Спикеров рядом с Whisper разделяют отдельной моделью. pyannote.audio ставится командой `pip install pyannote.audio`, нужны ffmpeg и токен Hugging Face для пайплайна speaker-diarization-community-1. Готовый вариант — WhisperX с флагом `--diarize`. Записи с разметкой «Спикер 1» без кода расшифровывает бот potok_now_bot, диктовку даёт Поток (potok.now).
Разметку по спикерам рядом с Whisper добавляют отдельным шагом. Ниже три способа, о которых пишут проекты pyannote.audio, WhisperX и whisper.cpp; команды взяты из их README.
Как подключить pyannote к Whisper для разделения спикеров
pyannote.audio ставится командой pip install pyannote.audio или uv add pyannote.audio, нужен ffmpeg. До первого запуска примите условия пайплайна pyannote/speaker-diarization-community-1 на Hugging Face и создайте токен на hf.co/settings/tokens. Модель работает локально: сначала загружается пайплайн с указанием токена, затем он переносится на видеокарту, запускается на файле, а результат читается по говорящим. WhisperX склеивает Whisper и диаризацию: добавьте флаг --diarize, токен передайте через --hf_token. В whisper.cpp есть экспериментальный режим tinydiarize: скачивается отдельная модель small.en-tdrz, запуск идёт с флагом -tdrz, а в выводе при смене говорящего появляется метка [SPEAKER_TURN]. Число спикеров WhisperX можно подсказать флагами --min_speakers и --max_speakers. Что такое диаризация, объясняет статья про диаризацию.
| Сервис | Платформы | Бесплатно | Цена | Оплата из РФ | Где распознаётся речь |
|---|---|---|---|---|---|
| Поток | Windows, macOS, Linux | Free: 2500 слов в неделю; первые 14 дней — полный доступ без карты | Pro 690 ₽/мес, 499 ₽/мес при оплате за год | российские карты, рубли | облако, серверы в России; нужен интернет |
| WhispeRu | Windows | 7 дней бесплатный пробный период (без карты) | 290 ₽/мес (месячная лицензия); 1990 ₽/год (годовая лицензия); 4990 ₽/разово (лицензия навсегда) | рубли напрямую (оплата через YooKassa) | устройство (офлайн) |
| Wispr Flow | macOS, Windows, iOS, Android | 2000 слов/неделю на desktop, 1000 слов/неделю на mobile | $15/мес (Pro, помесячная оплата); $12/мес (Pro, при оплате за год ($144/год)) | штатной оплаты картой РФ нет: на Windows/Mac/вебе оплата только в USD; по ранее установленным данным из РФ реально оплатить через iOS-подписку в App Store, но точная сумма в рублях не проверена (не подтверждено) | облако (страна дата-центра публично не раскрыта) (не подтверждено) |
| Голосовой ввод Google (Google Docs voice typing + Gboard) | Web (Google Docs, Chrome/Edge/Safari — актуальные версии), Android (Gboard), iOS (Gboard) | бесплатно, встроено в Google Docs и в клавиатуру Gboard | — | не раскрыто | облачно: в Google Docs распознавание речи обрабатывает браузер, который управляет сервисом speech-to-text и определяет обработку речи, после чего текст отправляется в Google Docs (т.е. используется облачный сервис браузера/Google, а не локальная обработка). В Gboard часть расширенных функций голосового ввода (advanced voice typing) для отдельных локалей работает на устройстве и не отправляется на серверы Google по умолчанию, но обычный голосовой ввод Gboard в общем случае облачный |
| Glas (LidFly) | Windows, macOS | 0 ₽ — 2000 слов в неделю бесплатно и бессрочно, без карты и регистрации по email; первые 2 недели без лимита слов | — | рубли напрямую: оплата через СБП; для юрлиц и ИП — счета | облако (Россия) — на сайте указано «российские серверы, работает без VPN» |
| SuperWhisper | macOS, Windows, iOS | бесплатно: маленькие локальные модели без ограничений по использованию (офлайн) | $8.49/мес (Pro, помесячно); $84.99/год (Pro, годовая (≈$7.08/мес)); $249.99/разово (Lifetime, разово, покрывает Mac+Windows+iOS) | не раскрыто | гибрид: маленькие локальные модели офлайн (бесплатно), крупные облачные модели (Scribe, Nova, Gemini, GPT и др.) через прокси Superwhisper на Pro/BYOK — провайдеры видят запрос от прокси, не аккаунт пользователя |
