README.md

metadata

title: Clases Texto
emoji: 🐢
colorFrom: pink
colorTo: blue
sdk: gradio
sdk_version: 6.24.0
python_version: '3.12'
app_file: app.py
pinned: false

Check out the configuration reference at https://huggingface.co/docs/hub/spaces-config-reference

---

title: Transcriptor de Clases emoji: 🎙️ colorFrom: blue colorTo: purple sdk: gradio sdk_version: 6.24.0 app_file: app.py pinned: false

🎙️ Transcriptor de Clases

Sube el audio de una clase y obtén la transcripción en texto, con marcas de tiempo, usando Whisper (a través de faster-whisper) corriendo gratis en Hugging Face Spaces.

Cómo publicarlo en Hugging Face (sin usar consola/git)

1. Crea una cuenta gratuita en https://huggingface.co si aún no tienes una.
2. Ve a https://huggingface.co/new-space.
3. Completa:
   • Space name: por ejemplo transcriptor-clases.
   • License: la que prefieras (por ejemplo mit).
   • Select the Space SDK: elige Gradio.
   • Space hardware: deja el nivel gratuito (CPU basic) para empezar.
   • Puede quedar Public o Private, como prefieras.
4. Clic en Create Space.
5. En la pantalla de tu nueva Space, ve a la pestaña Files, luego Add file > Upload files.
6. Arrastra estos 4 archivos: app.py, requirements.txt, packages.txt, README.md.
7. Clic en Commit changes to main.
8. Hugging Face empezará a construir la Space automáticamente (verás un log de "Building"). La primera vez tarda varios minutos porque instala las librerías y descarga el modelo.
9. Cuando el estado pase a Running, la app ya está lista para usarse en esa misma página.

No hace falta instalar nada en la computadora del maestro: todo corre en el navegador, subiendo el audio y descargando el .txt con la transcripción.

Notas importantes

• Velocidad: el nivel gratuito de Spaces usa CPU, no GPU. Con el modelo small (el que viene configurado por defecto), una clase de 45-60 min puede tardar entre 5 y 15 minutos en transcribirse. Es normal, solo hay que esperar a que aparezca el resultado.
• Cambiar el modelo: si la transcripción tarda demasiado, se puede usar un modelo más chico (base o tiny) editando la variable de entorno WHISPER_MODEL en Settings > Variables and secrets de la Space, sin tocar el código. Si en cambio la calidad no es suficiente, se puede probar medium (más lento).
• Formatos de audio: acepta mp3, wav, m4a y la mayoría de formatos comunes (gracias a ffmpeg, incluido en packages.txt).
• Privacidad: los audios se procesan dentro de la Space y no se guardan de forma permanente; conviene marcar la Space como Private si las clases son sensibles.
• Costos: el nivel gratuito de Spaces (CPU basic) no tiene costo. Si el maestro quiere transcripciones más rápidas, se puede actualizar el hardware a una CPU/GPU de pago desde Settings > Space hardware.

Probarlo en la computadora antes de subirlo (opcional)

Si quieres verificarlo localmente en Windows antes de publicarlo:

pip install -r requirements.txt
python app.py

Necesitas tener ffmpeg instalado y accesible desde la terminal (por ejemplo con winget install ffmpeg o descargándolo de https://ffmpeg.org). Luego abre la URL local que aparece en la terminal (normalmente http://127.0.0.1:7860).