Whisper — это open-source модель распознавания речи (ASR) от OpenAI: код и веса на github.com/openai/whisper под MIT. Умеет транскрипцию, перевод речи в английский и определение языка. Ниже — как пользоваться Whisper новичку: установка, выбор размера модели, когда брать turbo, и чем локальный Whisper не равен облачному API OpenAI.

Соседи: ElevenLabs (озвучка, не ASR), MiniMax Speech, локальные модели, ChatGPT. Карта старта — нейросети для начинающих.

Что ставите на стол

  1. Пакет — pip install -U openai-whisper (нужны Python, PyTorch-совместимое окружение, ffmpeg в системе).
  2. Модель — одна из шести: tiny, base, small, medium, large, turbo (см. таблицу README).
  3. Файл — аудио wav/mp3/flac; CLI: whisper audio.mp3 --model turbo.

Ожидание новичка: расшифровка 5-15 минутного файла в текст за вечер на CPU/GPU. Не путайте с «Whisper в ChatGPT» — это другой продуктовый контур OpenAI API.

Размеры моделей (официальная таблица)

Size Parameters English-only Multilingual VRAM (ориентир) Относит. скорость*
tiny 39 M tiny.en tiny ~1 GB ~10x
base 74 M base.en base ~1 GB ~7x
small 244 M small.en small ~2 GB ~4x
medium 769 M medium.en medium ~5 GB ~2x
large 1550 M N/A large ~10 GB 1x
turbo 809 M N/A turbo ~6 GB ~8x

*Источник: github.com/openai/whisper README (Available models and languages). Relative speed — относительно large на A100 по доке; на вашем ПК цифры другие. Лицензия кода и весов: MIT. Срез: август 2026. turbo — оптимизированный large-v3 для быстрой транскрипции; не обучен под translation — для перевода non-English → English берите multilingual tiny/base/small/medium/large.

Маршрут: первая расшифровка за 15-40 минут

  1. Поставьте ffmpeg (apt/brew/choco) и pip install -U openai-whisper.
  2. Старт с turbo (дефолт CLI) на английском или чистой записи; для русского часто берут small/medium и --language Russian.
  3. Команда: whisper lecture.mp3 --model small --language Russian.
  4. Перевод в английский: whisper file.wav --model medium --language Japanese --task translate (не turbo).
  5. Проверка: прослушайте 1-2 минуты глазами по тексту — имена и термины правятся руками.
pip install -U openai-whisper
# Ubuntu: sudo apt install ffmpeg
whisper interview.mp3 --model small --language Russian
# перевод речи в английский (не turbo):
whisper interview.mp3 --model medium --language Russian --task translate

Локальный Whisper vs облако OpenAI

Контур Где Кому Деньги
openai-whisper (этот гайд) Ваш ПК / сервер Приватность, пакетная расшифровка MIT-веса бесплатны; платите железом
OpenAI Audio API platform.openai.com Прод без своего GPU Тариф кабинета OpenAI на дату; в статье ₽/$ за минуту не выдумываем
Облачные «Whisper-хосты» Сторонние SaaS Если лень ставить Свои цены; проверяйте ToS и куда уходит аудио

Типичные ошибки

  • Брать turbo для --task translate — по README turbo вернёт исходный язык; нужен medium/large.
  • Ставить large на ноут без ~10 GB VRAM и удивляться OOM.
  • Ждать идеальных имён и терминов без ручной правки.
  • Путать локальный Whisper с подпиской ChatGPT / API whisper-1.

FAQ: Whisper

Что такое Whisper простыми словами?

Открытая модель OpenAI для превращения речи в текст (и перевода в английский). Ставится локально через pip, лицензия MIT.

С какой модели начать?

Для английского — turbo. Для русского на среднем железе — small или medium с —language Russian. large — если есть запас VRAM.

Whisper бесплатный?

Код и веса MIT — да для локального запуска. Облачные API и SaaS-обёртки — платные по своим тарифам.

Turbo умеет переводить?

Нет в смысле speech translation: по официальному README turbo не обучен под translation. Для перевода non-English → English используйте multilingual medium/large (или другие multilingual без turbo).

Нужен ли GPU?

Не обязателен, но CPU будет медленнее. Ориентиры VRAM — в таблице README; relative speed меряли на A100.

Чем Whisper отличается от ElevenLabs?

Whisper — речь→текст. ElevenLabs — в основном текст→речь (TTS) и voice tools. Это разные направления пайплайна.

Вывод

Whisper — локальная расшифровка без обязательной подписки: выберите размер под VRAM, не гоните turbo на translation. Когда нужна система обучения под ваши задачи — страница форматов обучения.

Артём Денисов — эксперт Нетологии и автор курса Яндекс Практикума по промпт-инжинирингу. Отделяет локальный Whisper от облачного API и помогает выбрать tiny…large/turbo под железо, а не «самую большую» модель.

Хотите нейросети под свои задачи, а не «для всех»?

Когда базовых гайдов уже мало, помогает разбор под вашу работу. Наставничество, курсы и подписка Артёма Денисова — все форматы на странице обучения. Старт-карта — «Нейросети для начинающих».