Qué modelo de voz para cada idioma y a qué velocidad

Saypane ejecuta modelos abiertos de reconocimiento de voz en tu PC. Cuál usa depende del idioma que hablas y de la potencia de tu PC. Así es como decide, con las velocidades que hemos medido.

Qué modelo usa Saypane

Idioma	Dictado	Transcripción de archivos
Los 25 idiomas de Parakeet (español, inglés, alemán, francés, portugués, italiano y 19 más)	Parakeet	Parakeet
Otros idiomas, gratis	Whisper small	Whisper small
Otros idiomas, Pro, con GPU Vulkan u 8 hilos de CPU o más	Whisper large v3 turbo	Whisper large v3 turbo
Otros idiomas, Pro, en un PC más lento	Whisper small	Whisper large v3 turbo (más lento)

Parakeet TDT 0.6B v3 cubre alemán, búlgaro, checo, croata, danés, eslovaco, esloveno, español, estonio, finés, francés, griego, húngaro, inglés, italiano, letón, lituano, maltés, neerlandés, polaco, portugués, rumano, ruso, sueco y ucraniano. No cubre japonés, chino ni coreano; Whisper sí.

Qué velocidad

Medido en nuestro PC de pruebas con Windows:

Parakeet: unas 13 veces más rápido que el tiempo real con 4 hilos de CPU. Un dictado de 10 segundos está listo en menos de un segundo; una hora de audio tarda menos de 5 minutos. No necesita GPU.
Whisper large v3 turbo: de 0,6 a 1,0 veces el tiempo real solo con la CPU, y unas 1,9 veces con Vulkan en gráficos integrados. Suficiente para archivos si puedes esperar, demasiado lento para dictar con comodidad sin GPU o sin una CPU de 8 hilos o más.
Whisper small: mucho más rápido que turbo, pero notablemente menos preciso. En japonés, en nuestra prueba cometió unas tres veces más errores que turbo.

Tu PC será distinto. Un procesador de sobremesa reciente o una tarjeta gráfica dedicada van más rápido; un portátil antiguo con batería, más lento.

Hardware mínimo

Windows 10 u 11, 64 bits.
Un procesador de 4 núcleos con AVX2, por ejemplo un Intel Core de 4.ª generación o posterior, o cualquier AMD Ryzen. Algunos chips Pentium y Celeron de gama baja no tienen AVX2.
8 GB de memoria. Los modelos permanecen cargados mientras Saypane está abierto, así que nunca se pierde la primera palabra por un retraso de carga.
Espacio en disco para los modelos que uses: 669 MB para Parakeet, 574 MB para Whisper turbo, 190 MB para Whisper small (incluido).

Aceleración por GPU

Saypane usa Vulkan, que funciona con gráficos NVIDIA, AMD e Intel, incluidos los gráficos integrados de muchos portátiles. No necesitas una tarjeta NVIDIA ni CUDA. Si no encuentra una GPU adecuada, Saypane funciona con la CPU.

Dictado en japonés, chino y coreano

Estos idiomas usan Whisper. Sin GPU, Saypane recurre a Whisper small para el dictado, así que obtienes el texto rápido pero con más errores. Para dictar con precisión en japonés, chino o coreano, usa Saypane Pro en un PC con GPU Vulkan o con una CPU de 8 hilos o más. La transcripción de archivos siempre puede usar large v3 turbo en Pro; simplemente tarda más en un PC lento.

Descargas

Whisper small y el detector de actividad de voz Silero vienen incluidos en la app, así que Saypane funciona sin conexión desde el primer arranque. Los demás modelos se descargan cuando los necesitas por primera vez, desde models.saypane.com o, como alternativa, desde Hugging Face. Las descargas se reanudan tras una interrupción y se verifican con una suma de comprobación. Lista completa de modelos.

Preguntas

¿Necesito una tarjeta gráfica NVIDIA?

No. Saypane usa Vulkan, que también funciona con gráficos AMD e Intel, y funciona sin GPU. Para los 25 idiomas de Parakeet basta con una CPU de 4 núcleos.

¿Puedo usar mis propios archivos de modelo Whisper?

En esta versión, no. Saypane usa los modelos indicados arriba, que ha probado.

Última actualización: 27 de octubre de 2026. ¿Sigues atascado? Contacta con soporte.