Whisper

Whisper — открытая модель распознавания речи от OpenAI. Она расшифровывает аудио и видео, поддерживает десятки языков, включая русский, и умеет расставлять таймкоды для субтитров.

Главное преимущество — локальный запуск: запись не нужно никуда загружать, что важно для интервью и внутренних совещаний. Есть готовые приложения-обёртки с понятным интерфейсом, программировать не обязательно.

Качество зависит от записи: на чистом звуке без шума результат близок к ручной расшифровке, на плохом микрофоне появляются ошибки. Модель также умеет переводить речь на английский, но с потерей нюансов.

Как начать

1. Выберите готовое приложение с Whisper или установите модель через Python.
2. Загрузите аудио или видео и укажите язык (или автоопределение).
3. Выберите размер модели: больше — точнее, но медленнее.
4. Проверьте имена, термины и пунктуацию вручную.

Примеры промптов

Скопируйте и замените квадратные скобки на свои данные. Если сервис понимает только английский, промпт придётся перевести.

Приведи расшифровку в порядок: расставь знаки препинания, разбей на абзацы по смысловым блокам, убери слова-паразиты, сохрани смысл и порядок. Не пересказывай — только редактируй.

Разбей текст на субтитры по 42 символа, сохрани порядок и смысловые границы. Формат: номер, таймкод, текст. Не разрывай слова и имена.

Плюсы и минусы

Чем заменить

Как использовать

• Музыка из нейросети: как генерировать и где использовать
• Озвучка текста нейросетью: голоса, интонации и подводные камни

Частые вопросы