Apple Silicon ha hecho práctica la transcripción de IA local. Whisper de OpenAI, que antes requería GPUs potentes, ahora funciona sin problemas en MacBooks y Mac minis. ¿Pero qué tan rápido es realmente? ¿Y qué modelo de Whisper deberías usar con tu chip específico?
Hicimos benchmarks de Whisper en toda la línea Apple Silicon para darte datos de rendimiento del mundo real.
Entendiendo los Tamaños del Modelo Whisper
Whisper viene en varios tamaños. Los modelos más grandes son más precisos pero requieren más poder de procesamiento:
| Model | Parameters | RAM Required | Relative Accuracy |
|---|---|---|---|
| Tiny | 39M | ~1 GB | Good for drafts |
| Base | 74M | ~1 GB | Decent accuracy |
| Small | 244M | ~2 GB | Good accuracy |
| Medium | 769M | ~5 GB | Very good accuracy |
| Large | 1.5B | ~10 GB | Best accuracy |
Recomendación: Para la mayoría de usuarios, el modelo Medium ofrece el mejor equilibrio entre precisión y velocidad en Apple Silicon. Es lo que Voicci usa por defecto.
Benchmarks del Mundo Real
Transcribimos un archivo de audio de 10 minutos (habla clara, un solo hablante) usando el modelo Medium en diferentes Macs. La velocidad se mide como "factor de tiempo real" (RTF) — menor es más rápido.
| Mac | Chip | RAM | Time (10 min audio) | RTF |
|---|---|---|---|---|
| MacBook Air | M1 | 8 GB | ~3 min | 0.3x |
| MacBook Pro 14" | M1 Pro | 16 GB | ~2 min | 0.2x |
| MacBook Air | M2 | 8 GB | ~2.5 min | 0.25x |
| MacBook Pro 14" | M3 Pro | 18 GB | ~1.5 min | 0.15x |
| MacBook Pro 16" | M3 Max | 36 GB | ~1 min | 0.1x |
| Mac mini | M4 | 16 GB | ~1.2 min | 0.12x |
| MacBook Pro 14" | M4 Pro | 24 GB | ~50 sec | 0.08x |
Qué Significa Esto Para Ti
M1 / M2 (Chips Base)
Absolutamente utilizable para transcripción. Un archivo de audio de 10 minutos toma aproximadamente 2-3 minutos. Para dictado en tiempo real, espera ligeros retrasos entre hablar y ver el texto.
Modelo recomendado: Medium (o Small si solo tienes 8 GB de RAM y necesitas velocidad)
M1 Pro / M2 Pro / M3
Punto ideal para la mayoría de usuarios. La transcripción se siente ágil, y el dictado en tiempo real funciona suavemente con retraso mínimo.
Modelo recomendado: Medium (o Large si priorizas la precisión)
M3 Pro / M3 Max / M4 / M4 Pro
La transcripción es esencialmente instantánea. Puedes ejecutar el modelo Large cómodamente para máxima precisión, y el dictado en tiempo real no tiene retraso perceptible.
Modelo recomendado: Large para máxima precisión
La RAM Importa
El tamaño del modelo Whisper afecta significativamente el uso de RAM:
- Mac de 8 GB: Los modelos Tiny, Base, Small funcionan bien. Medium es ajustado pero utilizable.
- Mac de 16 GB: Todos los modelos hasta Large funcionan cómodamente.
- Mac de 24+ GB: Ejecuta el modelo Large mientras haces multitarea sin ralentización.
Si estás en un Mac de 8 GB y experimentas ralentizaciones con Medium, cambia a Small. La diferencia de precisión es modesta, y la mejora de velocidad es significativa.
Dictado en Tiempo Real vs. Transcripción de Archivos
Los benchmarks anteriores son para transcribir archivos de audio. El dictado en tiempo real (hablar y ver aparecer el texto) tiene diferentes requisitos:
- Transcripción de archivos: Puede ser más lenta que tiempo real y aún sentirse "instantánea"
- Dictado en tiempo real: Necesita RTF por debajo de ~0.3x para sentirse responsivo
Cada Mac Apple Silicon maneja el dictado en tiempo real adecuadamente. La diferencia está en cuánto retraso experimentas entre hablar y ver el texto.
Conclusión
Cualquier Mac Apple Silicon puede ejecutar Whisper efectivamente. M1 es el mínimo — funciona bien. Los chips M3/M4 son excesivos para transcripción (pero disfrutarás la velocidad). El modelo Medium es el punto ideal para precisión vs. rendimiento en la mayoría de configuraciones.
Optimizando el Rendimiento
Algunos consejos para obtener la mejor velocidad de transcripción:
- Cierra aplicaciones que consumen mucha memoria: Whisper se beneficia de la RAM disponible
- Usa el tamaño de modelo correcto: Más grande no siempre es mejor para tu hardware
- Mantén macOS actualizado: Apple optimiza continuamente el rendimiento de Metal
- Usa una aplicación optimizada para Apple Silicon: Las aplicaciones nativas como Voicci aprovechan el Neural Engine apropiadamente
Experimenta Conversión de Voz a Texto Rápida y Privada
Voicci ejecuta Whisper AI localmente en tu Mac para transcripción instantánea y offline con completa privacidad.
Try Voicci Free