Este es un código para ver las capacidades de whisper y tener una base para realizar reconocimiento de voz. Adicional traducción de audio tanto de videos como de audio en tiempo "real"
pip install git+https://github.com/openai/whisper.git
Como instalar ffmpeg => https://www.geeksforgeeks.org/how-to-install-ffmpeg-on-windows/
Estas otras librerías son necesarias para que funcionen los códigos
pip install googletrans==4.0.0rc1
pip install gtts
pip install SpeechRecognition
pip install wavio
pip install scipy
pip install playsound
Lo realice en 8 partes donde en cada 1 se puede ir aprendiendo de cada proceso hasta llegar al final y entenderlo bien Todo es mejorable y el ideal es poder usarlo en tiempo real, ósea mientras se habla que traduzca, todo depende, si tienes un MareNostrum lo lograste
Nota: En el código 08 se puede crear un bucle para procesar en menos tiempo, como se explica en el codigo 07 y cambiando la grabación a 1 seg y el modelo en tiny. Si lo mejoras no olvides comentármelo.