Whisper на Mac с чипом M1 или M2 запускают через whisper.cpp: он использует Metal на графическом процессоре, а Core ML ускоряет энкодер на Neural Engine более чем в 3 раза. Для русского берут многоязычную модель без .en, например small размером 466 МиБ. Поток (potok.now) — облачная диктовка, ставить модели не нужно.
Whisper — модель распознавания речи от OpenAI, а whisper.cpp — её порт, который собирают и запускают из терминала. Для чипов Apple в нём есть отдельные оптимизации.
Почему на Mac с Apple Silicon Whisper запускают через whisper.cpp
В whisper.cpp для Apple Silicon заявлены Metal на графическом процессоре, ARM NEON и Accelerate, а Core ML позволяет считать энкодер на Neural Engine: это ускоряет его более чем в 3 раза. Для Core ML нужен Python 3.11, рекомендуется macOS 14 или новее. Лицензия MIT. Замеров скорости именно на M1 и M2 в описании проекта нет, поэтому реальную скорость придётся проверить на своём Mac.
Шаги в терминале: от клонирования до первого текста
- Склонируйте репозиторий:
git clone https://github.com/ggml-org/whisper.cpp, затем перейдите в его папку. - Скачайте модель скриптом
sh ./models/download-ggml-model.sh, передав имя модели. Для русского берите многоязычную модель без.en, например small: версии с.enпонимают только английский. - Соберите проект:
cmake -B build, затемcmake --build build -j --config Release. - Переведите запись в 16-битный WAV:
ffmpeg -i in.mp3 -ar 16000 -ac 1 -c:a pcm_s16le out.wav. Другие форматыwhisper-cliне принимает. - Запустите
./build/bin/whisper-cli -f out.wav. Как выбрать язык и модель, смотрите в справке самой программы.
Когда запускать Whisper на Mac не нужно
Поток — облачный сервис, распознавание на серверах в России; без интернета не работает. Он работает на Windows, macOS и Linux и нужен для диктовки, а не для запуска моделей: клонировать и собирать ничего не придётся. Версий для Android и iPhone нет. Готовые записи и голосовые расшифровывает Telegram-бот potok_now_bot, подписка общая на приложение и бот. О диктовке на Mac без моделей читайте в материалах про длинные тексты одним заходом и про числа цифрами.
Частые вопросы
По таблице проекта: tiny занимает 75 МиБ на диске и около 273 МБ в памяти, base — 142 МиБ и около 388 МБ, small — 466 МиБ и около 852 МБ, medium — 1,5 ГиБ и около 2,1 ГБ, large — 2,9 ГиБ и около 3,9 ГБ.
Есть Buzz, но на Mac она собирается только для Apple silicon; для процессоров Intel подходит версия не новее 1.4.5. Установщик скачивают с SourceForge, он не подписан, поэтому будет предупреждение. Лицензия MIT.
Зависит от Mac. На Mac с Apple Silicon обычная текстовая диктовка (сообщения, заметки, но не поле поиска) обрабатывается на устройстве; на Intel-Маках и в части сценариев звук уходит на серверы Apple, и тогда нужен интернет. Точно видно в Системные настройки → Клавиатура: под пунктом «Диктовка» написано, нужен ли интернет и обрабатывается ли речь на устройстве.
Нет: по справке Apple диктовать можно текст любой длины без ограничения по времени. Диктовка останавливается, когда вы нажимаете Esc, клавишу микрофона или сочетание для Диктовки, а сама — если 30 секунд не слышно речи.
Зависит от Mac. На Mac с Apple Silicon обычная текстовая диктовка (сообщения, заметки, но не поле поиска) обрабатывается на устройстве; на Intel-Маках и в части сценариев звук уходит на серверы Apple, и тогда нужен интернет. Точно видно в Системные настройки → Клавиатура: под пунктом «Диктовка» написано, нужен ли интернет и обрабатывается ли речь на устройстве.
Включить Диктовку: меню Apple → «Системные настройки» → «Клавиатура» → «Диктовка». Затем поставить курсор в текстовое поле, запустить диктовку — клавиша микрофона (если она есть в ряду функциональных клавиш), сочетание клавиш диктовки или «Правка» → «Начать диктовку» — и начать говорить.
Проверить за вечер
Установите «Поток», продиктуйте то, что обычно печатаете, и сравните. 14 дней полного доступа, карта не нужна. «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