Volver al blog

Whisper GUI: 7 apps de escritorio para Windows y Mac (2026)

Una Whisper GUI ejecuta el modelo de voz Whisper de OpenAI sin terminal. Siete apps de escritorio para Windows y Mac, comparadas en GPU, edición y exportación.

12 de noviembre de 2026
Sablate Team

Una Whisper GUI es una app de escritorio que ejecuta el modelo de voz abierto Whisper de OpenAI detrás de botones en lugar de una terminal: sueltas un archivo de audio o vídeo, eliges un modelo y te devuelve una transcripción o un archivo de subtítulos. Las buenas se instalan sin Python, descargan el modelo por ti y usan tu tarjeta gráfica.

La versión corta: Buzz es la opción gratuita por defecto en Windows, Mac y Linux, MacWhisper es la más pulida en Mac, Subtitle Edit es la elección gratuita cuando el resultado es un archivo de subtítulos que vas a editar, y Sablate, que hacemos nosotros, es para subtítulos que hay que darles estilo, incrustarlos o traducirlos. No hemos probado las otras seis; sus datos vienen de sus propios README, documentación y páginas de precios, comprobados el 12 de noviembre de 2026.

Si quieres…En WindowsEn Mac
Una transcripción gratis y sin configurar nadaBuzz o VibeVibe, Buzz o la versión gratuita de MacWhisper
Saber quién dijo qué en una entrevistanoScribe, Buzz o VibenoScribe, Buzz o Vibe
Un archivo de subtítulos que editarás a manoSubtitle EditSubtitle Edit
Subtítulos con estilo, incrustados o en varios idiomasSablateSablate
Una app web local que puedas automatizar con scriptsWhisper-WebUIWhisper-WebUI

Qué hace buena a una Whisper GUI

Todas las apps de esta lista ejecutan los mismos modelos públicos de Whisper. Lo que las separa es todo lo que rodea al modelo:

  1. Se instala como una app, no como un proyecto de Python. Un instalador firmado y un modelo que se descarga la primera vez que lo usas es el sentido de una GUI. Dos de las herramientas gratuitas de aquí traen instaladores de Windows sin firmar, así que espera un aviso de SmartScreen.
  2. El motor bajo los botones. La mayoría de las GUI envuelven uno de tres motores: el código de referencia de OpenAI, faster-whisper o whisper.cpp. Transcriben el mismo modelo a velocidades muy distintas, como muestra la sección siguiente.
  3. Soporte de GPU en tu hardware. En Windows eso significa sobre todo una tarjeta NVIDIA con CUDA, y Vulkan cubre las gráficas de AMD e Intel en las compilaciones de whisper.cpp. En un Mac, solo algunos motores usan la GPU.
  4. Elección y descarga de modelos. Quieres toda la gama, desde tiny hasta large-v3 y large-v3-turbo, descargada una vez y reutilizada. La comparativa de modelos tiene los tamaños y las velocidades.
  5. Qué pasa después de la transcripción. Un editor, etiquetas de hablante, traducción, saltos de línea de los subtítulos e incrustación son donde más se diferencian las apps.
  6. Si alguien sigue manteniéndola. Los motores de Whisper cambian rápido. Una GUI sin versiones nuevas en un año se queda atrás en modelos y soporte de GPU.

¿Una Whisper GUI es tan precisa como la línea de comandos?

Sí, si ejecuta el mismo modelo, porque los pesos son el mismo archivo. El motor cambia la velocidad y la memoria, no lo que sabe el modelo.

La diferencia de velocidad es grande. El README de faster-whisper publica un benchmark con 13 minutos de audio. Con large-v2 en una NVIDIA RTX 3070 Ti, la implementación de referencia de OpenAI tardó 2 min 23 s, whisper.cpp 1 min 05 s y faster-whisper 1 min 03 s, o 59 s con cuantización de 8 bits. Con el modelo small en una Intel Core i7-12700K de ocho hilos, el mismo archivo tardó 6 min 58 s en el código de referencia, 2 min 05 s en whisper.cpp y 1 min 42 s en faster-whisper con cuantización de 8 bits. faster-whisper se presenta a sí mismo como hasta cuatro veces más rápido que openai/whisper con la misma precisión y menos memoria.

