Транскрибация Whisper — это перевод речи в текст с помощью Whisper, открытой ИИ-модели OpenAI, которую можно запускать в облаке, на сервере или полностью на своём устройстве. В этом гиде разберём, как устроен Whisper, какой размер модели выбрать, насколько он точен на самом деле и как быстрее всего запустить транскрибацию офлайн на Mac или iPhone.
Что такое Whisper на самом деле?
Whisper — это модель автоматического распознавания речи (ASR), которую OpenAI выпустила в сентябре 2022 года под лицензией MIT. Это трансформер типа «энкодер-декодер», обученный более чем на 680 000 часов многоязычного аудио. Он умеет делать транскрипцию примерно на 100 языках, включая русский, а также переводить речь на английский.
Главное для вас: веса модели открыты. В отличие от речевых API Google или Amazon, Whisper не обязан работать на чужом сервере. Вокруг него вырос целый мир локальных инструментов — whisper.cpp, faster-whisper и нативные приложения вроде Whisper Notes. Именно поэтому по-настоящему офлайновая, приватная транскрибация вообще возможна.
Размеры моделей Whisper: какую выбрать
Whisper выпускается в шести основных размерах. Чем больше модель — тем точнее и медленнее:
| Модель | Параметры | Скорость | Для чего |
|---|---|---|---|
| tiny | 39M | Самая быстрая | Черновики, слабое железо |
| base | 74M | Очень быстрая | Простое, чистое аудио |
| small | 244M | Быстрая | Баланс скорости и точности на мобильных |
| medium | 769M | Средняя | Сегодня почти никогда не лучший выбор |
| large-v3 | 1.55B | Самая медленная | Максимальная точность, сложное аудио |
| large-v3-turbo | 809M | ~в 5 раз быстрее large-v3 | Выбор по умолчанию в 2026 году |
Почти всем подойдёт large-v3-turbo: он сохраняет энкодер large-v3, но сокращает число слоёв декодера с 32 до 4 — почти та же точность при доле вычислений. Подробный бенчмарк — в статье Whisper Large V3 Turbo против V3.
Насколько точна транскрибация Whisper?
На чистом английском аудио большие модели достигают доли ошибок (WER) примерно 5–8% — для большинства практических задач это сравнимо с профессиональной расшифровкой человеком. Точность падает при фоновом шуме, сильном акценте, перебивающих друг друга голосах и на редких языках.
Знаменитая слабость Whisper — галлюцинации на тишине. Его авторегрессионный декодер иногда придумывает повторяющиеся фразы или «титры субтитров», когда никто не говорит. Новые модели решают эту проблему: Parakeet V3 от NVIDIA специально обучали на аудио без речи, и в наших тестах он не выдаёт ни одной галлюцинации (полный бенчмарк Parakeet V3 против Whisper).
Для китайского, японского, корейского и кантонского специализированная модель обгоняет Whisper и по скорости, и по пунктуации: см. SenseVoice против Whisper для языков CJK.
5 способов запустить транскрибацию Whisper
| Способ | Цена | Приватность | Настройка |
|---|---|---|---|
| API OpenAI | Оплата за минуту аудио | Аудио загружается в облако | API-ключ + код |
| openai-whisper (эталонный Python) | Бесплатно | 100% локально | Окружение Python, желательно GPU |
| whisper.cpp / faster-whisper | Бесплатно | 100% локально | Командная строка |
| Нативное приложение (Whisper Notes) | $6.99 один раз, на Mac есть бесплатная пробная версия | 100% на устройстве | Не нужна |
| Онлайн-демо в браузере | Бесплатные тарифы | Аудио загружается в облако | Не нужна |
Простое правило: если вы живёте в терминале — faster-whisper великолепен. Если строите продукт — логичен API. А если вам просто нужна приватная расшифровка записей без Python, берите нативное приложение — ровно для этого и существуют Whisper-приложения для Mac.
Хотите шире посмотреть на офлайн-инструменты — включая варианты для Windows и Android? Читайте наш полный гид по офлайн-распознаванию речи.
