README.md

---
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).