Lo que sí cambia la transcripción es la configuración. Un filtro de actividad de voz se salta el silencio antes de que Whisper lo vea, y así elimina los tramos donde Whisper más a menudo se inventa texto; la guía de alucinaciones de Whisper cubre el resto. El modelo importa más que cualquier ajuste: OpenAI dice que large-v3-turbo transcribe casi tan bien como large-v2, pero no se entrenó para traducir, así que una tarea de «traducir al inglés» con turbo devuelve el idioma original. Una GUI que oculta estas opciones es más fácil de usar; una que las muestra te deja corregir una pasada fallida.

Las 7 mejores Whisper GUI en 2026

1. Sablate — una Whisper GUI que termina en subtítulos acabados

Sablate es una app de escritorio para Windows y Mac que ejecuta Whisper en local en cuatro niveles (faster-whisper, o whisper.cpp en Apple Silicon): Fast (tiny), Balanced (small), Accurate (large-v3-turbo) y Best (large-v3), en 100 idiomas de origen con detección automática. Cada modelo se descarga una vez, desde unos 78 MB el de Fast hasta unos 3,09 GB el de Best. El filtro de actividad de voz está siempre activado, y la transcripción se corta en subtítulos de como máximo dos líneas de 42 caracteres y seis segundos, con un subtítulo nuevo en cada pausa de más de medio segundo.

Lo que la distingue de todas las demás GUI de aquí es lo que viene después. Cada idioma adicional es una capa sobre la misma transcripción, traducida sin conexión con Argos, o con DeepL, OpenAI o Claude usando tu propia clave. Cada capa conserva su propio estilo y su propia fuente para esa escritura. El editor tiene resincronización en la línea de tiempo, dividir y combinar, y buscar y reemplazar, y los 13 presets de subtítulos van desde Classic hasta el karaoke palabra por palabra. La incrustación con libass escribe el vídeo en 16:9, 9:16 o 1:1. Las exportaciones son .srt, .vtt y .txt, además de .ass y un .mkv con una pista por idioma en Pro.

En Windows, una GPU NVIDIA transcribe de cinco a diez veces más rápido que la CPU, y el runtime de CUDA se descarga la primera vez que lo necesitas. En un Mac con Apple Silicon, Sablate cambia a whisper.cpp y transcribe en la GPU mediante Metal; los Mac con Intel usan la CPU. No tiene etiquetas de hablante ni transcripción en directo desde el micrófono.

$29, pago único, o $5,99 al mes. El plan Gratis no necesita cuenta y cubre vídeos de hasta diez minutos, tres trabajos al mes, los modelos Fast y Balanced y una capa de traducción sin conexión; su incrustación lleva una pequeña marca en una esquina. Varios idiomas a partir de un vídeo es el trabajo para el que se hizo.

2. Buzz — la opción gratuita y de código abierto por defecto

Buzz es gratis y de código abierto bajo licencia MIT, para Windows, Mac y Linux. Es el anfitrión de más motores de esta lista: Whisper de OpenAI, whisper.cpp con aceleración Vulkan, faster-whisper, modelos de Hugging Face compatibles con Whisper, Parakeet de NVIDIA y la API de OpenAI. Usa una GPU NVIDIA mediante CUDA y la mayoría de las demás GPU mediante Vulkan.

También hace cosas que Sablate no hace: transcripción en directo desde el micrófono e identificación de hablantes en una grabación. Las exportaciones son .txt, .srt, .vtt y .csv. La traducción es la tarea de traducir al inglés de Whisper, o cualquier otro idioma mediante un modelo compatible con OpenAI que conectes, incluido uno local a través de Ollama.

Dos salvedades de su propio README. El instalador de Windows no está firmado, así que Windows te avisa antes de ejecutarlo. Y la versión actual, la 1.4.5 de agosto de 2026, es la última para Mac con Intel; las posteriores requieren Apple Silicon.

Gratis. Empieza aquí si todo lo que necesitas es texto o un .srt.

3. MacWhisper — la app de Whisper más pulida en Mac

MacWhisper es una app nativa de Mac basada en whisper.cpp que ejecuta Whisper en la GPU del Mac mediante Metal, algo que no puede hacer ninguna app basada solo en faster-whisper. En los Mac de la serie M añade modelos WhisperKit, graba reuniones en línea, y Pro añade los modelos Parakeet de NVIDIA, reconocimiento de hablantes y subtítulos en directo. Exporta .srt y .vtt, además de .docx, .pdf, .csv, Markdown y HTML, y traduce con Whisper o con DeepL usando tu propia clave.

