Whisper Notes App: офлайн-распознавание речи
Полный обзор офлайн-расшифровки с OpenAI Whisper на iPhone и Mac
Что такое Whisper Notes?
Whisper Notes — офлайн-распознавание речи на OpenAI Whisper (Large V3 Turbo на Mac, Small на iPhone). Обработка аудио на устройстве - без загрузок в облако. Используется в медицине, юриспруденции и журналистике, где аудио не должно покидать устройство.
Медики - заметки о пациентах. Журналисты - интервью. Юристы - показания. Все офлайн - аудио остается на устройстве.
Скрытая стоимость «бесплатных» приложений Whisper
По нашему опыту, «бесплатные» инструменты расшифровки следуют устойчивому паттерну: они загружают ваше аудио на облачные серверы, обрабатывают его удаленно и сохраняют данные для улучшения своих моделей. Продукт - не программное обеспечение, а ваш голос.
Голосовые данные постоянны
В отличие от паролей или номеров кредитных карт, голосовая биометрия не может быть изменена после компрометации. Несколько секунд записи захватывают акустические подписи, которые идентифицируют вас в разных контекстах.
Технология клонирования голоса теперь требует всего от трех до пяти секунд образца аудио. Точность обнаружения человеком высококачественных голосовых дипфейков составляет всего 24,5%. В 2025 году голосовой клон министра обороны Италии был использован для извлечения почти миллиона евро. Это не теоретический риск.
Когда вы загружаете аудио в облачный сервис расшифровки, вы создаете постоянную запись своей биометрической идентичности на инфраструктуре, которую вы не контролируете.
Утечки в облачных сервисах расшифровки
Инциденты безопасности, связанные с ИИ, увеличились на 56,4% в 2024 году. Восемьдесят два процента утечек теперь затрагивают облачную инфраструктуру. Здравоохранение столкнулось с раскрытием защищенной медицинской информации через агентов расшифровки, интеграции EHR и неправильно настроенные озера данных.
Паттерн предсказуем: конфиденциальные данные поступают в ИИ-системы, видимость снижается, и атакующие или несчастные случаи раскрывают то, что должно было оставаться приватным. Расшифровки звонков контакт-центров передаются в модели, пока номера счетов попадают в отладочные логи без маскировки.
Первая половина 2025 года показала резкий рост крупных утечек данных, затрагивающих более чувствительные категории данных. Вместо просто имен пользователей и паролей, утечки теперь раскрывают генетические профили, голосовые записи и биометрические идентификаторы.
Куда всё движется
В марте 2025 года Amazon объявила о прекращении поддержки настройки "Не отправлять голосовые записи" на устройствах Echo. Все взаимодействия пользователей с устройствами Alexa теперь записываются и отправляются на серверы Amazon по умолчанию, без возможности отказа.
Это не изолированное решение. Крупные платформы движутся к большему сбору данных, а не к меньшему. Экономические стимулы развития ИИ благоприятствуют накоплению обучающих данных. Опции приватности, существующие сегодня, могут не существовать завтра.
Мы построили Whisper Notes с противоположной архитектурой: нет сервера, куда отправлять данные. Это не настройка, которую можно изменить. Это фундаментальное ограничение того, как построено приложение.
Истинная цена «бесплатного»
Бесплатные веб-инструменты Whisper часто используют ваше аудио для улучшения своих моделей. Это раскрывается в условиях обслуживания, которые мало кто читает. Облачные API с поминутной оплатой стоят от $0.006 до $0.40 за минуту; при одном часе в неделю это около $20 в год у самого дешёвого и больше $1,200 у самого дорогого.
Сервисы на основе подписки, такие как Otter.ai, стоят примерно $99 в год. За пять лет это $495 — за сервис, который обрабатывает ваше аудио на удаленных серверах.
Whisper Notes стоит $7.99 один раз на iPhone и $14 один раз на Mac. Без подписки. Без поминутных платежей. Записи остаются на вашем устройстве. Бизнес-модель проста: вы платите за программу, вы владеете программой.
Стоимость в год
| Тип сервиса | Год 1 | Год 2 | Год 3 | Обработка данных |
|---|---|---|---|---|
| Whisper Notes | $7.99 | $0 | $0 | Никогда не покидает устройство |
| Сервис по подписке | $99 | $99 | $99 | Обработка в облаке |
| Поминутный облачный API | $20–1,250 | $20–1,250 | $20–1,250 | Обработка в облаке |
| «Бесплатные» веб-инструменты | $0 | $0 | $0 | Могут использоваться для обучения |
Когда лучше взять облачный сервис
На чистой записи большие облачные модели всё ещё немного точнее — они работают в размере, который не поместится ни в телефон, ни в ноутбук. Это настоящее преимущество, и мы не станем делать вид, что его нет.
