WhisPaste — инструмент офлайн-распознавания речи с открытым кодом для Windows, macOS и Linux, бесплатный на GitHub. В локальном режиме он запускает модели Whisper полностью на вашем компьютере: аудио остаётся у вас, интернет и аккаунт не нужны.
Режим: локально по умолчанию, облако по запросу
WhisPaste по умолчанию работает в локальном режиме. Модель работает на CPU или GPU, аудио остаётся на компьютере, а расшифровка появляется у курсора без обращения к сети. Если для длинной записи нужна максимальная скорость, можно переключить одну настройку на облачный провайдер, но это явный выбор, который делаете вы, а не скрытый запасной вариант.
Что умеет и чего не умеет офлайн-режим
WhisPaste поставляется с двумя офлайн-движками. Офлайн-Whisper охватывает 99 языков и естественную речь с паузами и перезапусками фраз. Второй движок, Parakeet, жертвует охватом языков ради скорости (около 25 языков; на процессоре в нашем замере в несколько раз быстрее компактной модели Whisper, а с GPU-ускорением — ещё быстрее). Чего не умеет ни один из них: разделять говорящих и работать с моделями, которые больше доступной памяти. Ориентировочно: компактной модели нужно около 900 МБ видеопамяти, для уровня «Сбалансированно» около 1,5 ГБ и для уровня «Лучшее качество» около 2,6 ГБ (наши оценки).
Профиль оперативной памяти и процессора
Минимум — 8 ГБ оперативной памяти и 64-разрядный процессор на Windows 10, macOS 12 Monterey (Apple Silicon) или Linux, этого хватает для компактной модели на CPU. При 16 ГБ оперативной памяти и GPU с 2–4 ГБ VRAM уровень «Сбалансированно» — удобный выбор для повседневного голосового ввода. Apple Silicon делит память между CPU и GPU, поэтому подборщик считает 2 ГБ общей памяти достаточными для уровня «Сбалансированно».
- Какой размер модели выбрать для офлайн-распознавания речи?
- Начните с компактной модели: она справляется с повседневной речью на компьютере с 8 ГБ без GPU. При 16 ГБ оперативной памяти и отдельной видеокарте уровень «Сбалансированно» обычно лучше подходит для акцентов и технической лексики, а GPU держит его быстрым. WhisPaste предлагает ровно три размера; уровень «Лучшее качество» стоит выбирать, только если у вас около 3,6 ГБ видеопамяти или больше и вы обрабатываете длинные записи. Помощник настройки предлагает размер исходя из вашего оборудования.
- Работает ли офлайн-режим действительно без подключения к интернету?
- Да. После однократной загрузки модели WhisPaste запускает whisper.cpp полностью на вашем компьютере. Режим полёта, изолированная от сети рабочая станция или нестабильная точка доступа на расшифровку не влияют. Статистика использования, отчёты о сбоях и проверка обновлений включены по умолчанию и требуют сети, но расшифровка никогда их не ждёт, и все три можно отключить.
- Насколько точно офлайн-распознавание речи по сравнению с облачными API?
- Для повседневного голосового ввода офлайн-модели — надёжный выбор по умолчанию. Специальные области (сильные акценты, очень шумная обстановка, редкая техническая лексика) иногда выигрывают от большой облачной модели. В WhisPaste провайдера можно переключить в настройках, поэтому офлайн может оставаться режимом по умолчанию, а к облаку вы обращаетесь, только когда запись действительно в этом нуждается.