Los soplos cardíacos son sonidos cardíacos anormales que pueden indicar diversas enfermedades cardíacas. Aunque los métodos tradicionales de auscultación son efectivos, dependen más del conocimiento de especialistas, lo que dificulta realizar un diagnóstico preciso. Este artículo presenta un marco basado en aprendizaje automático para la clasificación de sonidos acústicos y soplos cardíacos utilizando análisis de señales digitales. Utilizando algoritmos avanzados de aprendizaje automático, nuestro objetivo es mejorar la precisión, velocidad y accesibilidad en la detección de soplos cardíacos. El método propuesto incluye la extracción de características de grabaciones auscultatorias digitales, preprocesamiento utilizando técnicas de procesamiento de señales y clasificación utilizando modelos de aprendizaje automático de última generación. Evaluamos el rendimiento de diferentes algoritmos de aprendizaje automático, como redes neuronales convolucionales (CNN), bosques aleatorios (RF) y máquinas de vectores de soporte (SVM), en un conjunto de datos de ruido cardíaco seleccionado. Los resultados muestran que nuestro marco logra una alta precisión en la diferenciación de sonidos cardíacos normales de diferentes tipos de soplos cardíacos y proporciona una herramienta robusta para la toma de decisiones clínicas.