Whisper Notes App: Офлайн Мовлення в Текст
Огляд додатку Whisper Notes з використанням OpenAI Whisper Large V3 Turbo для офлайн транскрипції на iPhone і Mac
Що таке Whisper Notes?
Whisper Notes — це додаток для офлайн транскрипції мовлення в текст з використанням моделі OpenAI Whisper Large V3 Turbo. Він обробляє аудіо повністю на вашому пристрої — без завантаження в хмару. Використовується медичними, юридичними спеціалістами та журналістами для відповідності HIPAA та повної конфіденційності.
Додаток Whisper Notes має 10,000+ користувачів по всьому світу. 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" Whisper Додатків
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 Постійні
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 deepfake 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.
Ландшафт Витоків Хмарної 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. Транскрипти 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.
Напрямок Руху
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 додаток.
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 сервіси з оплатою за хвилину від $0.006 до $0.40 за хвилину накопичуються до сотень доларів щорічно для регулярних користувачів.
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. Без підписки. Без оплати за хвилину. Без збору даних. 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 Підписки | $99 | $99 | $99 | Обробка в хмарі |
| Хмарний API за хвилину | $120-480 | $120-480 | $120-480 | Обробка в хмарі |
| "Безкоштовні" Веб-інструменти | $0 | $0 | $0 | Використовується 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, і вміють давати субтитри просто по ходу мовлення, чого розпізнавання на пристрої поки не наздоганяє. Це справжні переваги, і ми не вдаватимемо, що їх 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 Додатки vs. Web Wrapper
Коли ви шукаєте "Whisper app", ви знайдете три категорії: веб-інструменти, що працюють у вашому браузері, хмарні API, що вимагають інтернету, та нативні додатки, скомпільовані спеціально для вашого пристрою. Різниця в архітектурі має значення як для конфіденційності, так і для продуктивності.
Web Wrapper та Інструменти на Основі Браузера
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 додатки. 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 Додатки: Прямий Доступ до Апаратного Забезпечення
Whisper Notes скомпільовано спеціально для macOS та iOS. Він отримує доступ до Apple Neural Engine напряму — того самого виділеного чіпа, що живить Face ID та обчислювальну фотографію.
Це не веб-сторінка, загорнута в оболонку додатка. Це нативний код, оптимізований для вашого конкретного апаратного забезпечення. Саме тому цифри швидкості на цій сторінці взагалі можливі: на M4 Pro Parakeet V3 проходить 35 хвилин аудіо приблизно за 18 секунд.
Нативні додатки можуть працювати у фоновому режимі, інтегруватися з системними сервісами та елегантно відновлюватися після перебоїв. Вони ізольовані операційною системою, тобто вони не можуть отримати доступ до даних з інших додатків. І для вашого аудіо та його розшифровки просто немає каналу вивантаження: увімкніть режим польоту — розпізнавання працюватиме з тією самою швидкістю.
| Обробка | Прямий доступ до Apple Neural Engine |
| Розмір Моделі | Whisper Large V3 Turbo, приблизно 1,5 ГБ |
| Швидкість | Parakeet V3 — близько 60x реального часу на нашому M5 Air |
| Конфіденційність | Ізольований, без дозволів на мережу |
| Надійність | Фонова обробка, 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. Ми не робимо субтитрів у прямому ефірі, поки ви говорите, бо моделі, які роблять це добре, не вміщаються в телефон. 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?
Три рушії й як обрати один
Специфікації
| Моделі ШІ | Parakeet V3 (типова), Whisper Large V3 Turbo (Mac) або Whisper Small (iPhone), SenseVoice |
| Мови | 101 варіант через Whisper, 25 європейських через Parakeet V3, 6 через SenseVoice |
| Аудіоформати | MP3, WAV, M4A, FLAC, AAC, OGG, WMA |
| Швидкість | Parakeet V3 — близько 60x реального часу на нашому M5 Air; гілка Whisper Turbo — близько 11x |
| Розмір Файлу | Застосунок жодних обмежень не накладає |
| Платформи | iOS 18+, macOS 11+ (оптимізовано для 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. Додаток Whisper Notes обробляє файли з використанням повного контексту для кращої точності.
- ✓Імпорт з Files, Voice Memos, будь-де
- ✓Спочатку записуйте, потім транскрибуйте для найкращої точності
- ✓Фонова обробка під час використання інших додатків
- ✓Автоматична організація файлів
Опції 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.
- ✓Нуль передачі даних — офлайн обробка
- ✓У ланцюжку немає стороннього обробника, якого мав би покривати BAA
- ✓Зашифроване локальне сховище
- ✓Без хмарних серверів — працює повністю на вашому пристрої
- ✓Аудиторський слід для корпоративного використання
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 (типова на Mac) | 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: 101 мовний варіант |
| SenseVoice Small | Наш тест, M4 Pro | 27-хвилинний подкаст за 13,83 с | Зроблена для китайської, японської, корейської та кантонської |
Key Findings
- •Parakeet V3 розшифровує 35 хвилин аудіо за 18 секунд на M4 Pro; Whisper Turbo витрачає на той самий файл близько трьох хвилин
- •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 | Додаток 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 | Опція on-premise |
| Вартість | $7.99 на iPhone, $14 на Mac, одноразово | $0.006-0.40/хв | Безкоштовно (обмежено) | $500-2000/ліцензія |
| Мови | 101 мовний варіант | 50-100 мов | 10-30 мов | 20-50 мов |
| Обмеження довжини файлу | Застосунок жодних не накладає | Зазвичай 1-2 години | 5-10 хвилин | Варіюється |
| Інтернет | Ні | Так | Іноді | On-premise: 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 on-premise 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, VTT або JSON
- ✓$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, VTT або JSON 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, типовий рушій
Запис наради на 17,5 хвилини завершився за 16,7 секунди на нашому M5 Air — близько 60x реального часу
25 європейських мов; наш власний запуск, одна машина
Гілка Whisper Turbo
Whisper Large V3 Turbo на тому самому шляху йде ближче до 11x реального часу — це ціна його 101 мовного варіанта
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: Whisper Large V3 Turbo — приблизно 1,5 ГБ, інші дві менші
Parakeet V3 вбудований у застосунок для iPhone; інші моделі завантажуються всередині застосунку
Відомі обмеження
Запуск моделей на пристрої ставить жорсткі межі, і перевірити їх до покупки простіше, ніж після. Пробна версія на Mac дає 5 000 слів саме заради цього.
Вимоги до пристрою
Потрібен iPhone 12 або новіший, або Mac з Apple Silicon. Старішому залізу бракує продуктивності Neural Engine, щоб це було практично.
Impact: Несумісно з пристроями, старшими за чотири-п'ять років
Час обробки
Час обробки зростає пропорційно довжині запису. Обійти фізику обчислень на пристрої неможливо.
Impact: За наведеними швидкостями чотиригодинний 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
Застосунок розшифровує запис після його завершення, а не показує субтитри, поки ви говорите. Живі субтитри такої якості потребують класу моделей, що не вміщається в телефон, а обробка файлу цілком до того ж 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 Додаток Whisper Notes
Офлайн мовлення в текст для iPhone і Mac. Транскрипція з фокусом на конфіденційність.
Завантажити для iOSДодаток Whisper Notes на iOS і macOS • $7.99 одноразово • Без підписок