Whisper Notes App: офлайн-перетворення мовлення в текст
Огляд застосунку Whisper Notes з використанням OpenAI Whisper для офлайн-транскрипції на iPhone і Mac
Що таке Whisper Notes?
Whisper Notes — це застосунок для офлайн транскрипції мовлення в текст з використанням OpenAI Whisper (Large V3 Turbo на Mac, Small на iPhone). Він обробляє аудіо повністю на вашому пристрої — без завантаження в хмару. Ним користуються медики, юристи й журналісти, коли аудіо не повинно залишати пристрій.
Медичні працівники використовують його для нотаток про пацієнтів. Журналісти для транскрипції інтерв'ю. Юристи для депозицій. Все офлайн — ваше аудіо ніколи не покидає ваш пристрій.
Прихована вартість «безкоштовних» застосунків Whisper
За нашим досвідом, "безкоштовні" інструменти транскрипції слідують послідовній моделі: вони завантажують ваше аудіо на хмарні сервери, обробляють його віддалено та зберігають дані для покращення своїх моделей. Продукт — це не програмне забезпечення, а ваш голос.
Голосові дані — назавжди
На відміну від паролів або номерів кредитних карток, голосову біометрію неможливо змінити після компрометації. Кілька секунд запису фіксують акустичні підписи, які ідентифікують вас у різних контекстах.
Технологія клонування голосу тепер потребує лише від трьох до п'яти секунд зразка аудіо. Точність людського виявлення високоякісних голосових діпфейків залишається на рівні лише 24.5%. У 2025 році голосовий клон міністра оборони Італії був використаний для виманювання майже одного мільйона євро. Це не теоретичний ризик.
Коли ви завантажуєте аудіо в хмарний сервіс транскрипції, ви створюєте постійний запис вашої біометричної ідентичності на інфраструктурі, яку ви не контролюєте.
Витоки в хмарних сервісах транскрипції
Інциденти безпеки, пов'язані з ШІ, зросли на 56.4% у 2024 році. Вісімдесят два відсотки витоків тепер стосуються хмарної інфраструктури. Охорона здоров'я зазнала розкриття захищеної медичної інформації через агентів транскрипції, інтеграції EHR та неправильно налаштовані сховища даних.
Модель передбачувана: конфіденційні дані потрапляють у системи ШІ, видимість падає, а зловмисники або нещасні випадки розкривають те, що мало бути приватним. Розшифровки дзвінків контакт-центрів передаються моделям, поки номери рахунків потрапляють у журнали налагодження без маскування.
Перша половина 2025 року показала різке зростання великих витоків даних, що стосуються більш чутливих категорій даних. Замість просто імен користувачів і паролів, витоки тепер розкривають генетичні профілі, голосові записи та біометричні ідентифікатори.
Куди все рухається
У березні 2025 року Amazon оголосив про припинення налаштування "Не надсилати голосові записи" на пристроях Echo. Всі взаємодії користувачів з пристроями Alexa тепер записуються та надсилаються на сервери Amazon за замовчуванням, без можливості відмовитися.
Це не ізольоване рішення. Великі платформи рухаються до більшого збору даних, а не меншого. Економічні стимули розробки ШІ сприяють накопиченню навчальних даних. Опції конфіденційності, які існують сьогодні, можуть не існувати завтра.
Ми створили Whisper Notes з протилежною архітектурою: немає сервера, куди надсилати дані. Це не налаштування, яке можна змінити. Це фундаментальне обмеження того, як побудовано застосунок.
Справжня ціна «безкоштовного»
Безкоштовні веб-інструменти Whisper часто використовують ваше аудіо для покращення своїх моделей. Це розкривається в умовах використання, які мало хто з користувачів читає. Хмарні API з похвилинною оплатою коштують від $0.006 до $0.40 за хвилину; якщо транскрибувати годину на тиждень, це близько $20 на рік у найдешевшого і понад $1,200 у найдорожчого.
