Как расшифровать аудио локально с помощью Whisper на Mac и Windows

Whisper — модель распознавания речи, которую компания OpenAI выпустила с открытым исходным кодом под лицензией MIT. Файлы модели общедоступны, поэтому ее можно запустить на собственном компьютере и расшифровывать интервью, голосовые заметки и записи встреч, никуда их не загружая.

В этой статье — бесплатный путь через командную строку с whisper.cpp на Mac и на Windows, а затем путь без терминала, с приложением для компьютера. Команды проверены на whisper.cpp 1.9.5 — последнем выпуске на 19 октября 2026 г.

Что понадобится

• Mac или ПК с Windows. whisper.cpp работает и там, и там. На Apple silicon он задействует GPU через Metal.
• От нескольких сотен МБ до 3 ГБ на диске для одной модели, в зависимости от ее размера.
• ffmpeg для конвертации аудио, потому что пример whisper-cli работает с 16-битными файлами WAV.
• Подключение к интернету — один раз, чтобы установить инструменты и скачать модель. После этого расшифровка работает без интернета.

Выберите модель Whisper

Модели покрупнее обычно точнее и всегда медленнее. Вот их размеры и примерный расход памяти по данным README whisper.cpp:

Есть еще large-v3-turbo: по описанию OpenAI, это оптимизированная версия large-v3, которая работает быстрее при минимальной потере точности (README Whisper от OpenAI). Модели с окончанием .en, например small.en, работают только с английским; OpenAI отмечает, что при размерах tiny и base они обычно лучше справляются с английской речью. Если в записи звучит несколько языков или речь не на английском, используйте многоязычную модель.

Для встреч разумно начать с small. Если имена и цифры получаются с ошибками, переходите на medium или large-v3-turbo, а если она работает слишком медленно — на base.

На Mac: установите whisper.cpp через Homebrew

Если у вас есть Homebrew, ничего собирать не придется.

1. Установите whisper.cpp и ffmpeg:

   brew install whisper.cpp ffmpeg

   После этого у вас появится команда whisper-cli.

2. Скачайте модель в папку, которую потом легко найдете:

   mkdir -p ~/whisper-models
   curl -L -o ~/whisper-models/ggml-small.bin \
     https://huggingface.co/ggerganov/whisper.cpp/resolve/main/ggml-small.bin

   Вместо small можно подставить другое название модели из таблицы, например medium или large-v3-turbo.

3. Конвертируйте запись в монофонический WAV 16 кГц:

   ffmpeg -i interview.m4a -ar 16000 -ac 1 -c:a pcm_s16le interview.wav

4. Расшифруйте ее:

   whisper-cli -m ~/whisper-models/ggml-small.bin -f interview.wav -l auto -otxt -osrt

   Вы получите interview.wav.txt с обычным текстом и interview.wav.srt с временными метками.

На Windows: соберите whisper.cpp

На Windows предсказуемее всего собрать whisper.cpp из исходного кода. Готовые zip-архивы появляются на странице выпусков whisper.cpp, но их названия и содержимое меняются от сборки к сборке.

1. Установите инструменты: Git, CMake, Visual Studio Build Tools с рабочей нагрузкой для C++ и ffmpeg, добавленный в PATH.

2. Скачайте код и модель в PowerShell:

   git clone https://github.com/ggml-org/whisper.cpp.git
   cd whisper.cpp
   .\models\download-ggml-model.cmd small

3. Соберите whisper.cpp:

   cmake -B build
   cmake --build build -j --config Release

4. Конвертируйте запись и расшифруйте ее:

   ffmpeg -i interview.m4a -ar 16000 -ac 1 -c:a pcm_s16le interview.wav
   .\build\bin\Release\whisper-cli.exe -m models\ggml-small.bin -f interview.wav -l auto -otxt -osrt

Если у вас видеокарта NVIDIA, в README описано, как собрать whisper.cpp с CUDA, чтобы расшифровка шла быстрее.

Полезные параметры

Полный список покажет команда whisper-cli -h. OpenAI отмечает, что модель turbo не обучена переводу, поэтому с -tr используйте многоязычную модель, например medium.

