# Whistle, un modelo de voz a texto de 16.9MB que funciona en el dispositivo, presentado

- Link: https://cactuscompute.com/blog/whistle
- Discussion: https://startupxo.com/es/887/
- Posted by startupxo at 2026-10-08T18:37:15.851Z
- 0 points, 0 comments, kind story, origin curated
- Written in ko, machine translated to es

## 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.

## Sources

- Hacker News: https://news.ycombinator.com/item?id=50008427 (631 points, 136 comments, checked 2026-10-09T04:36:57Z)

## Comments (0)

No comments yet.

JSON: https://startupxo.com/api/v1/item.json?id=887&lang=es