Es ante todo una app de transcripción. El estilo y la incrustación de los subtítulos en la imagen se los deja a tu editor de vídeo, y no hay versión para Windows; las alternativas a MacWhisper para Windows cubren ese hueco. La edición de la Mac App Store es una app aparte, Whisper Transcription, que se vende por suscripción.

Gratis, o 64 € de pago único para Pro. Solo Mac, con macOS 14 o posterior para la versión actual. En grabaciones largas con Apple Silicon, es la opción de velocidad.

4. Subtitle Edit — Whisper dentro de un editor de subtítulos completo

Subtitle Edit es gratis y de código abierto bajo licencia MIT, con versiones para Windows, Mac y Linux; el .dmg de Mac está firmado y notarizado desde la 5.2.0, y la 5.4.0 salió el 6 de noviembre de 2026. Whisper está en Video → Speech to text, que según su documentación ofrece 12 motores, entre ellos whisper.cpp, Faster-Whisper-XXL de Purfview, Whisper CTranslate2, WhisperX y servicios opcionales en la nube. En Windows, el motor whisper.cpp puede usar CUDA o Vulkan.

Después de la transcripción es la herramienta de subtítulos más completa de aquí: una forma de onda para la sincronización, más de 380 formatos de subtítulos, e incrustación mediante FFmpeg desde Video → Generate video with burned-in subtitles. El precio de esa profundidad son las decisiones: elegir un motor, un modelo y un backend de GPU depende de ti. La guía de Whisper en Subtitle Edit repasa esas decisiones.

Gratis.

5. Vibe — gratis, y la misma app en todos los sistemas de escritorio

Vibe es gratis y de código abierto bajo licencia MIT, para Windows, Mac y Linux, y está basado en whisper.cpp. Su README enumera aceleración por GPU en gráficas NVIDIA, AMD e Intel mediante Vulkan y Core ML, transcripción por lotes, diarización de hablantes y un modo con marcas de tiempo de calidad de subtítulos. Exporta .srt, .vtt, .txt, .html, .pdf, .json y .docx, y la 3.3.0 salió el 29 de octubre de 2026.

La traducción va solo al inglés, y su README no menciona estilo de subtítulos ni incrustación. Para una carpeta de grabaciones que quieres como texto o .srt, es la configuración gratuita más rápida de esta lista.

Gratis.

6. noScribe — para entrevistas con varios hablantes

noScribe es gratis y de código abierto bajo GPL-3.0, para Windows, Mac y Linux, y está pensado para transcribir entrevistas. Combina faster-whisper con la diarización de hablantes de pyannote, de modo que la transcripción marca quién habla, y abre el resultado en su propio editor, noScribeEdit, donde compruebas el texto con el audio.

Su propia documentación fija los límites. Reconoce unos 60 idiomas, exporta .html, .txt y .vtt pero no .srt, necesita macOS 14 en Apple Silicon, y la última compilación para Mac con Intel es la 0.6. La compilación de Windows con CUDA necesita una tarjeta NVIDIA RTX de la serie 20 o posterior con al menos 6 GB de VRAM. La versión 0.8 salió el 6 de octubre de 2026.

Gratis. La elección correcta cuando importa más «quién dijo qué» que los subtítulos.

7. Whisper-WebUI — una interfaz de navegador para quien no teme a Python

Whisper-WebUI es una app de Gradio que se ejecuta en tu navegador en localhost una vez que la instalas con Python 3.10 a 3.12 y FFmpeg, con Docker o con el lanzador Pinokio. Usa faster-whisper por defecto, con Whisper de OpenAI e insanely-fast-whisper como alternativas, y añade detección de actividad de voz con Silero, separación de la música de fondo, diarización de hablantes con pyannote y traducción de subtítulos con modelos NLLB o la API de DeepL. La salida es .srt, .vtt o texto plano.

Es la opción gratuita más configurable y la menos parecida a una app: la instalación por defecto da por hecha una GPU NVIDIA con CUDA 12.8, la diarización necesita un token de Hugging Face, y la última versión etiquetada, la 1.0.8, es de octubre de 2025. Algo parecido pasa con faster-whisper-GUI, una app de Windows que aún aparece en las búsquedas pero no ha tenido ninguna versión desde diciembre de 2024.

Gratis. Para quien prefiere automatizar un proceso con scripts antes que recorrerlo a clics.