Если вам нужны субтитры в реальном времени, если несколько человек должны править одну и ту же расшифровку, пока встреча ещё идёт, или если последняя доля точности важнее для вас, чем то, где остаётся запись, — облачный сервис здесь лучший инструмент, и пусть лучше вы возьмёте его.
Возразили бы мы только против одного: против того, чтобы считать этот разрыв в точности единственным числом в решении. В работе под обязанностью хранить тайну — медицинские записи, материалы под профессиональной тайной, интервью с источниками — «куда уходит запись?» становится вопросом, на который вы обязаны уметь ответить, и самый короткий ответ, который выдерживает проверку, — что она никуда не уходила.
Почему важна архитектура: нативные приложения против веб-обёрток
Когда вы ищете "Whisper app", вы найдете три категории: веб-инструменты, работающие в браузере, облачные API, требующие интернета, и нативные приложения, скомпилированные специально для вашего устройства. Разница в архитектуре важна как для приватности, так и для производительности.
Веб-обёртки и браузерные инструменты
Многие браузерные инструменты Whisper заявляют о "локальной обработке", что технически верно. Ваше аудио остается во вкладке браузера. Но браузерные среды имеют фундаментальные ограничения.
Ограничения памяти заставляют использовать меньшие модели. Большинство браузеров ограничивают память WebAssembly примерно 4ГБ, что ограничивает размер модели, которую можно запустить. JavaScript добавляет накладные расходы на обработку по сравнению с нативным кодом. Один сбой вкладки теряет вашу работу без возможности восстановления.
Браузерные инструменты также лишены системной интеграции. Они не могут работать в фоновом режиме, пока вы используете другие приложения. Они не могут эффективно использовать аппаратное ускорение. Это веб-страницы, которые умеют расшифровывать аудио, а не программы для расшифровки.
| Обработка | WebAssembly/TensorFlow.js в браузере |
| Размер модели | Ограничен памятью браузера (~4ГБ) |
| Скорость | Медленнее из-за накладных расходов JavaScript |
| Приватность | Лучше облака, но браузер имеет доступ |
| Надежность | Вкладка может сбоить, нет фоновой обработки |
Нативные приложения: прямой доступ к железу
Whisper Notes скомпилирован специально для macOS и iOS. Модели он запускает прямо на Apple silicon.
Это не веб-страница, обернутая в оболочку приложения. Это нативный код, оптимизированный для вашего конкретного оборудования. Именно поэтому цифры скорости на этой странице вообще возможны: на Mac встроенная модель Parakeet работает примерно в 74 раза быстрее реального времени — час аудио меньше чем за минуту.
На Mac распознавание продолжается, когда вы переключаетесь на другое приложение, после прерывания приложение аккуратно продолжает работу, а песочница системы отгораживает его от данных других приложений. И для вашего аудио и его расшифровки просто нет канала загрузки: включите режим полёта — распознавание продолжит работать с той же скоростью.
| Обработка | Работает прямо на Apple silicon |
| Размер модели | Whisper Large V3 Turbo, около 2 ГБ |
| Скорость | Parakeet — примерно 74× реального времени на Mac |
| Приватность | Аудио и расшифровки остаются на устройстве |
| Надежность | Работает и без интернета, системная интеграция |
Облачные API: максимальная мощность, максимальная открытость
Облачные сервисы могут запускать крупнейшие модели Whisper, потому что серверные ресурсы фактически безграничны. Они могут предложить незначительно более высокую точность и функции вроде расшифровки в реальном времени, требующие значительной вычислительной мощности.
Компромисс: каждая запись загружается на инфраструктуру, которую вы не контролируете. Ваше аудио проходит через интернет, обрабатывается на удаленных серверах и может храниться в соответствии с политиками хранения, которые вы не выбирали.
Для терапевтов, связанных требованиями конфиденциальности, юристов, работающих с привилегированными коммуникациями, журналистов, защищающих источники, или любого, кто работает с конфиденциальной информацией, облачная обработка часто является дисквалифицирующим фактором независимо от преимуществ точности.
| Обработка | Удаленные серверы (безлимитные вычисления) |
| Размер модели | Крупнейшие доступные модели |
| Скорость | Зависит от интернета и очереди сервера |
| Приватность | Аудио загружается и возможно хранится |
| Надежность | Требует интернета, подвержен лимитам |
Наше архитектурное решение
Мы выбрали архитектуру нативного приложения, потому что только так можно было вовсе убрать путь, по которому ваши голосовые данные могли бы покинуть устройство. Не "обработано локально, затем синхронизировано". Не "зашифровано при передаче". Канала загрузки просто нет.
