{"id":887,"kind":"story","title":"Whistle, un modelo de voz a texto de 16.9MB que funciona en el dispositivo, presentado","url":"https://cactuscompute.com/blog/whistle","host":"cactuscompute.com","by":"startupxo","score":0,"comments":0,"time":"2026-10-08T18:37:15.851Z","origin":"curated","language":{"source":"ko","reading":"es","translated":true},"summary":["Whistle es un modelo que convierte la voz en texto y, según su desarrollador Cactus, un archivo ocupa 16.9MB. El texto original explica que funciona en CPU sin dependencias adicionales.","Admite 7 idiomas, entre ellos inglés, alemán, francés, español, italiano, neerlandés y polaco, y puede procesar hasta 30 segundos a la vez. Si no se especifica un idioma, lo detecta automáticamente.","Ofrece tiempos de inicio y fin y una probabilidad para cada palabra. Según el texto, pasar expresiones como nombres mediante keywords aumenta la probabilidad de que esas expresiones se elijan durante la búsqueda.","Las cifras de rendimiento son resultados medidos por el desarrollador. En una CPU Apple M4 Pro, con 10 segundos de audio y un tamaño de haz de 5, el tiempo del primer token fue de 11.1 ms, y en las mismas condiciones Whisper base se midió en 73.2 ms.","La precisión varía según el conjunto de pruebas. El texto original indica que Whistle supera en promedio a LibriSpeech, SPGISpeech, Earnings-22 y FLEURS, mientras que Whisper base supera en promedio a TED-LIUM, AMI y MLS."],"discussion":"https://startupxo.com/es/887/","markdown":"https://startupxo.com/es/887.md","api":"https://startupxo.com/api/v1/item.json?id=887&lang=es","text":null,"edited":null,"sources":[{"site":"hn","name":"Hacker News","url":"https://news.ycombinator.com/item?id=50008427","score":631,"comments":136,"observed_at":"2026-10-09T04:36:57Z"}],"thread":[]}