Buzz: la IA gratis que transcribe audio en tu ordenador con Whisper

Buzz es un programa gratuito y de código abierto que pasa audio y vídeo a texto en tu propio ordenador, sin subir nada a internet. Funciona con Whisper, el modelo de voz de OpenAI, está para Windows, Mac y Linux, y sí: funciona en español, tanto la transcripción como la propia interfaz. No pide cuenta ni tiene límite de minutos.

Lo instalé y le di el mismo poema de Bécquer que usé con TurboScribe, para comparar de verdad. Te cuento qué tal fue, con capturas de mi prueba.

Lo que hace Buzz

Buzz es, básicamente, Whisper con ventanas. Whisper a pelo se maneja desde la terminal; Buzz te pone delante una lista de tareas, un botón para añadir archivos y un visor para leer el resultado. Lo que hace hoy:

• Transcribe archivos de audio y vídeo, o un enlace de YouTube, en más de 90 idiomas, y lo exporta a TXT o a subtítulos SRT y VTT.
• Transcribe en directo desde el micrófono, con una ventana de presentación pensada para proyectar el texto en una charla.
• Traduce lo que oye (al inglés, y según su web también a otros idiomas), además de transcribirlo en su idioma.
• Pone en cola varios archivos y los va haciendo uno detrás de otro; también puede vigilar una carpeta y transcribir solo lo que dejes en ella.
• Según el proyecto, también identifica a los hablantes y separa la voz del ruido de fondo antes de transcribir.

Cómo lo instalé (y cómo lo instalas tú)

Aquí me vas a perdonar un poco de tecnicismo. En Windows y en Mac es un instalador de los de toda la vida, desde su página de GitHub o desde SourceForge. Dos cosas a saber: en Windows te bajas tres archivos (el .exe y dos .bin que juntos pasan de 2 GB) y, como el instalador no está firmado, Windows te avisará; se sigue con «Más información» y «Ejecutar de todas formas». En Mac hay instalador para los Mac con chip de Apple y para los Intel, aunque el proyecto avisa de que las próximas versiones solo serán para chip de Apple. En Linux lo tienes en Flatpak, Snap o AppImage, y también como paquete de Python.

Yo lo instalé en Linux con el paquete de Python, en un entorno aislado, en un ordenador potente pero sin tarjeta gráfica. Funcionó a la primera, pero baja mucho: la parte de inteligencia artificial que lleva dentro pesa lo suyo, y en unos minutos estaba listo. Con el sistema en español, la interfaz salió en español.

Cómo se usa: modelo, idioma y a correr

Pulsas el «+», eliges el archivo y te sale una ventana con lo que importa: el motor (Whisper, Whisper.cpp, Faster Whisper, modelos de Hugging Face o la API de OpenAI), el tamaño del modelo (de Tiny a Large-V3-Turbo), si quieres transcribir o traducir, el idioma y en qué formatos exportar. Pulsas «Ejecutar» y la tarea entra en la cola.

La regla es sencilla: cuanto más grande el modelo, mejor transcribe y más tarda. En mi prueba, sin tarjeta gráfica, Tiny terminó antes que Small, y los dos antes de lo que dura el audio. Según el proyecto, Buzz puede tirar de la tarjeta gráfica (las Nvidia, por ejemplo) y del chip de los Mac de Apple para ir más rápido.

Mi prueba en español: Bécquer otra vez

Para poder comparar de verdad, usé la misma grabación que con TurboScribe: la Rima XXIX de Bécquer, la de «Sobre la falda tenía el libro abierto…», leída en voz alta, de casi un minuto. Un poema no perdona: o pone «rizos» o no lo pone.

Con Small, la transcripción terminó antes de lo que dura el audio y salió casi limpia: un solo fallo de palabra, «risos» por «rizos», justo el mismo que cometió TurboScribe con su modo más preciso. Acertó lo difícil: «mas» sin tilde (el de «pero»), «hondo silencio», «se hallaron», «cuando a él bajamos los ojos» y «cabe en un verso». Lo que no hizo tan bien: escribió «tremulo» sin tilde, dejó la pregunta final sin sus signos y puso mayúscula al principio de cada verso, como si partiera líneas.

Con los modelos más pequeños la cosa cambia. Base cambió 7 palabras: «hondo silencio» se convirtió en «o dos silencio» y la amada, en vez de responder «encendida», respondió «en sentido». Tiny, el más ligero, cambió 11, y me dejó joyas como «son aún beso» por «sonó un beso» y «sin fierno» por «su infierno». 😅 Se entiende de qué va, pero no lo usaría para nada que tengas que leer después.

Buzz o TurboScribe: con cuál me quedo

En calidad, casi empate: con Small en Buzz y con Ballena en TurboScribe saqué un solo fallo de palabra, y además el mismo, «risos». TurboScribe puntuó algo mejor (la pregunta final, con sus signos). La diferencia de verdad está en todo lo demás.

TurboScribe es más cómodo: no instalas nada y en un rato tienes el texto. A cambio, tu grabación viaja a su web y el plan gratis se queda en 3 archivos al día. Buzz es lo contrario: hay que instalarlo, pero no tiene cupo, no pide cuenta y nada sale de tu ordenador. Para una entrevista con datos personales, una reunión de trabajo o una consulta, no lo dudo: Buzz. Para el audio suelto del día a día, me quedo con TurboScribe por pereza, lo confieso.

Y si te manejas en la terminal y no necesitas ventanas, puedes usar Whisper directamente: Buzz usa sus mismos modelos, así que la calidad es la misma.

Después le di el mismo poema a Otter.ai, que está pensado para reuniones: también dejó un solo fallo de palabra, pero acertó «rizos» y tropezó en «tocaban».

Y si lo que necesitas es el camino contrario, que una voz lea tu texto, eso es ElevenLabs: su demo en español lo hace sin cuenta, y Whisper, el mismo motor de Buzz, me sirvió para comprobar qué había leído.

Cuánto cuesta Buzz

Nada. Comprobado el 8 de octubre de 2026: Buzz cuesta 0 € en Windows, Mac y Linux, sin planes de pago, sin cuenta y sin límite de archivos ni de minutos. Su código es público, con licencia MIT, y lo único que pide el proyecto es una estrella en GitHub y que lo compartas. Un matiz: si eliges como motor la API de OpenAI, la transcripción ya no se hace en tu ordenador, sino en los servidores de OpenAI.