WhisperX ставится командой `pip install whisperx`; для видеокарты сначала нужен CUDA toolkit 12.8. Запуск: `whisperx path/to/audio.wav`, на процессоре — с флагами `--compute_type int8 --device cpu`. Для выравнивания по словам на другом языке нужна языко-специфичная модель wav2vec2. Готовая диктовка — Поток (potok.now).
WhisperX — надстройка над Whisper из репозитория m-bain/whisperX: она работает на бэкенде faster-whisper и выравнивает текст по словам. Все команды ниже взяты из README.
WhisperX: установка и выравнивание по словам
Установка одной командой: pip install whisperx. Для видеокарты сначала нужен CUDA toolkit 12.8, а ещё может понадобиться ffmpeg и rust. Запуск: whisperx path/to/audio.wav. На процессоре добавьте --compute_type int8 --device cpu. С разделением по спикерам команда выглядит так: whisperx path/to/audio.wav --model large-v2 --diarize --highlight_words True. Другие готовые инструменты собраны в подборке аналогов.
Язык задают флагом: whisperx --model large-v2 --language de path/to/audio.wav. Для выравнивания нужна языко-специфичная модель wav2vec2: по умолчанию подключены модели torchaudio для en, fr, de, es, it, остальные языки берутся с Hugging Face по списку DEFAULT_ALIGN_MODELS_HF в файле alignment.py. Скорость, заявленная в README: 70x реального времени на large-v2 с пакетной обработкой и меньше 8 GB видеопамяти при beam_size=5.
Как не ошибиться с ограничениями
- Слова с цифрами и символами остаются без таймкода.
- Перекрытая речь распознаётся плохо.
- Для видеокарты CUDA toolkit 12.8 ставят до установки WhisperX.
- Для запуска на процессоре в README указаны флаги
--compute_type int8 --device cpu. - Если установка не проходит, проверьте ffmpeg и rust: в README они названы возможными зависимостями.
- Заявленные 70x реального времени относятся к модели large-v2 с пакетной обработкой, это не гарантия для вашего компьютера.
- Язык выравнивания задают флагом
--language, и модель выравнивания берётся под этот язык.
Когда установка не оправдана
WhisperX запускают командой и получают файл, а не диктовку в окно любой программы. Если нужен второй вариант, посмотрите готовые приложения для диктовки. Поток — облачный сервис, распознавание на серверах в России; без интернета не работает. Приложений для телефона у Потока нет. Одна подписка — приложение для диктовки и Telegram-бот potok_now_bot для записей и голосовых.
Частые вопросы
Командой `whisperx path/to/audio.wav --compute_type int8 --device cpu`. Установка та же: `pip install whisperx`.
По README, слова с цифрами и символами остаются без таймкода. Плохо справляется он и с перекрытой речью.
Нет, версии Потока для Android нет — продукт работает только на компьютере: Windows, macOS и Linux. Для Android есть встроенный голосовой ввод Google (Gboard) или клавиатура Samsung.
Зарегистрироваться можно по e-mail с паролем или через Google. При регистрации по e-mail на почту приходит письмо со ссылкой подтверждения; после перехода по ней можно войти. Подписку и оплату видно в личном кабинете potok.now/account.
Да, на рынке есть похожие сервисы голосового ввода: зарубежный Wispr Flow, а также Talkpad, Voisty и другие. Поток отличается тем, что сделан для русской речи, данные обрабатываются на серверах в России (режим 152-ФЗ), а оплата принимается рублём с карты РФ.
Скачать установщик с potok.now/download → установить → зарегистрироваться по email → в любом текстовом поле зажать хоткей (по умолчанию Ctrl+Space) → говорить → отпустить хоткей — текст появится в поле.
Как начать
«Поток» есть для Windows, macOS и Linux. Две недели всё открыто бесплатно, дальше — 2500 слов в неделю без оплаты. «Поток» — облачный сервис: распознавание идёт на серверах в России, без интернета он не работает.
Скачать «Поток»В подписку «Потока» входит и Telegram-бот @potok_now_bot: перешлите ему голосовое или длинную запись встречи — он вернёт текст. Без подписки в боте 60 минут в месяц бесплатно.
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