Для русского модель Whisper выбирают по ошибкам и видеопамяти. По статье OpenAI на тесте Fleurs WER равен: tiny 31,1%, base 20,5%, small 11,4%, medium 7,2%, large 6,4%. Памяти нужно от около 1 ГБ у tiny до около 10 ГБ у large. Поток (potok.now) — облачная диктовка, где модель выбирать не нужно.
Whisper выпускается в нескольких размерах, и выбор между ними — это обмен точности на скорость и видеопамять.
Какую модель Whisper выбрать: tiny, base, small, medium или large
Скорость в списке ниже дана относительно large по замеру на A100.
- У tiny 39 M параметров, около 1 ГБ видеопамяти и скорость примерно в 10 раз выше, чем у large: это самая быстрая модель в списке.
- У base 74 M параметров, около 1 ГБ видеопамяти и скорость примерно в 7 раз выше.
- Small состоит из 244 M параметров, занимает около 2 ГБ и работает примерно в 4 раза быстрее.
- Medium: 769 M параметров, около 5 ГБ, примерно вдвое быстрее large.
- Large — это 1550 M параметров, около 10 ГБ видеопамяти и скорость, принятая за единицу.
- В turbo 809 M параметров, около 6 ГБ видеопамяти и примерно в 8 раз выше скорость, чем у large.
Модели с суффиксом .en понимают только английский, для русского они не подходят. Версия large-v3 обучена на 1 млн часов слабо размеченного и 4 млн часов псевдоразмеченного звука, ошибок у неё на 10–20% меньше, чем у large-v2. В карточке есть предупреждение: модель может выдать текст, которого нет в записи, и склонна к повторам.
| 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 |
| Aqua Voice | macOS, Windows, iOS | Starter — 1000 бесплатных слов (модель Avalon), карта не требуется | $8/мес (Pro, при годовой оплате); $10/мес (Pro, помесячно); $24/мес (Max, при годовой оплате) | неизвестно — на сайте оплата в USD, отдельно есть покупка через iOS App Store; приём карт РФ не подтверждён (не подтверждено) | облако (собственная модель Avalon; страна дата-центра публично не раскрыта) (не подтверждено) |
| Win+H (голосовой ввод Windows) | Windows | бесплатно, встроено в Windows 10 и Windows 11 | — | не раскрыто | облако (Azure Speech services, Microsoft) — обязательно требуется подключение к интернету |
| 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 |
| Голосовой доступ (Voice Access) Windows 11 | Windows | бесплатно, встроено в Windows 11 версии 22H2 и новее | — | не раскрыто | устройство (офлайн) — распознавание речи на устройстве после разовой загрузки языкового пакета; интернет нужен только для первичной загрузки языка |
| Spokenly | macOS, Windows, Linux, iOS | локальные модели (Whisper/Parakeet) бесплатно навсегда без лимита слов; при подключении собственных API-ключей (BYOK) — тоже бесплатно | $9.99/мес (Pro, помесячно); $99.99/год (Pro, годовая (≈$8.33/мес)) | не раскрыто | гибрид: локально на устройстве (Whisper/Parakeet, бесплатно) либо облако (GPT-4o Transcribe, Deepgram Nova 3, Soniox и др. — через BYOK или Pro) |
| 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) |
| MacWhisper | macOS | Free-версия доступна ("Free forever", ограниченный функционал), Pro — платно | €64/разово (Pro, разовая покупка через Gumroad, пожизненные обновления); $29.99/год (Pro, версия App Store ("Whisper Transcription"), подписка); $99.99/разово (Pro, версия App Store, разовая покупка) | не раскрыто | устройство (офлайн) по умолчанию — локальные модели Whisper; есть опциональные облачные провайдеры транскрипции, но не основной режим |
| А-ГОЛОС | macOS, Windows, Android | 20 минут аудио в месяц бесплатно, без привязки карты | 490 ₽/мес (Lite, 120 мин/мес); 4900 ₽/год (Lite, год); 950 ₽/мес (Pro, 300 мин/мес) | рубли напрямую (через внешнего платёжного провайдера, данные карт сервисом не хранятся) | облако — политика заявляет хранение персональных данных на серверах в РФ, но само распознавание речи выполняет OpenAI (США); результаты и аудио на серверах компании не хранятся |
| Talkpad | macOS, Windows, Android | 2500 слов/нед на десктопе, 1500 слов/нед на мобильном, бесплатно навсегда; плюс 14 дней Pro-триал | $6/мес (Pro (при годовой оплате, $72/год)); $8/мес (Pro (помесячная оплата)) | неизвестно (не подтверждено) | облако (юрлицо зарегистрировано в Австралии; сайт хостится на Cloudflare, точное расположение серверов ASR не раскрыто в privacy policy) (не подтверждено) |
| Диктуй | Windows, macOS | 30 минут диктовки в месяц, бесплатно навсегда | 239 ₽/мес (Профи (цена в пересчёте при годовой оплате)); 2870 ₽/год (Профи (год, счёт целиком)); 479 ₽/мес (Макс (цена в пересчёте при годовой оплате)) | рубли напрямую (не подтверждено) | облако (страна дата-центра не раскрыта на сайте) (не подтверждено) |
Как сопоставить модель со своей видеокартой
- Посмотрите, сколько видеопамяти у вас свободно, и сравните с цифрами выше: small берёт около 2 ГБ, medium около 5 ГБ, large около 10 ГБ.
- Для русского берите многоязычную модель, без суффикса
.en. - Помните, что русский WER из статьи OpenAI получен на Fleurs, где дикторы читают текст, а не говорят свободно.
- О том, как модель устроена, расскажет разбор работы Whisper.
Где Поток не ответ на этот вопрос
Поток — облачный сервис, распознавание на серверах в России; без интернета не работает. Это приложение для диктовки на Windows, macOS и Linux: размера модели там выбирать не приходится. Версий для Android и iPhone нет. Готовые записи расшифровывает Telegram-бот potok_now_bot, подробнее — что делает бот и что приложение.
Частые вопросы
У turbo 809 M параметров, а декодер урезан с 32 до 4 слоёв; в карточке модели указано небольшое ухудшение качества. Средний WER на Open ASR leaderboard 7,83 у turbo и 7,44 у large-v3. Это средние цифры, а не оценка для русского.
У кода и весов Whisper лицензия MIT. На карточке large-v3 указана Apache-2.0, у turbo — MIT. Из-за расхождения проще писать об открытой лицензии и смотреть карточку конкретной модели.
Какую модель Whisper выбрать. «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 «Какую модель Whisper выбрать» надиктовка идёт в то же поле, где вы обычно печатаете: переключаться между программами не нужно.
Какую модель Whisper выбрать. «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 «Какую модель Whisper выбрать» надиктовка идёт в то же поле, где вы обычно печатаете: переключаться между программами не нужно.
Какую модель Whisper выбрать. 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 «Какую модель Whisper выбрать» надиктовка идёт в то же поле, где вы обычно печатаете: переключаться между программами не нужно.
Какую модель Whisper выбрать. 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 «Какую модель Whisper выбрать» надиктовка идёт в то же поле, где вы обычно печатаете: переключаться между программами не нужно.
Если хотите сравнить сами
Возьмите одну свою задачу и надиктуйте её в «Потоке». Первые 14 дней — без ограничений и без карты. «Поток» — облачный сервис: распознавание идёт на серверах в России, без интернета он не работает.
Скачать «Поток»Одна подписка — два инструмента: диктовка в любой программе на компьютере и @potok_now_bot в Telegram, который расшифровывает голосовые, аудио и видео.
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