Этот выбор имеет издержки. Записи не превращаются в субтитры слово за словом, пока вы говорите: живая расшифровка при записи на iPhone и при записи встречи на Mac показывает слова через несколько секунд, но только на 25 европейских языках, которые поддерживает Parakeet; на других языках панель на Mac обновляется примерно каждые 30 секунд. Мы не можем запускать модели больше, чем помещается на вашем устройстве. Мы не можем обеспечить совместные функции, требующие сервера.
Мы сделали этот компромисс намеренно. Для случаев использования, где важна приватность — а по нашему опыту это включает большую часть профессиональной расшифровки — отсутствие канала загрузки перевешивает функции, требующие облачной инфраструктуры.
Какая модель делает работу?
Движки и как выбрать один
Характеристики
| Модели ИИ | Parakeet (по умолчанию), Whisper Large V3 Turbo (Mac) или Whisper Small (iPhone), SenseVoice, Apple Speech (iOS 26, macOS 26); на Mac также Qwen3-ASR 1.7B (Beta) |
| Языки | 100 языков через Whisper, 25 европейских через Parakeet, 6 через SenseVoice |
| Аудиоформаты | MP3, WAV, M4A, FLAC, AAC |
| Скорость обработки | Parakeet — примерно 74× реального времени на Mac; ветка Whisper Turbo — примерно 2,7× |
| Ограничения по времени и оплата | До 24 часов на файл, без поминутной оплаты |
| Платформы | iOS 18+ (iPhone 12+), macOS 14+ (Apple Silicon) |
Что приложение умеет на деле?
Ежедневную работу держат три вещи: как аудио попадает внутрь, как текст выходит наружу и ограничение, которое удерживает и то и другое на устройстве.
Офлайн-импорт файлов
Импортируйте аудиофайлы или завершенные записи для точной офлайн-расшифровки с ИИ. Приложение обрабатывает файл целиком, а не потоком, поэтому модель видит весь контекст и ошибается реже.
- ✓Импорт аудиофайлов из разных источников («Файлы», «Диктофон» и т. д.)
- ✓Сначала запись, потом расшифровка — так точнее
- ✓На Mac перетащите несколько файлов на значок приложения — они расшифруются по очереди
- ✓Автоматическая организация файлов и расшифровок
Расширенные варианты экспорта
Профессиональные форматы вывода, адаптированные для различных случаев использования, от простых текстовых документов до файлов субтитров для видеоконтента.
- ✓Простой текст с настраиваемым форматированием
- ✓Файлы субтитров SRT и VTT для видео
- ✓Расшифровки с временными метками
- ✓Идентификация и маркировка говорящих
- ✓Пользовательская сегментация абзацев
Полная конфиденциальность: распознавание речи по-настоящему офлайн
Приложение устроено так, что аудио не может покинуть устройство: канала загрузки нет, и это проверяется в режиме полёта.
- ✓Распознавание речи полностью офлайн (аудио никуда не отправляется)
- ✓Нет стороннего обработчика данных, которого нужно покрывать соглашением BAA
- ✓Хранение только на устройстве, шифрование средствами iOS и macOS
- ✓Без облачных зависимостей — настоящая офлайн-программа для расшифровки
Насколько точно приложение и откуда взялась эта цифра?
Опубликованные бенчмарки плюс наши собственные замеры на названном железе
Мы не проводим собственное исследование точности: производитель, который проверяет сам себя, стоит немного. Показатели ошибок ниже взяты из Hugging Face Open ASR Leaderboard и бенчмарка FLEURS. Оба открыты и их ведут люди, которые ничего не зарабатывают на этом приложении. Цифры скорости наши, измерены на машине, которую мы называем.
