Qual tamanho de modelo escolher para voz para texto offline?

Comece pelo modelo compacto: ele dá conta da fala do dia a dia numa máquina de 8 GB sem GPU. Com 16 GB de RAM e uma GPU dedicada, o modelo equilibrado costuma ser a escolha melhor para sotaques e vocabulário técnico, e a GPU mantém tudo rápido. O WhisPaste oferece exatamente três tamanhos; o nível Melhor qualidade só vale a pena se você tiver cerca de 3,6 GB ou mais de memória gráfica e processar gravações longas. O assistente de configuração sugere um tamanho de acordo com o seu hardware.

O modo offline realmente funciona sem nenhuma conexão com a internet?

Sim. Depois do download único do modelo, o WhisPaste roda o whisper.cpp inteiramente na sua máquina. Modo avião, uma estação de trabalho isolada da rede ou um hotspot instável não fazem diferença para a transcrição. Estatísticas de uso, relatórios de falhas e a verificação de atualizações vêm ativados por padrão e precisam da rede, mas a transcrição nunca espera por eles, e você pode desativar os três.

Qual é a precisão da voz para texto offline em comparação com APIs na nuvem?

Para a entrada de voz do dia a dia, os modelos offline são uma escolha padrão forte. Domínios especializados (sotaques muito carregados, ambientes muito barulhentos, vocabulário técnico raro) às vezes se beneficiam de um modelo maior na nuvem. O WhisPaste deixa você trocar o provedor nas configurações, então você pode manter o offline como padrão e recorrer à nuvem só quando uma gravação realmente precisar.

Voz para texto offline no Windows, Mac e Linux (grátis)

O WhisPaste é uma ferramenta de voz para texto offline de código aberto para Windows, macOS e Linux, grátis no GitHub. No modo local, ele roda os modelos Whisper inteiramente na sua máquina: seu áudio fica no computador, e não é preciso internet nem conta.

Escolha um modo: local por padrão, nuvem sob demanda

O WhisPaste usa por padrão o modo local. O modelo roda na sua CPU ou GPU, o áudio permanece na máquina, e a transcrição chega ao cursor sem ida e volta pela rede. Se você precisar da máxima velocidade para uma gravação longa, pode trocar uma única configuração para um provedor em nuvem, mas essa é uma escolha explícita sua, não um fallback oculto.

O que o modo offline pode e não pode fazer

O WhisPaste traz dois motores offline. O Whisper offline cobre 99 idiomas e lida com fala natural, com pausas e recomeços. O segundo motor, o Parakeet, troca essa amplitude de idiomas por velocidade (cerca de 25 idiomas; no processador, foi várias vezes mais rápido que o modelo compacto do Whisper no nosso benchmark, e com aceleração por GPU fica ainda mais rápido). O que nenhum dos dois faz: separar falantes ou usar modelos maiores que a memória disponível. Como referência, o modelo compacto precisa de cerca de 900 MB de memória gráfica, o Equilibrado cerca de 1,5 GB e o Melhor qualidade cerca de 2,6 GB (nossas estimativas).

Perfil de RAM e CPU

O mínimo são 8 GB de RAM e uma CPU de 64 bits no Windows 10, macOS 12 Monterey (Apple Silicon) ou Linux, o suficiente para o modelo compacto na CPU. Com 16 GB de RAM e uma GPU com 2–4 GB de VRAM, o modelo equilibrado é uma escolha confortável para a entrada de voz do dia a dia. O Apple Silicon compartilha memória entre CPU e GPU, então o seletor considera 2 GB de memória unificada suficientes para o Equilibrado.

Qual tamanho de modelo escolher para voz para texto offline?: Comece pelo modelo compacto: ele dá conta da fala do dia a dia numa máquina de 8 GB sem GPU. Com 16 GB de RAM e uma GPU dedicada, o modelo equilibrado costuma ser a escolha melhor para sotaques e vocabulário técnico, e a GPU mantém tudo rápido. O WhisPaste oferece exatamente três tamanhos; o nível Melhor qualidade só vale a pena se você tiver cerca de 3,6 GB ou mais de memória gráfica e processar gravações longas. O assistente de configuração sugere um tamanho de acordo com o seu hardware.
O modo offline realmente funciona sem nenhuma conexão com a internet?: Sim. Depois do download único do modelo, o WhisPaste roda o whisper.cpp inteiramente na sua máquina. Modo avião, uma estação de trabalho isolada da rede ou um hotspot instável não fazem diferença para a transcrição. Estatísticas de uso, relatórios de falhas e a verificação de atualizações vêm ativados por padrão e precisam da rede, mas a transcrição nunca espera por eles, e você pode desativar os três.
Qual é a precisão da voz para texto offline em comparação com APIs na nuvem?: Para a entrada de voz do dia a dia, os modelos offline são uma escolha padrão forte. Domínios especializados (sotaques muito carregados, ambientes muito barulhentos, vocabulário técnico raro) às vezes se beneficiam de um modelo maior na nuvem. O WhisPaste deixa você trocar o provedor nas configurações, então você pode manter o offline como padrão e recorrer à nuvem só quando uma gravação realmente precisar.