Whisper-litterointi tarkoittaa puheen muuttamista tekstiksi OpenAI:n Whisper-mallilla. Whisper on avoimen lähdekoodin tekoälymalli, jota voi ajaa pilvessä, omalla palvelimella tai kokonaan omalla laitteella. Tästä oppaasta selviää, miten Whisper toimii, minkä kokoinen malli kannattaa valita, kuinka tarkka se oikeasti on ja miten sen saa nopeimmin toimimaan offline Macilla tai iPhonella.
Mikä Whisper oikeastaan on?
Whisper on automaattinen puheentunnistusmalli (ASR), jonka OpenAI julkaisi syyskuussa 2022 MIT-lisenssillä. Se on enkooderi-dekooderi-rakenteinen transformer-malli, joka on koulutettu yli 680 000 tunnilla monikielistä ääntä. Se litteroi puhetta noin 100 kielellä ja osaa myös kääntää puheen englanniksi.
Käyttäjän kannalta olennaista on, että mallin painot ovat avoimet. Toisin kuin Googlen tai Amazonin puheentunnistusrajapintojen, Whisperin ei tarvitse toimia jonkun muun palvelimella. Sen paikalliseen ajamiseen on kokonainen joukko työkaluja: whisper.cpp, faster-whisper ja natiivisovellukset, kuten Whisper Notes. Siksi aidosti offline toimiva, yksityinen litterointi on mahdollista.
Voiko Whisperiä käyttää kirjoittamatta koodia? Voi. Graafinen sovellus lataa Whisper-mallin ja ajaa sitä puolestasi paikallisesti: tuot äänitteen ja saat litteroinnin ilman Pythonia, komentoriviä tai API-avainta. Whisper Notes tekee tämän Macilla ja iPhonella, MacWhisper Macilla ja Buzz (ilmainen ja avointa lähdekoodia) Windowsilla, Macilla ja Linuxilla.
Whisper-mallien koot: mikä kannattaa valita?
Whisperistä on kuusi pääkokoa. Mitä suurempi malli, sitä tarkempi ja hitaampi se on:
| Malli | Parametrit | Nopeus | Sopii parhaiten |
|---|---|---|---|
| tiny | 39 milj. | Nopein | Nopeat luonnokset, heikko laitteisto |
| base | 74 milj. | Erittäin nopea | Yksinkertainen, selkeä ääni |
| small | 244 milj. | Nopea | Hyvä nopeuden ja tarkkuuden tasapaino mobiililaitteilla |
| medium | 769 milj. | Kohtalainen | Nykyään harvoin oikea valinta |
| large-v3 | 1,55 mrd. | Hitain | Paras tarkkuus, vaikea ääni |
| large-v3-turbo | 809 milj. | ~5× nopeampi kuin large-v3 | Versio, jota useimmat työkalut käyttävät |
Lähes kaikille large-v3-turbo on oikea valinta. Siinä on sama enkooderi kuin large-v3:ssa, mutta dekooderin kerroksia on 32:n sijaan vain 4. Tarkkuus pysyy lähes samana, ja laskentaa tarvitaan murto-osa. Testasimme sen tarkemmin artikkelissa Whisper Large V3 Turbo vs. V3.
Kuinka tarkka Whisper-litterointi on?
Selkeällä englanninkielisellä äänellä suurten mallien sanavirheprosentti (WER) on Open ASR Leaderboardilla noin 5–8 %. Taustamelu, vahva aksentti, päällekkäin puhuminen ja kielet, joista on vähän koulutusdataa, nostavat sitä.
Whisperin tunnetuin heikkous on hallusinaatiot hiljaisuuden aikana. Sen autoregressiivinen dekooderi keksii joskus toistuvia fraaseja tai tekstitysten tekijätietoja, vaikka kukaan ei puhu. Omissa hiljaisuustesteissämme NVIDIAn Parakeet V3 ei tuottanut yhtään väärää sanaa. Tämä on rajatun testin tulos, ei väite siitä, että mikään puhemalli olisi erehtymätön (koko Parakeet V3 vs. Whisper -vertailutesti).
Kiinan, japanin ja korean litterointiin Whisper ei ole ainoa vaihtoehto: katso SenseVoice vs. Qwen3-ASR.
5 tapaa käyttää Whisper-litterointia
| Tapa | Hinta | Yksityisyys | Käyttöönotto |
|---|---|---|---|
| OpenAI API | Maksu äänen minuuttien mukaan | Ääni lähetetään palvelimelle | API-avain + koodi |
| openai-whisper (Python-referenssitoteutus) | Ilmainen | 100 % paikallinen | Python-ympäristö, GPU suositeltava |
| whisper.cpp / faster-whisper | Ilmainen | 100 % paikallinen | Komentorivi |
| Natiivisovellus (Whisper Notes) | $7.99 kertaostona iPhonelle; $14 Macille, 5 000 sanaa viikossa ilmaiseksi | 100 % laitteella | Ei mitään |
| Verkon demotyökalut | Ilmaisversiot | Ääni lähetetään palvelimelle | Ei mitään |
Nyrkkisääntö: jos teet työsi mieluiten komentorivillä, faster-whisper on erinomainen. Jos rakennat tuotetta, API on järkevä valinta. Jos haluat vain litteroida äänitteesi yksityisesti koskematta Pythoniin, käytä natiivisovellusta. Juuri sitä varten Macin Whisper-sovellukset on tehty.
Vertailetko offline-työkaluja laajemmin, myös Windowsille ja Androidille? Katso koko opas: puhe tekstiksi offline.
