Поток

Whisper локально: безопасно ли для конфиденциальных записей

Марк Весёлый · основатель «Потока» · ~5 мин
Whisper локально: безопасно ли для конфиденциальных записей

Подтверждается только запуск на своей машине: Whisper ставится через pip (заявлен Python 3.8–3.11), лицензия MIT. Фраз о приватности в README нет, утверждения «данные не уходят в сеть» не найдено. В SuperWhisper и Spokenly часть моделей облачные. Есть и облачный вариант с серверами в России: Поток (potok.now).

Вопрос о Whisper на своём компьютере звучит так: раз всё идёт локально, значит, никуда не утекает. Проверим, что из этого подтверждено источниками.

Whisper локально безопасно ли для конфиденциальных записей: что известно

Whisper — это модель распознавания речи от OpenAI, и её можно поставить на свой компьютер: pip install -U openai-whisper, плюс нужен ffmpeg. Лицензия кода и весов — MIT. Это всё, что сказано о запуске. Фраз о приватности в README оригинала нет, а утверждения «данные не уходят в сеть» в первоисточнике мы не нашли. Для WhisperDesktop из README известно другое: на первом запуске он просит скачать модель.

Офлайн-распознавание заявлено у части приложений. По данным их сайтов, на устройстве работают WhispeRu, GigaType и Molvi. Vosk прямо назван офлайн-движком, лицензия Apache-2.0.

Три шага диктовки в «Потоке»: зажал Ctrl + Space, сказал фразу вслух, текст появился в активном поле
Диктовка в «Потоке»: горячая клавиша, речь, готовый текст в том окне, где стоит курсор.

Где слово «локально» ещё нужно проверить

У ряда программ режим смешанный. Airword по умолчанию использует локальную модель, но в отдельных случаях задействует облако, и провайдер со страной на сайте не названы. SuperWhisper держит маленькие модели офлайн, а крупные облачные ведёт через свой прокси на Pro или с собственным ключом. У Spokenly тоже два пути: Whisper и Parakeet на устройстве либо облачные модели через ключ или Pro.

Выходит, что вопрос «безопасно ли» не решается словом «локально» на упаковке. Смотрите, какой именно режим включён в вашей программе.

Платформы
Windows, macOS, Linux
Бесплатно
Free: 2500 слов в неделю; первые 14 дней — полный доступ без карты
Pro
Pro 690 ₽/мес, 499 ₽/мес при оплате за год
Оплата
российские карты, рубли
Где распознаётся речь
облако, серверы в России; нужен интернет

«Поток» — облачный сервис: распознавание идёт на серверах в России, без интернета он не работает. Скачать: potok.now/download

Когда локальный запуск не отвечает на вопрос

Если запись конфиденциальна, решение принимает тот, кто отвечает за эти данные, а не описание программы. Поток — облачный сервис, распознавание на серверах в России; без интернета не работает. Аудиозапись и расшифровка хранятся на серверах в России. Для записей и голосовых есть Telegram-бот potok_now_bot: подписка общая на приложение для диктовки и на бота. Что значит конфиденциальность в этом смысле, объяснено отдельно, а похожую программу на устройстве описывает страница про WhispeRu.

Разбор темы в три шага: Whisper локально безопасно ли для конфиденциальных записей → Где слово «локально» ещё нужно проверить → Когда локальный запуск не отвечает на вопрос
О чём страница по шагам: Whisper локально безопасно ли для конфиденциальных записей → Где слово «локально» ещё нужно проверить → Когда локальный запуск не отвечает на вопрос.

Частые вопросы

Скачивает ли локальный Whisper что-то из сети?

У WhisperDesktop модель берётся из сети. В его README сказано, что на первом запуске приложение просит скачать модель. Это про скачивание модели, а про отправку вашего аудио в этом тексте ничего не сказано.

Можно ли расшифровать звонок в Zoom автоматически?

Да, у ряда платформ есть встроенная транскрибация встреч: в Zoom — для облачных записей, в Microsoft Teams — во время встречи, в Google Meet — на тарифах Google Workspace. Альтернатива — записать звук и обработать отдельным сервисом транскрибации после звонка. Приложение «Поток» такой расшифровки не делает — оно для живой диктовки; запись звонка файлом можно отправить Telegram-боту «Потока» @potok_now_bot.

Чем транскрибация отличается от голосового ввода?

Голосовой ввод — это диктовка в реальном времени в активное текстовое поле. Транскрибация — перевод уже готовой аудио/видеозаписи (лекции, звонка, подкаста) в текст постфактум, часто с диаризацией (разделением по говорящим).

Можно ли расшифровать протокол совещания через голосовой ввод?

Через Поток можно надиктовать протокол вживую, произнося его по ходу или сразу после совещания. Расшифровка уже записанного аудиофайла встречи (готовая запись Zoom/Телемост) — отдельная задача транскрибации: такой файл можно отправить Telegram-боту «Потока» @potok_now_bot.

В чём разница между голосовым вводом и транскрибацией?

Голосовой ввод — это диктовка в реальном времени: говоришь и сразу получаешь текст в активном поле. Транскрибация — это расшифровка уже готовой аудио- или видеозаписи (например, записи встречи) в текст постфактум. Приложение «Поток» решает первую задачу — живую диктовку; готовые записи на русском расшифровывает его Telegram-бот @potok_now_bot.

Как установить и начать пользоваться Потоком: первые 5 минут?

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.

Скачать «Поток»

Работает по одной клавише в любой программе. 14 дней полного доступа, потом Free 2500 слов в неделю или Pro 690 ₽/мес (499 ₽/мес за год). «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»

По справке Microsoft и Apple.
СредствоГде работаетРусский языкГде распознаётся речь
Голосовой ввод Windows (Win+H)Windows 10 и 11только в Windows 11облако Microsoft, без интернета не работает
Диктовка macOSmacOSестьна устройстве или на серверах Apple
ПотокWindows, macOS, Linuxосновной языкоблако, серверы в России, без интернета не работает
Расчёт по средней скорости печати и речи, не замер.
ЗадачаЗнаковПечать (200 зн/мин)Голос (900 зн/мин)
ответ в чате3002 мин0.5 мин
письмо15008 мин1.7 мин
пост или протокол400020 мин4.4 мин
статья1000050 мин11.1 мин

Первоисточники: support.microsoft.com · support.apple.com

Марк Весёлый — основатель «Потока». Пишет о голосовом вводе на русском: как диктовать в рабочих программах, что мешает и чем это чинится.
© Поток · Липатников Владимир Олегович · ИНН 502915859701 · Оферта Сравнения · Вопросы и ответы · О проекте Бесплатный голосовой ввод · Голосовой ввод для нейросетей · Данные и 152-ФЗ · Голосовой ввод на Mac · Тарифы бота · 14 дней Pro за отзыв