Сервіси на основі підписки, такі як Otter.ai, коштують приблизно $99 на рік. За п'ять років це $495—за сервіс, який обробляє ваше аудіо на віддалених серверах.
Whisper Notes коштує $7.99 один раз на iPhone і $14 один раз на Mac. Без підписки. Без оплати за хвилину. Записи залишаються на вашому пристрої. Бізнес-модель проста: ви платите за програмне забезпечення, ви володієте програмним забезпеченням.
Вартість на рік
| Тип сервісу | Рік 1 | Рік 2 | Рік 3 | Обробка даних |
|---|---|---|---|---|
| Whisper Notes | $7.99 | $0 | $0 | Ніколи не покидає пристрій |
| Сервіс за підпискою | $99 | $99 | $99 | Обробка в хмарі |
| Хмарний API за хвилину | $20–1,250 | $20–1,250 | $20–1,250 | Обробка в хмарі |
| «Безкоштовні» веб-інструменти | $0 | $0 | $0 | Можуть використовуватися для навчання ШІ |
Коли краще взяти хмарний сервіс
На чистому записі великі хмарні моделі досі трохи точніші — вони працюють у розмірі, який не вміститься ні в телефон, ні в ноутбук. Це справжня перевага, і ми не вдаватимемо, що її немає.
Якщо вам потрібні субтитри в реальному часі, якщо кілька людей мають правити ту саму розшифровку, поки зустріч ще триває, або якщо остання частка точності важить для вас більше, ніж те, де залишається запис, — хмарний сервіс тут кращий інструмент, і нехай краще ви візьмете його.
Заперечили б ми лише проти одного: проти того, щоб вважати цей розрив у точності єдиним числом у рішенні. У роботі під обов'язком зберігати таємницю — медичні записи, матеріали під професійною таємницею, інтерв'ю з джерелами — «куди йде запис?» стає питанням, на яке ви маєте вміти відповісти, а найкоротша відповідь, що витримує перевірку, — що він нікуди не йшов.
Чому архітектура має значення: нативні застосунки проти веб-обгорток
Коли ви шукаєте "Whisper app", ви знайдете три категорії: веб-інструменти, що працюють у вашому браузері, хмарні API, що вимагають інтернету, та нативні застосунки, скомпільовані спеціально для вашого пристрою. Різниця в архітектурі має значення як для конфіденційності, так і для продуктивності.
Веб-обгортки та браузерні інструменти
Багато інструментів Whisper на основі браузера заявляють про "локальну обробку", що технічно правильно. Ваше аудіо залишається у вкладці браузера. Але середовища браузера мають фундаментальні обмеження.
Обмеження пам'яті змушують використовувати менші моделі. Більшість браузерів обмежують пам'ять WebAssembly приблизно до 4GB, що обмежує розмір моделі, яка може працювати. JavaScript додає накладні витрати обробки порівняно з нативним кодом. Одна аварія вкладки втрачає вашу роботу без можливості відновлення.
Інструменти на основі браузера також не мають системної інтеграції. Вони не можуть працювати у фоновому режимі, поки ви використовуєте інші застосунки. Вони не можуть ефективно отримати доступ до апаратного прискорення. Це веб-сторінки, які випадково роблять транскрипцію, а не програмне забезпечення транскрипції.
| Обробка | WebAssembly/TensorFlow.js у браузері |
| Розмір моделі | Обмежено пам'яттю браузера (~4GB) |
| Швидкість | Повільніше через накладні витрати JavaScript |
| Конфіденційність | Краще за хмару, але браузер має доступ |
| Надійність | Вкладка може впасти, без фонової обробки |
Нативні застосунки: прямий доступ до апаратного забезпечення
Whisper Notes скомпільовано спеціально для macOS та iOS, і свої моделі він запускає безпосередньо на Apple silicon.
Це не веб-сторінка, загорнута в оболонку застосунку. Це нативний код, оптимізований для вашого конкретного апаратного забезпечення. Саме тому цифри швидкості на цій сторінці взагалі можливі: на Mac вбудована модель Parakeet працює приблизно в 74 рази швидше за реальний час — година аудіо менш ніж за хвилину.
