Whisper — это модель OpenAI с открытым кодом для распознавания речи: она переводит аудио и видео в текст на десятках языков, включая русский, и умеет сразу переводить речь на английский.
Главное отличие — бесплатный локальный запуск. Модель работает на вашем компьютере без интернета, поэтому подходит для конфиденциальных записей.
Возможности
- Распознавание речи на 90+ языках с автоматическим определением языка.
- Перевод на английский прямо из аудио.
- Субтитры в форматах SRT и VTT с таймкодами.
- Модели разного размера: от tiny до large-v3 и быстрой large-v3-turbo.
- API OpenAI для тех, кто не хочет держать модель у себя.
Кому подходит
Журналистам, исследователям, авторам видео и подкастов, разработчикам, которым нужна расшифровка без платных подписок.
Как начать
Без кода Whisper удобно запускать через готовые приложения с графическим интерфейсом, например MacWhisper на Mac. Разработчики ставят пакет через pip и запускают одной командой.
Совет
Для русской речи берите модель large-v3 или large-v3-turbo: маленькие модели заметно чаще ошибаются в именах и терминах. Готовый текст удобно чистить в ChatGPT или GigaChat.
Ограничения
Whisper не разделяет говорящих — для этого нужны дополнения. На слабом компьютере большие модели работают медленно. Готовые сервисы с разметкой спикеров — Otter.ai и Fireflies.ai.