Glosario
El Factor de Tiempo Real (RTF) mide qué tan rápido procesa un sistema ASR el audio en relación con la duración del audio. RTF = 1.0 significa que el sistema procesa 1 hora de audio en 1 hora ("tiempo real"). RTF = 0.1 significa 1 hora de audio en 6 minutos (10 veces más rápido que el tiempo real). Cuanto más bajo, mejor para el procesamiento por lotes; para el streaming, el RTF debe mantenerse por debajo de 1.0 o tu sistema se queda atrás.
Cómo se calcula el RTF
RTF = tiempo_de_procesamiento_wall / duración_del_audio. Si transcribe un archivo de 30 minutos en 3 minutos, RTF = 3/30 = 0.1. El RTF se puede medir por sistema (GPU única, hilo único) o de extremo a extremo (todo su flujo de trabajo, incluyendo carga, cola, post-procesamiento). Lo último es lo que experimentan los usuarios.
Cifras típicas de RTF
Whisper-1 en la API de OpenAI: ~0.05-0.15 RTF (GPUs rápidas, inferencia optimizada). Whisper Large v3 en una RTX 4090 de consumo: ~0.1-0.2 RTF. distil-whisper en CPU: ~0.5-2.0 RTF (la inferencia solo en CPU es lenta). Sistemas ASR de streaming: deben mantenerse por debajo de 1.0 — típicamente 0.3-0.7 con end-pointing. Sistemas HMM híbridos antiguos en una CPU rápida: ~0.5-1.5.
Por qué el RTF importa menos de lo que crees
Para la transcripción por lotes, el RTF está dominado por el tiempo de ida y vuelta de la red (subir el archivo) para audio corto, y por el ASR real para audio largo. Nuestro flujo de trabajo para un archivo de 5 minutos es RTF ~0.4 porque la carga + cola + post-procesamiento domina los ~10 segundos que Whisper realmente gasta. Para un archivo de 60 minutos, el RTF cae a ~0.05 porque el procesamiento de Whisper escala linealmente con la duración del audio mientras que la sobrecarga es constante. Los números de marketing de RTF deben tomarse con cautela.
En la práctica
Suba un podcast de 60 minutos. Carga de red en internet doméstico típico: 30 segundos. Cola (servidor ocupado, esperando un trabajador): 5 segundos. Procesamiento de Whisper: 90 segundos. Post-procesamiento (formato, análisis JSON, exportación DOCX): 10 segundos. Total: 135 segundos = 2.25 minutos. RTF de extremo a extremo = 2.25 / 60 = 0.0375 — aproximadamente 27 veces el tiempo real.
Términos relacionados
Probar transcripción rápida
Comenzar — gratisÚltima actualización: November 01, 2026
Preguntas frecuentes
What does RTF (Real-Time Factor) mean in transcription?
Qué tan rápido procesa un sistema ASR el audio en relación con su duración. RTF = 0.5 significa que procesar 1 hora de audio toma 30 minutos. Whisper-1 en una GPU rápida funciona con un RTF de ~0.1-0.3.
Why does RTF (Real-Time Factor) matter when choosing a transcription workflow?
RTF (Real-Time Factor) affects how you understand transcript quality, timing, compatibility, or the technology behind speech-to-text results.
Where can I apply RTF (Real-Time Factor) on Transcript.you?
Use the related workflow at /ai-transcription when you want to see how this glossary concept connects to an actual transcription task.
Explora el glosario de transcripción o lee el guía completa de transcripción por IA.