На Mac транскрипція триває, коли ви перемикаєтеся на інший застосунок, після перерви застосунок охайно продовжує роботу, а пісочниця системи відгороджує його від даних інших застосунків. І для вашого аудіо та його розшифровки просто немає каналу вивантаження: увімкніть режим польоту — розпізнавання працюватиме з тією самою швидкістю.
| Обробка | Працює безпосередньо на Apple silicon |
| Розмір моделі | Whisper Large V3 Turbo, приблизно 2 ГБ |
| Швидкість | Parakeet — приблизно 74× реального часу на Mac |
| Конфіденційність | Аудіо й розшифровки залишаються на пристрої |
| Надійність | Працює й без інтернету, системна інтеграція |
Хмарні API: максимальна потужність, максимальне розкриття
Хмарні сервіси можуть запускати найбільші моделі Whisper, тому що серверні ресурси фактично необмежені. Вони можуть пропонувати трохи вищу точність та функції, такі як транскрипція в реальному часі, що вимагають значної обчислювальної потужності.
Компроміс: кожен запис завантажується на інфраструктуру, яку ви не контролюєте. Ваше аудіо проходить через інтернет, обробляється на віддалених серверах і може зберігатися відповідно до політик збереження, які ви не обирали.
Для терапевтів, зв'язаних вимогами конфіденційності, юристів, що працюють з привілейованими комунікаціями, журналістів, що захищають джерела, або будь-кого, хто працює з конфіденційною інформацією, хмарна обробка часто є дискваліфікуючим фактором незалежно від переваг точності.
| Обробка | Віддалені сервери (необмежені обчислення) |
| Розмір моделі | Найбільші доступні моделі |
| Швидкість | Залежить від інтернету та черги сервера |
| Конфіденційність | Аудіо завантажується та потенційно зберігається |
| Надійність | Потребує інтернету, підлягає лімітам |
Чим ми заплатили за таку архітектуру
Нативний застосунок був єдиним способом зробити обіцянку про приватність структурною, а не договірною. «Обробляється локально, потім синхронізується» і «шифрується під час передачі» — обидва твердження правдиві щодо систем, у яких копія вашого аудіо все одно десь лежить. Ми хотіли варіант, де копії просто не існує.
Рахунок за це приходить у функціях. Запис не перетворюється на субтитри слово за словом, поки ви говорите: жива транскрипція під час запису на iPhone і запису зустрічі на Mac показує слова за кілька секунд, але лише 25 європейськими мовами, які підтримує Parakeet; іншими мовами панель на Mac оновлюється приблизно кожні 30 секунд. Ми не запускаємо нічого більшого, ніж витримає ваш пристрій. І ми не даємо спільного редагування чи командних просторів, бо для них потрібен сервер, а його в нас немає.
Якщо бодай одне з цих трьох є у вашому списку — це не той застосунок, а один із хмарних сервісів той. Ми радше скажемо це тут, ніж дамо вам дізнатися після покупки.
Яка модель робить роботу?
Рушії й як обрати один
Специфікації
| Моделі ШІ | Parakeet (типова), Whisper Large V3 Turbo (Mac) або Whisper Small (iPhone), SenseVoice, Apple Speech (iOS 26, macOS 26); на Mac також Qwen3-ASR 1.7B (Beta) |
| Мови | 100 мов через Whisper, 25 європейських через Parakeet, 6 через SenseVoice |
| Аудіоформати | MP3, WAV, M4A, FLAC, AAC |
| Швидкість | Parakeet — приблизно 74× реального часу на Mac; гілка Whisper Turbo — приблизно 2,7× |
| Обмеження за часом і оплата | До 24 годин на файл, без похвилинної оплати |
| Платформи | iOS 18+ (iPhone 12+), macOS 14+ (Apple Silicon) |
Що він насправді вміє?
Три речі тягнуть на собі майже все щоденне користування: завести аудіо всередину, дістати текст назовні й обмеження, яке тримає обидва на пристрої.
