WhisPaste è uno strumento open source per il riconoscimento vocale offline su Windows, macOS e Linux, gratis su GitHub. In modalità locale esegue i modelli Whisper interamente sul tuo computer: l'audio resta sul dispositivo e non servono connessione internet né account.
Scegliere una modalità: locale per impostazione predefinita, cloud su richiesta
WhisPaste usa per impostazione predefinita la modalità locale. Il modello gira sulla CPU o sulla GPU, l'audio resta sul computer e la trascrizione arriva al cursore senza passare dalla rete. Se per una registrazione lunga ti serve la massima velocità, puoi cambiare un'unica impostazione e passare a un provider cloud: è un'impostazione esplicita che scegli tu, non un ripiego nascosto.
Cosa può e cosa non può fare la modalità offline
WhisPaste include due motori offline. Whisper offline copre 99 lingue e gestisce il parlato naturale con pause e ripartenze. Il secondo motore, Parakeet, scambia quella copertura linguistica con la velocità (circa 25 lingue; sul processore era diverse volte più veloce del modello Whisper compact nel nostro benchmark, e con l'accelerazione GPU ancora più veloce). Nessuno dei due sa fare: separare i parlanti o usare modelli più grandi della memoria disponibile. Come orientamento, il modello compact richiede circa 900 MB di memoria grafica, Balanced circa 1,5 GB e Best Quality circa 2,6 GB (nostre stime).
Profilo di RAM e CPU
Il minimo sono 8 GB di RAM e una CPU a 64 bit su Windows 10, macOS 12 Monterey (Apple Silicon) o Linux, sufficienti per il modello compact sulla CPU. Con 16 GB di RAM e una GPU con 2–4 GB di VRAM, il modello balanced è una scelta comoda per l'input vocale di tutti i giorni. Apple Silicon condivide la memoria tra CPU e GPU, quindi il selettore considera sufficienti 2 GB di memoria unificata per Balanced.
- Quale dimensione del modello scegliere per il riconoscimento vocale offline?
- Parti dal modello compact: gestisce il parlato di tutti i giorni su una macchina da 8 GB senza GPU. Con 16 GB di RAM e una GPU dedicata, il modello balanced è di solito la scelta migliore per accenti e vocabolario tecnico, e la GPU lo mantiene rapido. WhisPaste offre esattamente tre dimensioni; Best Quality vale la pena solo se hai circa 3,6 GB o più di memoria grafica ed elabori registrazioni lunghe. L'assistente di configurazione suggerisce una dimensione in base al tuo hardware.
- La modalità offline funziona davvero senza alcuna connessione internet?
- Sì. Dopo il download del modello, una tantum, WhisPaste esegue whisper.cpp interamente sul tuo computer. La modalità aereo, una postazione isolata dalla rete o un hotspot instabile non fanno alcuna differenza per la trascrizione. Statistiche di utilizzo, report di crash e controllo degli aggiornamenti sono attivi per impostazione predefinita e richiedono la rete, ma la trascrizione non li aspetta mai, e puoi disattivare tutti e tre.
- Quanto è precisa la trascrizione offline rispetto alle API cloud?
- Per l'input vocale di tutti i giorni i modelli offline sono un'ottima impostazione predefinita. Ambiti specialistici (accenti marcati, ambienti molto rumorosi, vocabolario tecnico raro) a volte traggono vantaggio da un modello cloud più grande. WhisPaste ti permette di cambiare provider nelle Impostazioni, così puoi tenere l'offline come predefinito e ricorrere al cloud solo quando una registrazione lo richiede davvero.