Whisper против новых локальных моделей (2026)
Whisper открыл эпоху локальной транскрибации, но сегодня он уже не один. Скорость ниже замерена на Mac с M4 Pro:
| Модель | Языки | Скорость | Сильная сторона |
|---|---|---|---|
| Whisper Large V3 Turbo | 100+ | ~12x реального времени | Самый широкий охват языков |
| Parakeet V3 | 25 (европейские, включая русский) | ~100x реального времени | WER 6,32%, никаких галлюцинаций на тишине |
| SenseVoice Small | zh, ja, ko, yue, en | ~52x реального времени | Лучшая для китайского, японского, корейского |
Все три модели работают локально в Whisper Notes, и переключать их можно для каждой записи отдельно. Сравнительные бенчмарки — на нашей странице сравнения моделей Whisper.
Как запустить транскрибацию Whisper офлайн на Mac и iPhone
Без командной строки, без Python, без облака:
- Скачайте Whisper Notes для Mac (бесплатная пробная версия) или для iPhone ($6.99 один раз).
- Выберите модель: Whisper Large V3 Turbo для широкого охвата языков, Parakeet V3 для русского и максимальной скорости, SenseVoice для CJK. Модель скачивается один раз и дальше навсегда работает офлайн.
- Записывайте прямо в приложении, диктуйте в любое поле с зажатой клавишей Fn или перетащите аудио- и видеофайлы (MP3, WAV, M4A, MP4).
- Текст появляется по мере обработки. Экспортируйте в TXT или SRT.
Сомневаетесь в слове «офлайн»? Включите сначала авиарежим. Транскрибация идёт на полной скорости — ничего никогда не загружается в сеть.
Parakeet V3 и русский язык: транскрибация быстрее Whisper
Parakeet V3 — модель, включённая в Whisper Notes по умолчанию на Mac и iPhone, — поддерживает 25 европейских языков, и русский среди них. Её средний показатель ошибок — 6,32% WER, а работает она примерно в 10 раз быстрее Whisper: часовая лекция, созвон или голосовые сообщения превращаются в текст за считанные минуты, целиком на вашем устройстве. Для повседневной транскрибации на русском — надиктовать заметку, расшифровать интервью, перегнать диктофонную запись в текст — этого более чем достаточно. А если нужна транскрипция на редких языках за пределами Европы, в один клик переключитесь на Whisper Large V3 Turbo (100+ языков, ~1,6 ГБ): обе модели установлены рядом и выбираются для каждой записи отдельно.
| Модель | Русский язык | Скорость |
|---|---|---|
| Parakeet V3 | Да (25 европейских языков, WER 6,32%) | ~в 10 раз быстрее Whisper |
| Whisper Large V3 Turbo | Да (100+ языков) | Базовая скорость Whisper |
Частые вопросы
Транскрибация Whisper — это бесплатно?
Сама модель бесплатна и открыта (лицензия MIT). Запуск через инструменты командной строки вроде whisper.cpp ничего не стоит, но требует настройки. API OpenAI берёт плату за каждую минуту аудио. Нативные приложения упаковывают модели за небольшую разовую плату: Whisper Notes стоит $6.99 один раз, а на Mac есть бесплатная пробная версия.
Работает ли транскрибация Whisper офлайн, без интернета?
Да — в этом и смысл открытых весов. Как только файл модели оказался на устройстве, интернет больше не нужен. Whisper Notes запускает Whisper Large V3 Turbo на Apple Silicon через CoreML/Metal полностью офлайн. Проверить легко: включите авиарежим.
Какая модель Whisper самая точная?
Максимальная «сырая» точность у large-v3. Но large-v3-turbo отстаёт от него на доли процента WER, работая примерно в 5 раз быстрее, — поэтому сегодня именно turbo стоит по умолчанию в большинстве инструментов.
Насколько хорошо Whisper понимает русский?
Русский — один из хорошо представленных в обучающих данных языков, и Whisper справляется с ним уверенно. А Parakeet V3 распознаёт русский ещё и примерно в 10 раз быстрее (средний WER 6,32%). Для китайского, японского, корейского и кантонского лучший выбор — SenseVoice: точнее пунктуация и гораздо выше скорость на Apple Silicon.
Есть ли приложение для транскрибации Whisper на iPhone?
Да. Whisper Notes запускает модели Whisper, оптимизированные под Neural Engine iPhone (iPhone 12 и новее): записывайте, импортируйте из Диктофона или «Файлов» и получайте расшифровку целиком на устройстве за $6.99 без подписки.
Скачать для iOS