Імпорт файлів
Імпортуйте аудіофайли для офлайн транскрипції. Застосунок Whisper Notes обробляє файли з використанням повного контексту для кращої точності.
- ✓Імпорт із «Файлів», «Диктофона» та звідусіль
- ✓Спочатку записуйте, потім транскрибуйте для найкращої точності
- ✓На Mac перетягніть кілька файлів на значок застосунку — вони транскрибуються по черзі
- ✓Автоматична організація файлів
Варіанти експорту
Кілька форматів виводу від тексту до субтитрів.
- ✓Простий текст з форматуванням
- ✓Файли субтитрів SRT і VTT
- ✓Транскрипції з позначками часу
- ✓Мітки спікерів
- ✓Користувацькі розриви абзаців
Захист конфіденційності
Для аудіо просто немає каналу вивантаження. Це не налаштування, а технічне обмеження застосунку, і перевірити його можна в режимі польоту.
- ✓Аудіо нікуди не надсилається — обробка офлайн
- ✓У ланцюжку немає стороннього обробника, якого мав би покривати BAA
- ✓Зберігання лише на пристрої, шифрування засобами iOS і macOS
- ✓Без хмарних серверів — працює повністю на вашому пристрої
Наскільки точний застосунок і звідки взялася ця цифра?
Опубліковані бенчмарки плюс наші власні заміри на названому залізі
Ми не проводимо власного дослідження точності: виробник, який перевіряє сам себе, вартий небагато. Показники помилок нижче взято з Hugging Face Open ASR Leaderboard і бенчмарка FLEURS. Обидва відкриті, і ведуть їх люди, які нічого не заробляють на цьому застосунку. Цифри швидкості наші, виміряні на машині, яку ми називаємо.
Частка помилок за словами, за моделями
| Модель | Джерело | Частка помилок | Примітка |
|---|---|---|---|
| Parakeet V3 (основа типової моделі) | Open ASR Leaderboard | 6,32 % WER (англійська) | 25 європейських мов; 12,0 % у середньому по них на FLEURS |
| Whisper Large V3 Turbo | Open ASR Leaderboard | 7,83 % WER (англійська) | Найширше покриття з трьох: 100 мов |
| SenseVoice Small | Наш тест, M4 Pro | 27-хвилинний подкаст за 13,83 с | Зроблена для китайської, японської, корейської та кантонської; виміряно на ранішій версії застосунку — приблизно як нинішні 115–131× у картці моделі |
Key Findings
- •На Mac Parakeet працює приблизно в 74 рази швидше за реальний час; Whisper Turbo на тому самому файлі в рази повільніший
- •Англійською три моделі різняться менше ніж на два пункти частки помилок
- •Вимірюють на читаному та підготовленому мовленні. Ваші власні записи покажуть гірший результат, а мікрофон і голоси, що перебивають один одного, зсувають цифру сильніше, ніж вибір моделі
Великі хмарні моделі зберігають невелику перевагу на чистому аудіо, бо працюють у розмірі, який не вміститься ні в телефон, ні в ноутбук. Цей розрив — ціна того, що аудіо ніколи не покидає пристрій. Якщо вашій роботі не потрібен останній пункт точності, обмін зазвичай того вартий. Якщо потрібен, чесніше порадити хмарний сервіс.
Як він виглядає поруч з альтернативами?
Проти хмарних сервісів, проти інструментів, що вже є на пристрої, і проти корпоративного ПЗ
Більшу частину цієї таблиці можна перевірити за кілька хвилин. Уважно варто читати рядок про точність, бо чотири категорії виміряні не на одному бенчмарку.
