Transcripción Whisper de Alta Velocidad

Integra transcripción de audio de nivel profesional en el flujo de trabajo de tu agente utilizando el modelo Fast Whisper de fal.ai. Esta habilidad ofrece una interfaz robusta basada en Python para transcribir archivos de audio o vídeo en texto preciso y con capacidad de búsqueda, con marcas de tiempo opcionales a nivel de palabra.

Qué hace

• Procesamiento asíncrono: Gestiona la transcripción mediante una cola asíncrona (envío, sondeo, recuperación) diseñada para garantizar estabilidad con archivos de gran tamaño.
• Compatibilidad local y remota: Transcribe archivos directamente desde tu máquina local mediante codificación base64 o proporciona una URL pública para archivos alojados en la nube.
• Generación de SRT: Genera automáticamente archivos de subtítulos SubRip (.srt) estándar del sector con marcas de tiempo de precisión.
• Amplia compatibilidad de formatos: Compatible con MP3, MP4, M4A, WAV, FLAC y más.

¿Por qué usar esta habilidad?

La transcripción de audio es computacionalmente costosa y difícil de lograr correctamente con prompts convencionales. Esta habilidad delega el trabajo pesado al hardware optimizado de fal.ai, devolviendo datos estructurados que incluyen fragmentos de texto y marcas de tiempo de segmentos. Resuelve específicamente el problema de las limitaciones de tamaño de archivo y proporciona almacenamiento local persistente para tus transcripciones en un directorio dedicado (~/.fal-whisper/).

Formato de salida

La habilidad produce dos salidas principales: un archivo .txt limpio con la transcripción completa y un archivo .srt opcional listo para usar en editores de vídeo como Premiere Pro o DaVinci Resolve.