Как установить Whisper на Windows и расшифровать запись в текст

Окна у Whisper нет, всё делается в командной строке, но команд всего несколько, и их можно скопировать. Инструкция написана для Windows 11, в Windows 10 шаги такие же. Понадобится около 2 ГБ свободного места для начала и интернет на время установки.

Установите Python

Скачайте установщик Python с официального сайта python.org. На первом экране установщика обязательно поставьте галочку о добавлении Python в PATH — без неё команды не будут находиться, и это главная причина ошибок у новичков. Затем нажмите установку по умолчанию.

Проверьте результат: откройте меню «Пуск», наберите «Терминал» или «PowerShell» и выполните проверку версии. Если номер версии показался, Python на месте.

python --version

Установите ffmpeg

ffmpeg — бесплатная программа, которая умеет открывать любые аудио и видео. Whisper передаёт файлы ей, поэтому без ffmpeg расшифровка не запустится. Скачайте сборку для Windows с официального сайта проекта, распакуйте её в постоянную папку и добавьте путь к вложенной папке bin в переменную PATH через параметры системы.

Проще это сделать встроенным в Windows менеджером пакетов: он сам положит программу куда нужно и прописывает путь. После установки закройте и снова откройте терминал.

winget install ffmpeg

Установите Whisper

В том же терминале выполните установку из репозитория пакетов Python. Команда скачает программу и нужные ей библиотеки — это несколько минут и примерно пара гигабайт.

pip install -U openai-whisper

Расшифруйте первую запись

Положите запись в удобную папку, например в «Документы», и перейдите в неё командой перехода по папкам. Затем запустите расшифровку, указав имя файла, язык записи и размер модели.

whisper zapis.mp3 --language Russian --model small

При первом запуске модель скачается из интернета — дальше она берётся с диска. В терминале строчки текста будут появляться по мере обработки, а когда программа закончит, рядом с файлом появятся результаты: обычный текст, субтитры и файл с таймкодами.

Подберите модель под свой компьютер

Размер модели задаётся параметром выбора модели и решает всё: скорость, качество и расход памяти.

• tiny и base — самые быстрые, годятся для чистой записи с одним говорящим, но путают слова.
• small — разумная середина для русской речи на обычном ноутбуке.
• medium — заметно точнее, но на процессоре без видеокарты уже медленно.
• large и turbo — лучшее качество на плохих записях; нужна видеокарта с хорошим запасом памяти, иначе запуск прервётся с ошибкой нехватки памяти.

Возьмите двухминутный фрагмент и прогоните его на двух-трёх моделях. Это честнее любых советов: вы увидите, какой компромисс между временем и качеством устраивает именно вас.

Получите субтитры и выберите, куда сохранять

По умолчанию Whisper сохраняет сразу несколько форматов. Если нужны только субтитры для видео, укажите формат вывода srt, а папку для результатов задайте отдельным параметром — удобно, когда обрабатываете много файлов.

whisper video.mp4 --language Russian --model small --output_format srt --output_dir subs

Чтобы получить английский текст с русской записи, добавьте режим перевода. А чтобы обработать сразу несколько файлов, просто перечислите их имена через пробел в одной команде.

Вычитайте текст

Откройте текстовый файл и пробегите его глазами. Проверяйте в первую очередь имена, названия компаний, адреса и числа — именно там Whisper ошибается чаще всего. Если в записи говорят несколько человек, расставьте пометки, кто говорит: сама программа этого не делает.

Готово: запись превратилась в текст и субтитры, всё посчиталось на вашем компьютере, а файлы никуда не загружались.

Если что-то пошло не так