Таблиця порівняння
| Функція | Застосунок Whisper Notes | Хмарні сервіси | Вбудовані інструменти | Корпоративне ПЗ |
|---|---|---|---|---|
| Точність (англійський WER) | 6,32-7,83 % (Open ASR Leaderboard) | Цифри від виробника, здебільшого не з цього бенчмарку | Не публікують | Не публікують |
| Де обробляється аудіо | На вашому пристрої | Сервери постачальника | Залежить від постачальника | Локальне розгортання |
| Вартість | $7.99 на iPhone, $14 на Mac, одноразово | $0.006-0.40/хв | Безкоштовно (обмежено) | $500-2000/ліцензія |
| Мови | 100 мов | 50-100 мов | 10-30 мов | 20-50 мов |
| Обмеження довжини файлу | Без похвилинної оплати | Зазвичай 1-2 години | 5-10 хвилин | Варіюється |
| Інтернет | Ні | Так | Іноді | Локально: ні |
Market Position: Коли три варіанти стоять поруч, обмін стає зрозумілим. Передовий хмарний API усе ще трохи точніший на чистому аудіо й коштує від $0.006 до $0.40 за хвилину, а ваш запис лежить на чужому диску. Корпоративна транскрипція на власних серверах тримає аудіо всередині вашої мережі й починається приблизно від $500 за місце. Whisper Notes запускає відкриті моделі на залізі, яке у вас уже є, за $7.99 на iPhone або $14 на Mac — і платить за це відсутністю живих субтитрів, спільного редагування та останньої частки точності. Якщо бодай одне з цих трьох є у вашому списку, кращою покупкою буде один із двох інших варіантів.
Для яких завдань він добре підходить?
Три типи роботи, де запис не може нікуди їхати
Охорона здоров'я
Медики користуються Whisper Notes для документації пацієнтів, клінічних нотаток і дослідницьких інтерв'ю. Оскільки аудіо не потрапляє на жоден наш сервер, немає й стороннього обробника, якого мав би покривати BAA. Чи відповідає HIPAA весь процес, усе одно залежить від того, як захищено сам пристрій — а якщо колегам треба відкривати й коментувати ту саму нотатку, практичнішою відповіддю буде хмарний сервіс із підписаним BAA.
Use Cases
- •Нотатки консультацій пацієнтів
- •Документація медичних процедур
- •Транскрипція дослідницьких інтерв'ю
- •Записи телемедичних сесій
- •Клінічний навчальний контент
Benefits
- ✓Немає політики обміну даними, якій треба довіряти, бо нічого не надсилається
- ✓Власний словник для клінічних термінів і назв ліків
- ✓Медичні дані не покидають пристрій, бо каналу вивантаження немає
- ✓20-хвилинна консультація розшифровується значно менше ніж за хвилину на Mac з Apple Silicon
Юриспруденція
Юристи користуються Whisper Notes для депозицій, інтерв'ю з клієнтами та підготовки справ. Запис лишається на пристрої, тож жоден постачальник не тримає його копії. Чого це не вирішує — так це ваших власних обов'язків: чи задовольняє конкретний процес правила конфіденційності вашої юрисдикції, усе одно залежить від того, як поводяться з пристроєм, його резервними копіями та експортами.
Use Cases
- •Документація інтерв'ю з клієнтами
- •Транскрипція депозицій
- •Нотатки дослідження справ
- •Записи юридичних процедур
- •Слідчі інтерв'ю
Benefits
- ✓У нас немає копії ані запису, ані розшифровки
- ✓Власний словник для назв справ і юридичних термінів
- ✓Розшифровки з позначками часу, експорт у текст, SRT або VTT
- ✓$7.99 на iPhone або $14 на Mac, одноразово, проти похвилинної транскрипції на аутсорсі
Журналістика
Репортери користуються Whisper Notes для інтерв'ю з джерелами та польових записів. Жоден сервер не тримає аудіо, тож єдині копії — на ваших власних пристроях. Це переносить захист джерела з нашої політики зберігання, яку ви не можете перевірити, на безпеку вашого пристрою, яку можете. Якщо редакції потрібно, щоб кілька людей правили одну розшифровку під час події наживо — це робота хмарного інструмента.
