SpeechRecognition: La biblioteca definitiva de Python para reconocimiento de voz a texto

Transforma audio en texto con una sola biblioteca

SpeechRecognition es la biblioteca de Python preferida por los desarrolladores que crean aplicaciones con voz. Con más de 9K estrellas en GitHub y soporte para más de 15 motores de reconocimiento, maneja todo desde procesamiento sin conexión hasta APIs en la nube de grado empresarial.

Motores compatibles (Sin conexión + En línea)

Motores sin conexión (No requiere Internet)

• CMU Sphinx - Ligero, personalizable
• Vosk API - Multilingüe, alta precisión
• OpenAI Whisper (local) - Precisión de vanguardia
• Faster Whisper - Rendimiento optimizado
• Snowboy - Detección de palabras clave

APIs en la nube (Listas para producción)

• OpenAI Whisper API
• Groq Whisper API (ultra-rápida)
• Google Cloud Speech
• Google Speech Recognition
• Cohere Transcribe API
• Microsoft Azure Speech
• IBM Watson

🚀 Inicio rápido (2 minutos)

pip install SpeechRecognition
python -m speech_recognition

Ejemplo con micrófono:

import speech_recognition as sr

r = sr.Recognizer()
with sr.Microphone() as source:
    print("¡Di algo!")
    audio = r.listen(source)
    text = r.recognize_whisper(audio)
    print(f"Dijiste: {text}")

📦 Instalación fácil

# Biblioteca principal
pip install SpeechRecognition

# Con soporte para micrófono
pip install SpeechRecognition[audio]

# Con Whisper (local)
pip install SpeechRecognition[whisper-local]

# Con API de OpenAI
pip install SpeechRecognition[openai]

# Con API de Cohere
pip install SpeechRecognition[cohere-api]

Casos de uso del mundo real

1. Asistentes de voz - Procesamiento de comandos
2. Transcripción de reuniones - Minutas automáticas
3. Transcripción de podcasts - Conversión de audio a texto
4. Herramientas de accesibilidad - Texto a voz para personas con discapacidad auditiva
5. Dispositivos IoT - Sistemas de control por voz
6. Análisis de centros de llamadas - Transcripción de servicio al cliente

Consejos profesionales para mejores resultados

1. Calibración de ruido ambiental

r.adjust_for_ambient_noise(source)  # Calibra automáticamente
r.energy_threshold = 4000  # Ajusta la sensibilidad

2. Múltiples micrófonos

for i, name in enumerate(sr.Microphone.list_microphone_names()):
    print(f"Mic {i}: {name}")
# Usar: Microphone(device_index=3)

3. Soporte de idiomas

# Inglés británico, francés, mandarín, etc.
result = r.recognize_google(audio, language='en-GB')

Solución de problemas comunes

¿Por qué elegir SpeechRecognition?

✅ Una biblioteca, muchos motores - Sin dependencia de proveedores
✅ Sin conexión + En línea - Funciona en todas partes ✅ Probada en combate - Más de 9K estrellas, 2.4K forks ✅ Mantenimiento activo - Última versión abril 2026 ✅ Documentación extensa - Ejemplos para cada caso de uso ✅ Multiplataforma - Windows/Mac/Linux/RPi

¡Comienza hoy!

pip install SpeechRecognition[audio,whisper-local]

Repositorio GitHub | PyPI | Documentación

¡Construye tu primera aplicación de voz en 5 minutos!