Comparativa de Whisper GUI

FunciónSablateBuzzMacWhisperSubtitle EditVibenoScribeWhisper-WebUI
PlataformaWindows y MacWindows, Mac y LinuxMacWindows, Mac y LinuxWindows, Mac y LinuxWindows, Mac y LinuxDonde funcione Python o Docker
Precio$29, pago único o $5,99 al mes, plan gratisGratisGratis, 64 € de pago único para ProGratisGratisGratisGratis
Motorfaster-whisper; whisper.cpp en Apple SiliconWhisper, whisper.cpp, faster-whisper y máswhisper.cpp, WhisperKit, Parakeet12 motores, locales y en la nubewhisper.cppfaster-whisperfaster-whisper por defecto
Se instala sin PythonSíSíSíSíSíSíNo
GPU en WindowsNVIDIA (CUDA)NVIDIA (CUDA), otras mediante VulkanNo hay versión para WindowsNVIDIA (CUDA), otras mediante VulkanNVIDIA, AMD, Intel (Vulkan)NVIDIA RTX serie 20 o posterior (CUDA)NVIDIA (CUDA)
GPU en MacSí (Metal, Apple Silicon)No documentadoSí (Metal)Depende del motorSí (Core ML)No documentadoNo documentado
Etiquetas de hablanteNoSíPro, en Mac de la serie MNo documentadoSíSíSí
TraducciónCapas sin conexión, o DeepL, OpenAI, Claude con tu claveAl inglés, o a cualquier idioma con un modelo compatible con OpenAICon Whisper, o con DeepL usando tu claveVarios motoresSolo al inglésNoAl inglés, y NLLB o DeepL para archivos de subtítulos
IncrustaciónSíNoNoSí, mediante FFmpegNoNoNo
Formatos de subtítulos y texto.srt, .vtt, .txt, .ass, .mkv.srt, .vtt, .txt, .csv.srt, .vtt, .docx, .pdf y más380+.srt, .vtt, .txt, .docx y más.vtt, .html, .txt.srt, .vtt, .txt
Última versión (12 nov 2026)1.0.2, octubre de 20261.4.5, agosto de 2026No figura en su web5.4.0, noviembre de 20263.3.0, octubre de 20260.8, octubre de 20261.0.8, octubre de 2025

Lee primero las filas que juegan en contra de Sablate. Cuatro de las siete tienen versión para Linux y Sablate no. Cinco son gratis. Cinco pueden etiquetar hablantes y Sablate no. Si alguna de esas cosas te lo decide, te lo decide.

Whisper GUI en Windows o Mac: ¿cuáles usan tu GPU?

En Windows, la pregunta es si tienes una tarjeta NVIDIA. Con una, todas las apps de aquí salvo MacWhisper pueden ejecutar Whisper en ella, la mayoría mediante CUDA, y esa es la diferencia entre que una hora de audio tarde minutos o casi una hora. Sin una, las apps basadas en whisper.cpp llegan a las gráficas de AMD e Intel mediante Vulkan: Buzz, Vibe y el motor whisper.cpp de Subtitle Edit. Sablate descarga el runtime de CUDA solo la primera vez que encuentra una GPU NVIDIA, así que el instalador sigue siendo más pequeño para todos los demás.

En un Mac, decide el motor. El README de whisper.cpp dice que la inferencia se ejecuta por completo en la GPU mediante Metal en Apple Silicon y que su codificador Core ML en el Neural Engine es más de tres veces más rápido que la ejecución solo con CPU. El README de faster-whisper enumera las bibliotecas de NVIDIA como su única vía de GPU, así que las apps basadas solo en faster-whisper transcriben en la CPU del Mac; Sablate cambia a whisper.cpp en Apple Silicon por esa razón. Para un clip corto la diferencia apenas importa; para una grabación de dos horas es la razón para elegir una app basada en whisper.cpp.

Los Mac con Intel se están quedando sin opciones. Buzz 1.4.5 y noScribe 0.6 son las últimas compilaciones para Intel de esas dos apps, mientras que Sablate ofrece compilaciones distintas para Apple Silicon y para Intel y necesita macOS 12 Monterey o posterior. Si solo necesitas texto de grabaciones y no una interfaz para Whisper, el software de transcripción para Mac compara también las apps de reuniones y de la nube.

¿Cuál deberías elegir?

