Whisper на Windows ставят командой pip install -U openai-whisper, а до неё нужны Python 3.8–3.11 и ffmpeg, который устанавливается через Chocolatey или Scoop. Иногда для сборки tiktoken требуется Rust. Модели занимают от 1 ГБ видеопамяти у tiny до 10 ГБ у large. Поток (potok.now) — облачная диктовка без установки моделей.
Whisper — модель распознавания речи от OpenAI с лицензией MIT. На Windows установка сводится к ffmpeg и одной команде pip, но у каждой есть условия.
Как установить Whisper на Windows: короткий чек-лист
- Проверьте версию Python: заявлена совместимость с 3.8–3.11.
- Поставьте ffmpeg через Chocolatey или Scoop. ffmpeg нужен для работы Whisper.
- Установите пакет командой
pip install -U openai-whisper. - Если сборка пакета упёрлась в tiktoken, поставьте Rust: он иногда требуется для этой зависимости.
- Выберите размер модели по видеопамяти: tiny и base — около 1 ГБ, small — около 2 ГБ, medium — около 5 ГБ, large — около 10 ГБ, turbo — около 6 ГБ.
Чем установка на Windows отличается от Linux и Mac
Способ установки ffmpeg зависит от системы. На Windows его берут через Chocolatey или Scoop, на Linux — через apt, на Mac — через brew.
Если командная строка не нужна, у Whisper есть оболочки с окном. Buzz ставится готовым установщиком (он не подписан, поэтому будет предупреждение) или через pip. WhisperDesktop работает через видеокарту с Direct3D 11 и 64-битную Windows; для него рекомендуют модель ggml-medium.bin размером 1,42 ГБ, а автоопределение языка в нём не реализовано. Buzz есть и для macOS с Linux, а результат выгружает в TXT, SRT и VTT.
Когда установка Whisper не нужна
Поток — облачный сервис, распознавание на серверах в России; без интернета не работает. Это приложение для диктовки на Windows, macOS и Linux, а не пакет Python, и приложений для Android и iPhone нет. Для готовых записей у Потока есть Telegram-бот potok_now_bot: одна подписка покрывает приложение для диктовки и бот для записей и голосовых. Не путайте модель Whisper с программой WhispeRu: об этой программе есть отдельная справка, а похожие на неё варианты собраны в разборе аналогов.
Частые вопросы
По статье OpenAI на тесте Fleurs у русского языка WER такой: tiny 31,1%, base 20,5%, small 11,4%, medium 7,2%, large 6,4%. Это чтение вслух, а не живая речь, так что на своих записях цифры могут отличаться.
Нет: в README сказано, что turbo не обучали задачам перевода. Размер модели 809 M, видеопамяти нужно около 6 ГБ, скорость около 8x относительно large по замеру на A100.
Win+H (голосовой ввод, Voice Typing) — только диктовка текста в поле ввода. Голосовой доступ (Voice Access) — отдельная функция с версии Windows 11 22H2: управление всем компьютером голосом (открыть приложение, кликнуть, прокрутить), а не только ввод текста.
Раз встроенная диктовка Win+H на Windows 10 официально не поддерживает русский язык, разумная альтернатива — отдельное приложение для голосового ввода на русском, например Поток: он вставляет текст в активное поле любого приложения, в том числе на Windows 10.
Зависит от того, управляется ли компьютер организацией: администратор может централизованно отключить речевые службы групповой политикой — тогда включить голосовой ввод самому не получится, нужно обращаться в ИТ-отдел. Если таких ограничений нет, голосовой ввод Windows открывается обычным сочетанием Win+H в текстовом поле.
Win+H — стандартное сочетание клавиш в Windows, которое открывает панель встроенного голосового ввода (voice typing/dictation): можно диктовать текст прямо в активное текстовое поле.
Если хотите сравнить сами
Возьмите одну свою задачу и надиктуйте её в «Потоке». Первые 14 дней — без ограничений и без карты. «Поток» — облачный сервис: распознавание идёт на серверах в России, без интернета он не работает.
Скачать «Поток»Диктуете в приложении, а записи и голосовые расшифровывает @potok_now_bot в Telegram. 60 минут в месяц — бесплатно, подписка «Потока» снимает лимит в боте и в приложении.
Встроенная диктовка и «Поток»
| Средство | Где работает | Русский язык | Где распознаётся речь |
|---|---|---|---|
| Голосовой ввод Windows (Win+H) | Windows 10 и 11 | только в Windows 11 | облако Microsoft, без интернета не работает |
| Диктовка macOS | macOS | есть | на устройстве или на серверах Apple |
| Поток | Windows, macOS, Linux | основной язык | облако, серверы в России, без интернета не работает |
| Задача | Знаков | Печать (200 зн/мин) | Голос (900 зн/мин) |
|---|---|---|---|
| ответ в чате | 300 | 2 мин | 0.5 мин |
| письмо | 1500 | 8 мин | 1.7 мин |
| пост или протокол | 4000 | 20 мин | 4.4 мин |
| статья | 10000 | 50 мин | 11.1 мин |
Первоисточники: support.microsoft.com · support.apple.com