Instalación

Audiotext é unha aplicación de escritorio para Windows, macOS e Linux. Transcribe a texto o audio de ficheiros, vídeos de YouTube e gravacións do micrófono, e pode traducilo, resumilo e subtitulalo.

Descarga a aplicación

Descarga o ficheiro do teu sistema desde a última versión en GitHub:

Sistema	Ficheiro
Windows (64 bits)	Audiotext-<version>-windows-x64-setup.exe
macOS 15 ou posterior (Apple Silicon)	Audiotext-<version>-macos-arm64.dmg
Linux (x86_64)	Audiotext-<version>-linux-x86_64.tar.gz

A aplicación inclúe todo o que necesita, FFmpeg incluído.

Windows

Executa o instalador e segue os seus pasos. Non precisa permisos de administrador. Se tes unha GPU NVIDIA, marca a opción de usar a GPU de NVIDIA (CUDA): o instalador descargará o complemento para GPU, que fai WhisperX moito máis rápido. O instalador non está asinado, así que Windows SmartScreen pode mostrar un aviso: abre a información adicional e escolle executalo igualmente.

macOS

Abre o ficheiro .dmg e arrastra Audiotext ao cartafol Aplicacións. A aplicación non está notarizada por Apple, así que macOS bloquéaa a primeira vez que a abres: vai a Configuración do Sistema → Privacidade e seguranza e fai clic en Abrir igualmente xunto á mensaxe sobre Audiotext. Nos Mac, WhisperX transcribe na GPU de Apple Silicon con MLX Whisper, moito máis rápido ca na CPU, sen ningún complemento. Os Mac con Intel non son compatibles, xa que PyTorch xa non os admite.

Linux

Extrae o arquivo e executa o instalador desde un terminal:

tar -xzf Audiotext-<version>-linux-x86_64.tar.gz
cd Audiotext-<version>-linux-x86_64
./install.sh

Instala Audiotext para o teu usuario e engádeo ao menú de aplicacións (tamén se pode abrir co comando audiotext). Se detecta unha GPU NVIDIA, ofrece descargar o complemento para GPU. Executa ./install.sh --gpu ou ./install.sh --cpu para escoller sen que pregunte, e ./install.sh --uninstall para desinstalalo (a configuración consérvase).

Consello

O complemento para GPU é unha descarga duns 2 GB en Windows e 4 GB en Linux, así que só paga a pena cunha GPU NVIDIA. Sen el, WhisperX execútase na CPU, e a API de Whisper e a API de Google funcionan igual. Para cambiar máis adiante entre a versión para CPU e a versión para GPU, volve instalar a aplicación e escolle a outra opción.

Nota

A primeira vez que transcribes con WhisperX (o motor predeterminado), descárgase o seu modelo. Ocupa desde ~75 MB para tiny ata ~3 GB para large-v2, así que pode tardar un pouco. As seguintes transcricións comezan ao momento.

Requisitos

• WhisperX execútase no teu ordenador. Funciona en calquera CPU, pero é moito máis rápido nunha GPU NVIDIA con CUDA ou na GPU dun Mac con Apple Silicon. Consulta Motores para escoller un modelo axeitado ao teu hardware.
• A API de Whisper e a API de Google execútanse en servidores remotos, así que precisan conexión a Internet, pero non un hardware potente.
• Para transcribir desde o micrófono, o teu sistema debe detectar un dispositivo de entrada.
• En Linux, gravar e reproducir audio require PortAudio (sudo apt install libportaudio2 en Ubuntu ou Debian).

Actualiza a aplicación

Cando se publica unha versión nova, Audiotext mostra un botón A versión … está dispoñible na barra superior. Fai clic nel para abrir a páxina da versión, descarga o ficheiro do teu sistema e instálao como a primeira vez: executa o novo instalador en Windows, arrastra a nova aplicación ao cartafol Aplicacións en macOS ou executa o install.sh do novo arquivo en Linux. A versión anterior substitúese, e a túa configuración e o teu historial consérvanse, xa que se gardan no teu cartafol de configuración de usuario. Se usas o complemento de GPU, volve escollelo ao instalar.

Para comprobar ti mesmo se hai unha versión nova, abre Preferencias → Acerca de → Buscar actualizacións. Para que non se comprobe ao abrir a aplicación, desactiva Xeral → Buscar actualizacións automaticamente.

Desinstala a aplicación

• Windows: desinstálaa desde Configuración → Aplicacións, coma calquera outra aplicación.
• macOS: arrastra Audiotext do cartafol Aplicacións ao Lixo.
• Linux: executa ./install.sh --uninstall desde o cartafol do arquivo. Se xa non o tes, elimina ~/.local/share/audiotext, ~/.local/bin/audiotext e ~/.local/share/applications/audiotext.desktop.

A túa configuración, o teu historial e as túas gravacións consérvanse, así que seguen aí se a volves instalar. Para eliminalo todo:

1. Antes de desinstalala, elimina as túas claves de API en Preferencias → Claves de API (fai clic en Cambiar… e déixaa baleira), xa que se gardan no almacén de credenciais do teu sistema.
2. Elimina o teu cartafol de configuración de usuario.
3. Elimina os modelos que se descargaron.

Cambia o idioma da interface

Audiotext usa o idioma do teu sistema se está dispoñible. Para cambialo, abre as Preferencias (a roda dentada de arriba á dereita) e escolle un idioma en Xeral → Idioma da interface.

Execútao desde o código fonte

Se queres executar o código máis recente ou contribuír, consulta Contribuír para preparar o proxecto con Python.

Seguintes pasos

• A túa primeira transcrición explica a xanela e os pasos para transcribir.