Use Cases
- •Транскрипція інтерв'ю з джерелами
- •Документування польових записів
- •Нотатки з пресконференцій
- •Архіви дослідницьких інтерв'ю
- •Виробництво подкастів
Benefits
- ✓Ні запис, ні розшифровка нікуди не надсилаються
- ✓Працює з пристроєм офлайн — так само ви й перевіряєте це твердження
- ✓Немає облікового запису, отже й історії входів, що прив'язує інтерв'ю до вас
- ✓Експорт у текст, SRT або VTT для інструментів, якими редакція вже користується
Наскільки він швидкий і де не дотягує?
Цифри, які ми виміряли, і те, що архітектура виключає
Що ми міряли і на чому
Швидкість залежить від машини й від обраного рушія, тож один множник «для застосунку» вводив би в оману. Нижче — наші власні запуски, час від старту до готового тексту, на залізі, яке ми називаємо.
Parakeet V3 (основа типового рушія)
Приблизно 74× реального часу на Mac: запис наради на 17,5 хвилини розшифровується приблизно за 15 секунд
25 європейських мов; наш власний запуск, одна машина
Гілка Whisper Turbo
Whisper Large V3 Turbo на тому самому Mac працює приблизно в 2,7 раза швидше за реальний час — це ціна його 100 мов
Наші власні запуски; Turbo — гілка найширшого покриття, а не найшвидша
Старіші та менші пристрої
iPhone проходить файл повільніше, ніж Mac з Apple Silicon, і розрив зростає з віком чипа. Довгі файли все одно завершуються, просто пропорційно довше
iPhone 12 або новіший, або Mac з Apple Silicon
Сховище
Розшифровки крихітні, близько 0,1 МБ на годину аудіо. Місце займають моделі: на Mac Qwen3-ASR 1.7B — приблизно 2,5 ГБ, Whisper Large V3 Turbo — приблизно 2 ГБ; решта менші
Parakeet вбудований у застосунок; інші моделі завантажуються всередині застосунку
Відомі обмеження
Запуск моделей на пристрої ставить жорсткі межі, і перевірити їх до покупки простіше, ніж після. Безкоштовний тариф на Mac дає 5 000 слів на тиждень саме заради цього.
Вимоги до пристрою
Розрахований на iPhone 12 або новіший і Mac з Apple Silicon; старішим iPhone бракує продуктивності Neural Engine, щоб це було практично. Версія з Mac App Store встановлюється й на Mac на Intel, але без SenseVoice, Qwen3-ASR і швидкої живої розшифровки.
Impact: iPhone 12 або новіший; для всіх моделей — Mac на Apple Silicon
Час обробки
Час обробки зростає пропорційно довжині запису. Обійти фізику обчислень на пристрої неможливо.
Impact: За наведеними швидкостями годинний файл — це хвилини на Mac і довше на iPhone
Залежність від якості аудіо
Погане аудіо чи гучний фоновий шум знижують точність, і модель не відновить інформацію, якої немає в сигналі.
Impact: Розташування мікрофона й перебивання зсувають частку помилок сильніше, ніж вибір моделі
Немає живих субтитрів
Whisper Notes — не сервіс субтитрів. На iPhone розшифровка з'являється на екрані просто під час запису — 25 європейськими мовами, які підтримує Parakeet; під час запису зустрічі на Mac панель живої розшифровки показує слова за кілька секунд цими мовами й приблизно кожні 30 секунд — рештою. Підсумкова розшифровка робиться з усього файлу, і це дає моделі більше контексту.
Impact: Якщо потрібні субтитри на екрані під час самої події — це не той інструмент
Змішування мов
Проблеми зі швидким перемиканням мов в одному записі
Impact: Найкраще з послідовною мовою протягом всього
Висновок
Завантажте застосунок Whisper Notes
Офлайн мовлення в текст для iPhone і Mac. Транскрипція з фокусом на конфіденційність.
Завантажити для iOSДля iOS (iPhone 12+) і macOS (Apple Silicon). $7.99 один раз на iPhone; на Mac 5 000 слів на тиждень безкоштовно, далі $14 один раз. Без підписок.