelos más pequeños o antiguos, con precisión y funciones distintas de las del plan de pago.
  • Cola y latencia: las colas de baja prioridad son más lentas en horas pico y tienen mayor probabilidad de tiempo de espera.
  • Condiciones de datos: la conservación y el uso de datos de un servicio gratuito pueden diferir de las de uno de pago; confírmalo antes de subir.
  • Compromiso de servicio: el plan gratuito normalmente no ofrece compromiso de disponibilidad, y el mantenimiento, los límites o la retirada pueden llegar sin aviso.

Las condiciones de datos y el alcance de modelos son los puntos que más se pasan por alto. Si solo pruebas "si produce texto", descubrirás en producción que no puedes subir grabaciones de clientes o que el audio largo no avanza, y el retrabajo será mayor.

5. Para qué sirve la transcripción gratuita

Sirve para:

  • Notas de voz personales y organización de actas de reunión, cuando el audio no contiene información sensible;
  • Herramientas internas de bajo uso, con pocos audios cortos al día;
  • Transcripción local para quien exige privacidad y puede mantener la máquina;
  • Borradores de subtítulos y organización de material de entrevistas, con revisión humana posterior.

No sirve para:

  • Transcripción orientada a clientes que exige un compromiso de servicio estable;
  • Procesamiento de audio largo en gran volumen o con alta concurrencia;
  • Escenarios que requieren auditoría, aislamiento de permisos y un acuerdo explícito de tratamiento de datos;
  • Tareas que necesitan separación de hablantes o registros con nivel forense;
  • Equipos sin personal de operación que aun así quieren autohospedar a largo plazo.

El criterio es simple: si un fallo de transcripción afecta directamente la entrega al cliente, no pongas la cuota gratuita en la ruta principal; úsala en rutas auxiliares y prepara una entrada de pago o un respaldo local para la principal.

6. Privacidad: lo gratis suele tener un precio

La mayor ventaja del despliegue local es que el audio no sale de la red interna, lo que encaja en grabaciones con información sensible de salud, legal, recursos humanos o atención al cliente; el precio es asumir máquina, operación y seguridad.

Llamar a una interfaz alojada implica subir el audio. En un plan gratuito hay que confirmar especialmente: cuánto se conserva, si se usa para entrenamiento, cómo se elimina y si cruza fronteras. La clave compartida es el riesgo más alto: tanto el audio como el resultado pueden quedar visibles para terceros y no debería usarse.

Sea cual sea la ruta, antes de subir hay que obtener autorización de los participantes y eliminar nombres, teléfonos, direcciones y otros datos innecesarios; si hay operaciones transfronterizas, también hay que evaluar la normativa local y los requisitos de cumplimiento.

7. Precisión: no decidas con cifras promocionales

La precisión de la transcripción no tiene una cifra única; depende del tamaño del modelo, el idioma, el acento, el ruido, la distancia del micrófono y el vocabulario del dominio. Una reunión en mandarín en un entorno silencioso y un diálogo con dialecto en un taller ruidoso pueden dar resultados muy distintos.

Evalúa con tu audio real, no con fragmentos de demostración de la plataforma:

  1. Extrae de 20 a 50 audios representativos que cubran distintos hablantes, escenarios y acentos.
  2. Convierte todo a 16 kHz mono y registra el texto de referencia de cada uno.
  3. Cuenta errores de caracteres, omisiones, nombres propios y puntuación, y clasifícalos por impacto en el negocio.
  4. Prueba por separado el modelo local y la interfaz alojada, y compara calidad, velocidad y costo.
  5. Mantén revisión humana en los escenarios críticos; no supongas que ningún modelo sustituye por completo a una persona.

8. Cuándo pasar a un plan de pago

Estas señales indican que el plan gratuito ya no alcanza: el uso crece de forma estable y aparecen límites de velocidad con frecuencia; se necesitan niveles de servicio y capacidad de concurrencia; la revisión de cumplimiento exige un acuerdo de tratamiento de datos; se requieren mejores modelos, marcas de tiempo o separación de hablantes; el costo de operar el autohospedaje supera el de llamar a una interfaz de pago.

Hay tres rutas de actualización: usar directamente una interfaz de transcripción alojada; conectarse mediante una puerta de enlace de IA compatible con OpenAI, que facilita la facturación unificada y el acceso desde China continental; o seguir autohospedando con una máquina o un framework de inferencia más potente. También hay equipos que combinan ambas: el audio sensible se procesa localmente y el material público por lotes pasa por la interfaz.

Al comparar el costo total, no mires solo el precio unitario: suma división, reintentos, revisión humana y tiempo de operación. Los precios cambian; guíate por precios de modelos.

Preguntas frecuentes

¿Whisper tiene una API gratuita permanente?

El modelo Whisper es de código abierto y puede desplegarse y usarse a largo plazo; la API de transcripción alojada suele facturarse por uso, y la cuota gratuita depende de las reglas de la página oficial en cada momento. No confundas "código abierto gratis" con "interfaz alojada gratis para siempre".

¿Desplegar Whisper uno mismo es realmente de costo cero?

No. No hay tarifa de licencia, pero sí máquina, electricidad, operación y personal. Para pruebas pequeñas puede servir una computadora existente; para un servicio estable, planifica el hardware según concurrencia y latencia.

¿Cuántas horas permite transcribir la cuota gratuita?

No hay una respuesta universal; depende de la cuota, la duración del audio y los reintentos. Registra los minutos de audio de cada llamada y, tras una semana, estima con el uso real en lugar de extrapolar cifras promocionales.

¿La transcripción gratuita es segura para los datos?

Depende de las condiciones y del modo de despliegue. El despliegue local no saca los datos de la red interna y es relativamente controlable; el alojamiento gratuito puede tener reglas distintas de conservación y entrenamiento, que hay que confirmar antes de subir. No envíes audio con datos personales a interfaces gratuitas de origen desconocido.

¿La precisión de un plan gratuito alcanza?

Depende del escenario. Para notas personales y borradores de subtítulos suele bastar; contratos, salud y control de calidad de atención al cliente requieren más precisión y revisión humana. Evaluar con audio real es más fiable que mirar parámetros promocionales.

Siguiente paso

Primero regístrate en la pasarela de IA de ZSQH, transcribe un fragmento de audio real y registra el tiempo, la precisión y la tasa de fallos; después decide si sigues con el plan gratuito o pasas a pago. Los modelos y precios figuran en precios de modelos.

Lecturas relacionadas: