Whisper: нейросеть от OpenAI для транскрибации речи

Нейросетью от OpenAI, которая максимально точно расшифровывет аудио или видео запись и переводит ее в текст. Эту модель выпустили в сентябре 2022 года, но самое главное — у нее открытый код. 

Нейросеть обучали на 680 тысячах часов аудио с разными языками, акцентами и даже фоновым шумом. По этому она понимает термины любой сложности, акценты или запись в шумном месте.

А ещё Whisper —  бесплатный, что не принято в семье OpenAI. В отличие от ChatGPT, который доступен через подписку, эту модель можно свободно использовать, модернизировать и встраивать в свои проекты. Мы уже разобрались, как работать с ней — делимся инструкцией.

Давайте разберемся, как работает Whisper. Представьте: модель делит аудио на 30-секундные кусочки и превращает их в «график» звука — что-то вроде визуальной карты речи. Это помогает ей анализировать данные.

А дальше — самое крутое. Система не просто печатает услышанное. Она сама определяет, на каком языке вы говорите, отмечает начало и конец фраз (будто ставит маркеры в аудио), а еще может моментально перевести речь на английский. И всё это — в одном инструменте! Никаких отдельных настроек для каждой задачи. Просто загружаете запись — Whisper делает остальное.

У Whisper есть пять вариантов точности — от самого компактного (tiny) до самого вместительного (large).

Чем «крупнее» модель, тем детальнее она анализирует аудио. Например, large справится с шумной записью лекции или сложным акцентом, а tiny подойдёт для быстрой расшифровки чёткой речи. Но есть нюанс: большие модели требуют больше времени и мощности.

Зачем нужен whisper transcription?

Представьте себе, вы копирайтер, нашли классное видео по теме, но сидеть и перепечатывать текст с нуля очень долго. Рерайтить через ChatGPT? То же время. А если нужно быстро превратить час лекции или интервью в статью?

Решение проще, чем кажется:

1. Устанавливаете Whisper на компьютер (это займёт пару минут).
2. Загружаете видео или аудио — нейросеть за 5-10 минут выдаст готовый текст.
3. Редактируете: убираете повторы, добавляете структуру (можно через тот же ChatGPT).
4. Вставляете скриншоты, фото — и статья готова к публикации.

Важный нюанс: для скорости нужен мощный компьютер. Идеально — видеокарта Nvidia RTX с 10 ГБ памяти (или аналоги). Но если такой нет — не страшно. Whisper работает и на процессоре, просто чуть медленнее. А ещё есть облачные сервисы с похожим функционалом — о них расскажем ниже.

Как установить Whisper?

Давайте разберемся, что понадобится для старта. Чтобы Whisper заработал, нужно подготовить «фундамент» — как собрать простой конструктор.

Шаг 1: Ставим Python
Представьте, что Python — это «мотор» для всех операций. Без него ничего не запустится. Качаем одну из этих версий:

• 3.11.4 
• 3.10.11

Больше инструкций, реальных кейсов и примеров из практики по AI для бизнеса, работы и жизни в Telegram-канале, подпишитесь!

Ссылка: python

Выбирайте любую — обе подойдут.

Главное — не пропустите галочку «Добавить Python в PATH» при установке. Это как дать системе понять, где искать команды.

После установки сделайте простой тест — как проверить, работает ли новый инструмент.

1. Откройте командную строку:
   • Нажмите Win + R → введите cmd → Enter.
   • Или просто начните печатать «CMD» в поиске Windows — найдет сразу.

Введите команду: python —version. Если всё хорошо, система покажет версию Python — например, «3.11.4».

Зачем это нужно? Чтобы убедиться, что компьютер «видит» Python. Иногда после установки система не распознаёт его автоматически — тогда придётся повозиться с настройками. Но если версия отображается — можно выдохнуть и двигаться дальше.

Следующий шаг — установка PyTorch

PyTorch — это набор инструментов, без которого Whisper не запустится. Но тут есть нюанс: команда для установки зависит от вашей видеокарты.

Ссылка: PyTorch 

Для NVIDIA (самый простой путь):

• Если у вас драйверы обновлены, а видеокарта относительно новая (например, RTX 30xx/40xx), вводите в консоль:

pip3 install torch torchvision torchaudio —index-url https://download.pytorch.org/whl/cu121 

Это версия для современных GPU.

• Если видеокарта старше (например, GTX 10xx) или возникают ошибки, попробуйте:

pip3 install torch torchvision torchaudio —index-url https://download.pytorch.org/whl/cu118 

Для AMD или если нет видеокарты:
Выберите вариант для процессора (CPU):

pip3 install torch torchvision torchaudio 

Как понять, что подходит вам?

• Не уверены → начинайте с CPU-версии.
• Если Whisper будет работать медленно — позже можно переустановить под GPU.

Если не удалось запустить установку, можно поменять «pip3» на «python -m pip».

Скачиваем FFmpeg 

Whisper — это эксперт по расшифровке, но он не умеет открывать файлы «напрямую». Тут на помощь приходит FFmpeg — инструмент, который превратит любой формат (MP4, MKV, FLAC и даже редкие) в удобный для работы «язык».

Как его поставить?

1. Скачайте FFmpeg с официального GitHub:
   → Перейдите по ссылке.
   → Выберите файл ffmpeg-master-latest-win64-gpl.zip — как самый универсальный вариант.
2. Распакуйте архив в удобную папку (например, C:\FFmpeg).
3. Добавьте FFmpeg в системный PATH — так вы объясните Windows, где искать программу.
   → Нажмите Win + S → начните вводить «Система» → выберите Настройка представления и производительности системы → вкладка Дополнительно → Переменные среды → в разделе «Системные переменные» найдите Path → Изменить → Создать → укажите путь к папке bin внутри распакованного FFmpeg (например, C:\FFmpeg\bin).

Зачем это нужно? Без FFmpeg Whisper не сможет обработать 90% аудио и видео. 

Совет: Если не хотите возиться с PATH, просто копируйте файлы в формате WAV или MP3 — их Whisper понимает без FFmpeg. 

Ставим Git 

Git — доставляет обновления и компоненты для программ. Без него некоторые инструменты Whisper не установятся. Но пусть название вас не пугает — ставится он в пару кликов.

Как установить:

1. Зайдите на официальный сайт Git → нажмите «Downloads» → скачайте версию для Windows (сайт сам предложит нужный файл).
2. Запустите установщик → везде жмите «Next», кроме одного места:
   — В окне Adjusting your PATH environment выберите:
   «Git from the command line and also from 3rd-party software» (это важно, чтобы Git работал с консолью).

Теперь добавим пути к Git в систему:
Иногда после установки нужно «познакомить» Python с Git. Делается это через настройки:

1. Найдите папку Git:
   — Обычно она лежит в C:\Program Files\Git.
   — Внутри будут две важные папки: bin и cmd (как «ключи» для доступа).
2. Добавьте их в переменные среды:
   — Нажмите Win + S → введите «Система» → выберите «Настройка представления…» → «Дополнительно» → «Переменные среды».
   — В списке «Системные переменные» найдите Path → «Изменить» → «Создать».
   — Вставьте два пути:
   C:\Program Files\Git\bin
   C:\Program Files\Git\cmd
   — Сохраните изменения.

Проверяем, всё ли работает:

1. Откройте командную строку (Win + R → cmd → Enter).
2. Введите: git —version
   Если увидите что-то вроде git version 2.40.0 — поздравляем! Git готов к работе.

Теперь переходим к самому интересному — установке «мозга» системы — Whisper. Не нужно ничего качать вручную с GitHub. Всё проще!

Откройте командную строку (Win + R → cmd → Enter).

Введите одну из этих команд: pip install -U openai-whisper
Или, если первая не сработала: python -m pip install -U openai-whisper
Нажмите Enter — система сама скачает и установит Whisper.

Что происходит?
Представьте, что вы заказываете пиццу: говорите «хочу Whisper» → курьер (pip) привозит его прямо к вам в консоль. 

Проверяем установку:
Введите в консоль:whisper —help 

Если увидите список команд и параметров — всё в порядке. 

А если не работает?
— Убедитесь, что Python добавлен в PATH (мы это проверяли раньше).
— Попробуйте перезапустить консоль.

Важно! Не путайте команды. Разработчики специально сделали установку в одну строку — чтобы не копаться в GitHub. Их шутка про «просто введите pip install» — это намёк на то, как всё должно быть легко.

Как использовать whisper transcription?

Подготовьте файл:
Скачайте видео с YouTube (например, через yt-dlp) и сохраните его в отдельную папку. Назовите файл просто — например, обзор_ноутбука.mp4.

 Откройте консоль прямо в папке с видео:

• Зайдите в папку → кликните на путь в верхней строке проводника → удалите текст → введите cmd → Enter.
• Или: удерживайте Shift + правой кнопкой мыши в папке → «Открыть в терминале».

Запустите Whisper с нужной моделью:
Введите в консоль:

whisper обзор_ноутбука.mp4 —model large 

Что это даёт?

• large — максимальная точность: расставит пунктуацию, распознает термины и акценты.
• medium — компромисс: быстрее, но может пропустить нюансы.

Через 5-30 минут (зависит от длины видео) в папке появятся:

• .txt — чистый текст.
• .srt — субтитры с тайм-кодами (удобно для монтажа).

Лайфхак:

• Для интервью или лекций используйте large — она лучше справляется с паузами и шумами.
• Если Whisper «не видит» файл, проверьте:
  • Название файла в команде совпадает с исходным.
  • Видео не в формате MKV (конвертируйте в MP4 через HandBrake).
• Чтобы ускорить обработку, закройте браузер и тяжёлые приложения.

Пример результата:
После обработки ролика про ноутбук вы получите текст вида:

FAQ