«Necesito la transcripción de una entrevista, gratis, hoy». Buzz o Vibe. Las dos se instalan en un minuto y exportan texto o .srt.

«Hablan dos o tres personas y necesito saber quién dijo qué». noScribe, hecho justo para eso; Buzz y Vibe también etiquetan hablantes.

«Grabaciones largas en un Mac con Apple Silicon». MacWhisper, o Vibe si tiene que ser gratis. Sablate también usa la GPU ahí, pero MacWhisper además tiene el Neural Engine y los modelos Parakeet.

«El resultado es un archivo de subtítulos que corregiré a mano». Subtitle Edit. Nada gratuito profundiza más en sincronización y formatos.

«Los subtítulos van sobre el vídeo, en más de un idioma». Sablate: una transcripción, una capa con estilo por idioma y una incrustación con libass en la relación de aspecto que necesites. Todos los idiomas de Whisper y su tasa de error muestra qué idiomas de origen se transcriben bien.

«Quiero automatizarlo con scripts o ejecutarlo en un servidor». Whisper-WebUI, o el propio Whisper en la línea de comandos, que la comparativa de generadores de subtítulos sin conexión cubre con un comando listo para usar.

En resumen

Todas las Whisper GUI ejecutan los mismos modelos, así que elige según el motor que mejor le va a tu hardware y según lo que necesites después de la transcripción. Para texto gratis, Buzz o Vibe. Para hablantes, noScribe. Para un Mac y archivos largos, MacWhisper. Para archivos de subtítulos que vas a editar, Subtitle Edit. Cuando los subtítulos tienen que tener estilo, estar incrustados o entregarse en varios idiomas, descarga Sablate para Windows o Mac y pasa un vídeo real por el plan gratis, o mira qué añade Pro.

Preguntas frecuentes

¿Cuál es la mejor Whisper GUI para Windows?

Buzz para transcripciones gratis, Subtitle Edit para editar subtítulos gratis, y Sablate cuando la transcripción tiene que convertirse en subtítulos con estilo, incrustados o traducidos. Las tres se instalan como cualquier programa de Windows y pueden usar una tarjeta gráfica NVIDIA. Buzz, Vibe y el motor whisper.cpp de Subtitle Edit también usan GPU de AMD e Intel mediante Vulkan.

¿Cuál es la mejor Whisper GUI para Mac?

MacWhisper, porque es una app nativa de Mac que ejecuta Whisper en la GPU del Mac. Vibe y Buzz son las opciones gratuitas de código abierto. Sablate funciona en Mac con Apple Silicon, donde transcribe en la GPU, y con Intel; elígelo por lo que hace después de la transcripción, como subtítulos con estilo, incrustados o en varios idiomas.

¿Puedo usar Whisper sin Python ni línea de comandos?

Sí. Las Whisper GUI de escritorio como Sablate, Buzz, MacWhisper, Vibe, noScribe y Subtitle Edit se instalan como cualquier otra app y descargan el modelo de Whisper la primera vez que lo usas, así que nunca abres una terminal. Las interfaces de navegador como Whisper-WebUI son la excepción: funcionan sobre una instalación de Python o Docker que haces tú.

¿Una Whisper GUI es tan precisa como la línea de comandos de Whisper?

Sí, cuando ejecuta el mismo modelo. Los pesos son idénticos en todas las apps; lo que cambia es el motor que los rodea. faster-whisper indica la misma precisión que el código de referencia de OpenAI con una velocidad de hasta cuatro veces mayor. El modelo que elijas y ajustes como el filtro de actividad de voz cambian el resultado mucho más que la interfaz.

¿Qué Whisper GUI puede hacer subtítulos?

Las siete exportan un archivo de subtítulos: seis escriben SRT y VTT, y noScribe escribe VTT. Subtitle Edit y Sablate van más allá, con herramientas de sincronización e incrustación de subtítulos en el vídeo. Sablate añade además una capa con estilo propio por cada idioma traducido a partir de una sola transcripción, y las exporta como archivos separados o en un único MKV.

¿Las Whisper GUI funcionan sin conexión?

Sí, después de la primera descarga. Cada app necesita internet una vez para bajar el modelo de Whisper, y luego transcribe en tu propio ordenador sin subir el archivo. Varias ofrecen también motores en la nube opcionales, como la API de OpenAI en Buzz y Subtitle Edit, que sí envían el audio fuera, así que comprueba qué motor está activo antes de procesar grabaciones confidenciales.