Доля ошибок по словам, по моделям
| Модель | Источник | Доля ошибок | Примечание |
|---|---|---|---|
| Parakeet V3 (основа модели по умолчанию) | Open ASR Leaderboard | 6,32 % WER (английский) | 25 европейских языков; 12,0 % в среднем по ним на FLEURS |
| Whisper Large V3 Turbo | Open ASR Leaderboard | 7,83 % WER (английский) | Самый широкий охват из трёх: 100 языков |
| SenseVoice Small | Наш тест, M4 Pro | 27-минутный подкаст за 13,83 с | Сделана для китайского, японского, корейского и кантонского; замерено на более ранней версии приложения — примерно как нынешние 115–131× в карточке модели |
Key Findings
- •На Mac Parakeet работает примерно в 74 раза быстрее реального времени; Whisper Turbo на том же файле в разы медленнее
- •На английском три модели расходятся меньше чем на два пункта доли ошибок
- •Измеряют на читаной и подготовленной речи. Ваши собственные записи покажут результат хуже, а микрофон и перебивающие друг друга голоса сдвигают цифру сильнее, чем выбор модели
Большие облачные модели сохраняют небольшое преимущество на чистом аудио, потому что работают в размере, который не поместится ни в телефон, ни в ноутбук. Этот разрыв — цена того, что аудио никогда не покидает устройство. Если вашей работе не нужен последний пункт точности, обмен обычно того стоит. Если нужен, честнее посоветовать облачный сервис.
Как оно смотрится рядом с альтернативами?
Против облачных сервисов, встроенных инструментов и корпоративного ПО
Большую часть этой таблицы можно проверить самому за несколько минут. Внимательно стоит читать строку о точности: четыре категории измерены не на одном и том же бенчмарке.
Сравнение возможностей
| Функция | Приложение Whisper Notes | Облачные сервисы | Встроенные инструменты | Корпоративное ПО |
|---|---|---|---|---|
| Точность (WER на английском) | 6,32-7,83 % (Open ASR Leaderboard) | Цифры от самих поставщиков, в этом рейтинге их почти нет | Не публикуется | Не публикуется |
| Где обрабатывается аудио | На вашем устройстве | Серверы поставщика | Зависит от поставщика | Локальная опция |
| Стоимость | $7.99 iPhone, $14 Mac, один раз | $0.006-0.40/мин | Бесплатно (ограничено) | $500-2000/лицензия |
| Языки | 100 языков | 50-100 языков | 10-30 языков | 20-50 языков |
| Требуется интернет | Нет | Да | Иногда | Локально: нет |
| Ограничение длины файла | Без поминутной оплаты | Обычно 1-2 часа | 5-10 минут | Различается |
Market Position: Передовой облачный API всё ещё немного точнее на чистом аудио, и стоит от $0.006 до $0.40 за минуту, а ваша запись при этом лежит на чужом диске. Корпоративная расшифровка на своих серверах держит аудио внутри вашей сети и начинается примерно с $500 за место. Whisper Notes запускает открытые модели на железе, которое у вас уже есть, за $7.99 на iPhone или $14 на Mac, и ради этого отказывается от субтитров в прямом эфире, совместного редактирования и последней доли точности. Если хоть один из этих трёх пунктов вам нужен, лучше покупать один из двух других вариантов.
Для какой работы это подходит?
Три вида работы, где записи некуда уезжать
Здравоохранение
Медики используют Whisper Notes для документирования приёмов, клинических заметок и исследовательских интервью. Аудио никогда не попадает на наш сервер, поэтому нет и стороннего обработчика, которого нужно покрывать договором. Отвечает ли весь рабочий процесс требованиям к защите медицинских данных, по-прежнему зависит от того, как защищено само устройство. А если коллегам нужно открывать одну и ту же заметку и оставлять комментарии, практичнее взять облачный сервис с подписанным договором.
Use Cases
- •Документирование консультаций пациентов
- •Заметки о медицинских процедурах
- •Расшифровка исследовательских интервью
- •Записи сессий телемедицины
- •Материалы для клинического обучения
Benefits
- ✓Нет политики обмена данными, которой пришлось бы доверять: ничего не отправляется
- ✓Свой словарь для клинических терминов и названий препаратов
- ✓Медицинские данные не покидают устройство, потому что нет канала загрузки
- ✓Двадцатиминутный приём расшифровывается меньше чем за минуту на Mac с Apple Silicon
Юриспруденция
Юристы используют Whisper Notes для показаний, встреч с доверителями и подготовки дел. Запись остаётся на устройстве, так что копии нет ни у одного поставщика. Чего это не решает — ваших собственных обязанностей: отвечает ли конкретный рабочий процесс требованиям конфиденциальности в вашей юрисдикции, по-прежнему зависит от того, как вы обращаетесь с устройством, его резервными копиями и экспортом.
Use Cases
- •Документирование встреч с доверителями
- •Расшифровка показаний
- •Заметки по исследованию дел
- •Записи юридических процедур
- •Следственные интервью
Benefits
- ✓Мы не храним ни копии записи, ни копии расшифровки
- ✓Свой словарь для названий дел и юридических терминов
- ✓Расшифровки с временными метками, экспорт в текст, SRT или VTT
- ✓$7.99 на iPhone или $14 на Mac, один раз, против поминутной оплаты внешней расшифровки
Журналистика
Репортёры используют Whisper Notes для интервью с источниками и полевых записей. Аудио не хранится ни на каком сервере, поэтому единственные копии — на ваших собственных устройствах. Это переносит защиту источника с нашей политики хранения, которую вы не можете проверить, на безопасность вашего устройства, которую можете. Если редакции нужно, чтобы несколько человек правили одну расшифровку прямо во время события, это задача облачного инструмента.
