
Whisper local en el navegador: reconocimiento de voz con WebGPU y WebCodecs
Podría parecer que transcribir voz con buena calidad en la web sigue atado sin remedio a GPUs en servidor y APIs de pago en la nube: si intentas correr una red neuronal pesada en una pestaña, el navegador se congela o se come toda la memoria. Pero la librería browser-whisper le da la vuelta a esa lógica.
El secreto está en combinar WebGPU y WebCodecs. En lugar de arrastrar compilaciones de FFmpeg de muchos megabytes, el audio se decodifica con los códecs nativos del navegador y los cálculos matriciales pasan directo a la tarjeta gráfica del usuario. El pipeline se reparte entre dos Web Workers independientes, así que la interfaz no sufre ni un milisegundo de bloqueo mientras el modelo procesa el flujo.
El resultado es coste cero en infraestructura de servidor y privacidad total: el audio no sale nunca del dispositivo del cliente.