Whisper vs. uudemmat paikalliset mallit (2026)
Whisper aloitti paikallisen litteroinnin aikakauden, mutta se ei ole enää ainoa vaihtoehto. Alla olevat nopeudet on mitattu M4 Pro -sirullisella Macilla:
| Malli | Kielet | Nopeus | Vahvuus |
|---|---|---|---|
| Whisper Large V3 Turbo | 100+ | 14,3× reaaliaikainen (M4 Pro) | Laajin kielivalikoima |
| Parakeet V3 | 25 (eurooppalaiset) | noin 74× reaaliaikainen (Mac) | 6,32 % WER, ei hallusinaatioita hiljaisuudessa |
| SenseVoice Small | zh, ja, ko, yue, en | 115–131× reaaliaikainen (mallikortti) | Nopein kiinalle, japanille ja korealle |
Kaikki kolme toimivat paikallisesti Whisper Notesissa; iPhonessa Whisper-vaihtoehto on Whisper Small. Moottori valitaan Asetuksista. Macilla on lisäksi Qwen3-ASR 1.7B (Beta), joka kattaa 30 kieltä. Kaikkien mallien virheprosentit 42 kielellä rinnakkain löytyvät Whisper-mallien vertailusivulta.
Näin käytät Whisper-litterointia offline Macilla ja iPhonella
Ei komentoriviä, ei Pythonia, ei pilveä:
- Lataa Whisper Notes Macille (5 000 sanaa viikossa ilmaiseksi) tai iPhonelle ($7.99 kertaostona).
- Valitse malli: Whisper Large V3 Turbo laajaan kielivalikoimaan, Parakeet nopeaan englannin litterointiin, SenseVoice nopeaan kiinan, japanin ja korean litterointiin tai Macilla Qwen3-ASR 1.7B (Beta), joka tekee näissä kielissä vähemmän virheitä. Malli ladataan kerran, ja sen jälkeen se toimii aina offline.
- Nauhoita suoraan, sanele mihin tahansa sovellukseen pitämällä Fn-näppäintä pohjassa (verkkosivuiltamme ladattavassa Mac-sovelluksessa) tai vedä sovellukseen ääni- ja videotiedostoja (MP3, WAV, M4A, MP4).
- Teksti ilmestyy näkyviin käsittelyn edetessä. Vie se TXT- tai SRT-tiedostona.
Epäiletkö, toimiiko se oikeasti offline? Laita ensin lentokonetila päälle. Litterointi toimii täydellä nopeudella, eikä mitään lähetetä koskaan.
Käytätkö mieluummin komentoriviä? Mac-sovelluksessa on myös whispernotes-CLI ja sisäänrakennettu MCP-palvelin. Niiden avulla voit litteroida tiedostoja skriptistä, hakea koko historiastasi tai antaa Clauden ja muiden AI-avustajien lukea litterointejasi. Kaikki kulkee paikallisen socket-yhteyden kautta, edelleen täysin offline.
Usein kysytyt kysymykset
Onko Whisper-litterointi ilmaista?
Itse malli on ilmainen ja avointa lähdekoodia (MIT-lisenssi). Sen ajaminen komentorivityökaluilla, kuten whisper.cpp:llä, ei maksa mitään, mutta vaatii asennustyötä. OpenAI:n API laskuttaa äänen minuuttien mukaan. Natiivisovellukset paketoivat mallit valmiiksi pientä maksua vastaan: Whisper Notes maksaa iPhonella $7.99 kertaostona ja Macilla $14 kertaostona, ja Macilla voi litteroida 5 000 sanaa viikossa ilmaiseksi.
Toimiiko Whisper-litterointi offline?
Kyllä, juuri siksi avoimet painot ovat tärkeitä. Kun mallitiedosto on laitteella, internetyhteyttä ei tarvita. Whisper Notes ajaa Whisper Large V3 Turbo -mallia Apple-sirulla CoreML:n ja Metalin avulla täysin offline. Sen voi tarkistaa lentokonetilassa.
Mikä Whisper-malli on tarkin?
large-v3:n raakatarkkuus on paras. large-v3-turbo jää siitä WER-luvussa alle prosenttiyksikön ja on noin 5 kertaa nopeampi. Siksi niin moni työkalu käyttää sitä.
Tukeeko Whisper minun kieltäni?
Whisper kattaa noin 100 kieltä, ja se on vahvimmillaan suurissa kielissä, joista on paljon koulutusdataa (englanti, espanja, saksa, ranska jne.). Kiinan, japanin, korean ja kantoninkiinan litteroinnissa SenseVoice on Apple-sirulla paljon nopeampi, ja Macilla Qwen3-ASR 1.7B (Beta) tekee vähemmän virheitä. Japanissa ja koreassa Whisper Large V3 Turbo on tarkkuudeltaan SenseVoicen tasolla tai parempi. Täydellinen luettelo Whisperin tukemista kielistä on kielisivullamme samassa taulukossa Parakeetin ja SenseVoicen kanssa.
Löytyykö iPhonelle Whisper-litterointisovellusta?
Löytyy. Whisper Notes ajaa iPhonen Neural Enginelle optimoituja Whisper-malleja (iPhone 12 ja uudemmat). Voit nauhoittaa, tuoda äänitteitä Sanelimesta tai Tiedostot-sovelluksesta ja litteroida ne kokonaan laitteella. Hinta on $7.99, ei tilausta.
Lataa iOS:lle