Проверьте, что все действительно работает без интернета

Когда модель скачана, выключите Wi-Fi и запустите ту же команду еще раз. Если расшифровка появилась, значит, вся работа прошла на вашем компьютере. Это самое простое доказательство того, что запись его не покидала.

Чего командная строка за вас не сделает

whisper.cpp отлично превращает файл в текст. Но если речь о встречах, кое-что придется делать самим:

• Запись звонка. Нужен еще один инструмент, чтобы записать и ваш микрофон, и звук остальных участников.
• Кто что сказал. При обычном запуске меток говорящих нет; в README описан экспериментальный параметр для некоторых моделей.
• Итоги. Расшифровка — это еще не сводка. Ее пришлось бы самостоятельно вставлять в модель ИИ, а значит, и решать, где эта модель работает.
• Долгосрочное хранение. Со временем накопятся папки с файлами .txt: их придется называть, искать по ним и следить за их сохранностью.

Расшифруйте файл локально с помощью Kimiko

Если с терминалом связываться не хочется, Kimiko запускает на компьютерах Mac с Apple silicon и ПК с Windows локальные речевые модели, в том числе Whisper Small, Whisper Medium и Whisper Large v3 Turbo, наряду со своей моделью по умолчанию — Nemotron. Kimiko также записывает встречи без бота, расставляет метки говорящих и составляет сводки с помощью встроенного ИИ на вашем компьютере.

1. Установите Kimiko и завершите настройку. Рекомендуемая речевая модель скачивается во время настройки, а для локальных сводок можно нажать Добавить рядом со строкой Встроенный ИИ.
2. Выберите модель Whisper, если она вам нужна, в разделе Настройки → Расшифровка → Речевые модели. Скачайте ее, а затем выберите.
3. Импортируйте запись. Выберите пункт Импортировать аудиофайл… на странице «Заметки» или в проекте либо перетащите файл на страницу «Заметки». Файлы WAV, M4A, FLAC, OGG и AIFF подходят сразу, без конвертации.
4. Прочитайте результат. Вы получите расшифровку и сводку. Если в разделе Настройки → Расшифровка включены метки говорящих, Kimiko различает в импортированной записи до восьми голосов — Говорящий 1, Говорящий 2 и так далее, — и их можно переименовать.
5. Спросите или экспортируйте. Задайте вопросы о записи в чате или экспортируйте расшифровку и сводку в Markdown, Word или PDF.

Когда выбраны локальные модели, и расшифровка, и сводка создаются на вашем компьютере. Параметр Хранить аудио записей по умолчанию — Выключено, поэтому Kimiko сохраняет расшифровку, а аудио удаляет. Импорт аудио доступен в пробный период или по подписке. Подробнее о том, что и где работает, — в статье о расшифровке встреч без интернета.

Частые вопросы

Можно ли пользоваться Whisper бесплатно?

Да. Код и модели Whisper опубликованы OpenAI под лицензией MIT, и whisper.cpp тоже распространяется под лицензией MIT. Расплачиваетесь вы только временем и памятью своего компьютера.

Какую модель Whisper выбрать для встреч?

Начните с small и проверьте, как она справляется с именами, цифрами и акцентами в ваших записях. Для сложного аудио переходите на medium или large-v3-turbo, если вашему компьютеру хватает памяти.

Можно ли расшифровать файл MP3 или M4A?

Да. Сначала конвертируйте его в WAV 16 кГц командой ffmpeg, приведенной выше, а затем запустите whisper-cli для файла WAV.

Отправляет ли Whisper мое аудио куда-нибудь?

Нет, если вы запускаете его локально через whisper.cpp. Модель работает на вашем компьютере, а скачивать нужно только сам инструмент и файл модели. С облачными сервисами расшифровки на основе Whisper все иначе: там аудио отправляется на их серверы.

Может ли Whisper различать говорящих?

Не при обычном запуске whisper.cpp. Вы получаете единый поток текста с временными метками. Приложения, созданные для встреч, добавляют отдельную модель распознавания говорящих, чтобы отметить, кто что сказал.

Скачайте Kimiko, если хотите расшифровывать локально без терминала. Попробовать можно бесплатно.