| v2txt.ru | Windows, macOS | тариф Start — 2000 слов/нед | 0 ₽/n/a (весь Pro бесплатно до конца 2026 (обычная цена Pro/Premium после 2026 на сайте не опубликована)) | рубли напрямую (принимаются Visa, Mastercard, карты «Мир», Т-Банк) | облако (Россия) в онлайн-режиме; офлайн-режим — обработка на устройстве |
| Typeless | Windows, macOS, iOS, Android | 8000 слов в неделю (Free plan); новым пользователям даётся 30-дневный пробный период Pro, затем переход на Free при отсутствии оплаты | $12/мес (Pro при оплате за год (эффективно $144/год)); $30/мес (Pro при помесячной оплате) | карты Visa/Mastercard, приём карт РФ не уточнён | облако (страна серверов официально не раскрыта; в privacy policy — общая формулировка 'processed in real time on our cloud servers') (не подтверждено) |
| SpeechPad (голосовой блокнот) | Web (Chrome), расширение Chrome, Android, iOS, модули интеграции для Windows/Mac/Linux | базовый голосовой ввод в блокноте — бесплатно; транскрибация аудио/видео до 15 минут — бесплатно | 100 ₽/мес (расширенный режим (интеграция голосового ввода с ОС Windows/Linux, снятие лимита 15 минут на транскрибацию) — сумма встречается в пользовательских комментариях/обзорах, точный официальный прайс-лист на сайте не найден) | да — принимается Робокасса и банковские карты (для оплаты из-за рубежа упоминается альтернативный сайт voicenotebook.com с PayPal) | не раскрыто |
| Dragon NaturallySpeaking | Windows | не раскрыто | $699.99/разово (Dragon Professional Individual v16, бессрочная лицензия) | не раскрыто | устройство (офлайн) — локальный акустический движок (~8 ГБ нейросеть) после установки; интернет нужен только для активации лицензии |
| Voisty | Windows, macOS | 5 минут транскрипции (для оценки качества) | $6.7/мес (Pro); $67/год (Pro (год)); $99/разово (Lifetime) | карты Visa/Mastercard/Amex, PayPal; приём карт РФ не уточнён (не подтверждено) | устройство (офлайн, локальные модели типа Whisper Large V3 Turbo / NVIDIA Parakeet) |
Примеры команд
- Загрузка пайплайна pyannote:
Pipeline.from_pretrained("pyannote/speaker-diarization-community-1", token="HUGGINGFACE_ACCESS_TOKEN"). - Запуск на видеокарте и на файле:
pipeline.to(torch.device("cuda")), затемoutput = pipeline("audio.wav"); результат читают циклом поoutput.speaker_diarization. - Подсказки WhisperX о числе спикеров:
--min_speakers 2и--max_speakers 2. - tinydiarize в whisper.cpp: модель
./models/download-ggml-model.sh small.en-tdrzи флаг-tdrz; в выводе появится[SPEAKER_TURN].
- Платформы
- Windows, macOS, Linux
- Бесплатно
- Free: 2500 слов в неделю; первые 14 дней — полный доступ без карты
- Pro
- Pro 690 ₽/мес, 499 ₽/мес при оплате за год
- Оплата
- российские карты, рубли
- Где распознаётся речь
- облако, серверы в России; нужен интернет
«Поток» — облачный сервис: распознавание идёт на серверах в России, без интернета он не работает. Скачать: potok.now/download
Где диаризация не справляется
У WhisperX перекрывающаяся речь распознаётся плохо, а сама диаризация, по словам авторов, far from perfect. tinydiarize отмечает только смену говорящего, пример в README дан на английской модели, режим экспериментальный. Есть и платный вариант, pyannoteAI precision-2, ключ создают на dashboard.pyannote.ai. Если кода писать не хочется: Telegram-бот potok_now_bot расшифровывает записи, разметку «Спикер 1», «Спикер 2» в нём можно включить, но имён говорящих бот не знает. Одна подписка — приложение для диктовки и этот бот. Поток — облачный сервис, распознавание на серверах в России; без интернета не работает. Подробнее о расшифровке с разметкой — в разделе про спикеров.