Use Cases
- •Расшифровка интервью с источниками
- •Расшифровка полевых записей
- •Заметки с пресс-конференций
- •Архив исследовательских интервью
- •Производство подкастов
Benefits
- ✓Ни запись, ни расшифровка никуда не отправляются
- ✓Работает с выключенной сетью, и этим же способом проверяется само заявление
- ✓Нет аккаунта, значит нет и истории входов, связывающей интервью с вами
- ✓Экспорт в текст, SRT или VTT — под инструменты, которыми редакция уже пользуется
Насколько это быстро и где не дотягивает?
Цифры, которые мы измерили, и то, что исключает сама конструкция
Что мы мерили и на чём
Скорость зависит от машины и от выбранного движка, поэтому один множитель для "приложения" вводил бы в заблуждение. Ниже наши собственные запуски: время по часам от старта до готового текста, на железе, которое мы называем.
Parakeet V3 (основа движка по умолчанию)
Примерно 74× реального времени на Mac: запись встречи длиной 17,5 минуты расшифровывается примерно за 15 секунд
25 европейских языков; наш собственный запуск, одна машина
Ветка Whisper Turbo
Whisper Large V3 Turbo на том же Mac работает примерно в 2,7 раза быстрее реального времени — это цена его 100 языков
Наши собственные запуски; Turbo — ветка широкого охвата, а не быстрая
Старые и небольшие устройства
iPhone проходит файл медленнее, чем Mac с Apple Silicon, и разрыв растёт с возрастом чипа. Длинные файлы всё равно досчитываются, просто пропорционально дольше
iPhone 12 и новее либо Mac с Apple Silicon
Место на диске
Расшифровки крошечные, около 0,1 МБ на час аудио. Реальный объём — это модели: на Mac Qwen3-ASR 1.7B занимает около 2,5 ГБ, а Whisper Large V3 Turbo — около 2 ГБ; остальные меньше
Parakeet встроен в приложение; остальные модели скачиваются внутри приложения
Известные ограничения
Запуск моделей на устройстве задаёт жёсткие границы, и проверить их проще до покупки, чем после. Именно поэтому бесплатный тариф на Mac рассчитан на 5 000 слов в неделю.
Требования к устройству
Рассчитан на iPhone 12 и новее и на Mac с Apple Silicon; у более старых iPhone не хватает производительности Neural Engine, чтобы это было практично. Версия из Mac App Store ставится и на Mac на Intel, но без SenseVoice, Qwen3-ASR и быстрой живой расшифровки.
Impact: iPhone 12 или новее; для всех моделей — Mac на Apple Silicon
Время обработки
Время обработки растёт вместе с длиной записи. Физику вычислений на устройстве обойти нечем.
Impact: При скоростях выше часовой файл — это минуты на Mac и дольше на iPhone
Зависимость от качества аудио
Плохая запись или громкий фоновый шум снижают точность, а модель не может восстановить то, чего нет в сигнале.
Impact: Расположение микрофона и перебивающие друг друга голоса двигают долю ошибок сильнее, чем выбор модели
Нет субтитров в реальном времени
Whisper Notes — не сервис субтитров. На iPhone расшифровка появляется на экране прямо во время записи на 25 европейских языках, которые поддерживает Parakeet; при записи встречи на Mac панель живой расшифровки показывает слова через несколько секунд на этих языках и примерно каждые 30 секунд на остальных. Итоговая расшифровка делается по всему файлу, и это даёт модели больше контекста.
Impact: Если нужны субтитры на экране прямо во время мероприятия, это не тот инструмент
Один язык на запись
Быстрое переключение языков внутри одной записи снижает точность. Модель работает лучше всего, когда язык не меняется от начала до конца.
Impact: Лучший результат — один основной язык на файл
Заключение: лучшее офлайн-приложение для профессионалов
Лучшее офлайн-приложение
Тысячи профессионалов доверяют Whisper Notes для точной и приватной офлайн-расшифровки с ИИ
Скачать для iOSДля iOS (iPhone 12+) и macOS (Apple Silicon). $7.99 один раз на iPhone; на Mac 5 000 слов в неделю бесплатно, затем $14 один раз. Без подписок.