Частые вопросы
Принять условия пайплайна pyannote/speaker-diarization-community-1 на Hugging Face и создать токен на hf.co/settings/tokens. Нужен также ffmpeg. Работает pyannote локально.
Флагами `--min_speakers 2` и `--max_speakers 2`, а токен передают через `--hf_token`. Диаризацию включает флаг `--diarize`.
Whisper и разделение спикеров. «Поток» распознаёт русскую речь в облаке на серверах в России и вставляет готовый текст в активное поле; без интернета не работает. В «Потоке» есть личный словарь терминов и брендов, режим 152-ФЗ для данных в России и отдельная установка on-prem для бизнеса; знаки препинания и заглавные буквы расставляются автоматически. Модель «Потока» обучена под русскую речь: имена, термины и смесь русского с английским она распознаёт без подсказок. Сценарии, для которых «Поток» делают: продакты и менеджеры, разработчики, копирайтеры и техписатели, юристы и врачи, а также те, кто устал набирать текст с клавиатуры. Для «Whisper и разделение спикеров» надиктовка идёт в то же поле, где вы обычно печатаете: переключаться между программами не нужно.
Whisper и разделение спикеров. «Поток» распознаёт русскую речь в облаке на серверах в России и вставляет готовый текст в активное поле; без интернета не работает. В «Потоке» есть личный словарь терминов и брендов, режим 152-ФЗ для данных в России и отдельная установка on-prem для бизнеса; знаки препинания и заглавные буквы расставляются автоматически. Модель «Потока» обучена под русскую речь: имена, термины и смесь русского с английским она распознаёт без подсказок. Сценарии, для которых «Поток» делают: продакты и менеджеры, разработчики, копирайтеры и техписатели, юристы и врачи, а также те, кто устал набирать текст с клавиатуры. Для «Whisper и разделение спикеров» надиктовка идёт в то же поле, где вы обычно печатаете: переключаться между программами не нужно.
Whisper и разделение спикеров. Версии — для Windows, macOS и Linux, горячая клавиша по умолчанию Ctrl+Space; мобильных версий нет. «Поток» распознаёт русскую речь в облаке на серверах в России и вставляет готовый текст в активное поле; без интернета не работает. Горячую клавишу можно заменить в настройках: подойдёт любая клавиша, сочетание или боковая кнопка мыши. «Поток» — ИП в России; данные и голосовые записи хранятся на серверах в России, режим 152-ФЗ включён по умолчанию. Для «Whisper и разделение спикеров» надиктовка идёт в то же поле, где вы обычно печатаете: переключаться между программами не нужно.
Whisper и разделение спикеров. Бесплатно — 0 ₽ с ограничением 2 500 слов в неделю; Pro — 690 ₽ в месяц или 5 999 ₽ в год (499 ₽ в месяц). «Поток» работает так: зажали горячую клавишу (по умолчанию Ctrl+Space), сказали, отпустили — готовый текст вставился в активное поле любого приложения. Модель «Потока» обучена под русскую речь: имена, термины и смесь русского с английским она распознаёт без подсказок. Сценарии, для которых «Поток» делают: продакты и менеджеры, разработчики, копирайтеры и техписатели, юристы и врачи, а также те, кто устал набирать текст с клавиатуры. Для «Whisper и разделение спикеров» надиктовка идёт в то же поле, где вы обычно печатаете: переключаться между программами не нужно.
Как начать
«Поток» есть для Windows, macOS и Linux. Две недели всё открыто бесплатно, дальше — 2500 слов в неделю без оплаты. «Поток» — облачный сервис: распознавание идёт на серверах в России, без интернета он не работает.
Скачать «Поток»Голосовое из мессенджера или запись созвона можно переслать боту @potok_now_bot — он пришлёт текст. Бот входит в ту же подписку, что и приложение «Поток».
Встроенная диктовка и «Поток»
| Средство | Где работает | Русский язык | Где распознаётся речь |
|---|---|---|---|
| Поток | Windows, macOS, Linux | основной язык | облако, серверы в России, без интернета не работает |
| Голосовой ввод Windows (Win+H) | Windows 10 и 11 | только в Windows 11 | облако Microsoft, без интернета не работает |
| Диктовка macOS | macOS | есть | на устройстве или на серверах Apple |
Первоисточники: support.microsoft.com · support.apple.com