Материал на XDA об использовании самохостируемого Speakr вместо платного Otter.ai за 20 долларов в месяц стал популярным, потому что он назвал то, что тихо подозревают большинство людей, часто посещающих совещания: удобство SaaS-сервиса транскрипции куплено ценой записи каждого звонка клиента, каждого интервью, каждого мозгового штурма. Как только замечаешь, что запись уходит с твоего ноутбука, это становится невозможно не видеть. Хорошая новость в том, что локальная инференция Whisper стала достаточно быстрой на оборудовании 2024 года, чтобы самохостируемый стек транскрипции перестал быть проектом выходного дня. Мы протестировали 7 лучших приложений для локальной транскрипции на десктопе, каждое из которых запускает модели на машине перед вами, не отправляя ничего за пределы локальной сети.
Список охватывает одноархивные GUI-приложения, которые установятся на Mac за минуту, кросс-платформные Electron-приложения с диаризацией и интерфейсом, TypeScript-обёртку для пакетной транскрипции и Whisper.cpp CLI, который тихо обеспечивает большинство других. Каждый выбор оценивается по качеству транскрипции на высокоточном уровне large-v3, скорости на Mac с процессором M-series и свежем x86-ноутбуке, и тому, как чисто приложение справляется с тем, что всегда идёт не так: метки говорящих, длинные файлы, смешанные языки и экспорт с отметками времени.
На что обратить внимание в приложении для локальной транскрипции
Самохостируемый стек транскрипции стоит или падает на пять одних и тех же вещей:
- Выбор модели. Семейство Whisper — стандарт, но приложение должно позволять вам выбирать между
tiny,base,small,medium,large-v2иlarge-v3. Большее — медленнее и точнее. Встроенная модель — это ошибка. - Скорость на реальном оборудовании. На MacBook Air M2,
large-v3должна транскрибировать файл продолжительностью один час значительно быстрее чем за тридцать минут. На ноутбуке 12-го поколения Intel без GPU это может занять дольше, чем сама запись. Приложение должно сделать этот компромисс понятным. - Диаризация спикеров. Одна функция, которую хотят большинство, и которую большинство локальных стеков испортит. Ищите интеграцию pyannote или эквивалентный локальный диаризатор вместо общего предположения «спикер A / спикер B».
- Форматы экспорта. SRT и VTT для видеоработы, простой текст с отметками времени для заметок, JSON с оценками уверенности для дальнейших инструментов. Копирование в буфер обмена стенограммы и ничего больше — это отказ.
- Отсутствие сетевого трафика по умолчанию. Вся суть. Приложение не должно контактировать с домом, отправлять телеметрию или загружать модель из CDN, если вы не попросите это явно.
Быстрое сравнение
| Приложение | Лицензия | Платформы | Ускорение GPU | Диаризация | Лучше всего для |
|---|---|---|---|---|---|
| MacWhisper | Commercial (free tier) | macOS | Apple Silicon Metal | Да (Pro) | Ежедневное использование на Apple Silicon |
| Vibe | MIT (open source) | Windows, macOS, Linux | NVIDIA, Metal, Vulkan | Да | Кросс-платформный GUI |
| WhisperX | BSD-2 (open source) | Windows, macOS, Linux | NVIDIA, CPU | Да (pyannote) | Выравнивание на уровне слов для профессионалов |
| Speakr | MIT (open source) | Windows, macOS, Linux (Docker) | NVIDIA, CPU | Да | Самохостируемый сервер с веб-интерфейсом |
| Aiko | Free, closed source | macOS, iOS | Apple Silicon Metal | Нет | Быстрые разовые транскрипции на Mac |
| Buzz | MIT (open source) | Windows, macOS, Linux | NVIDIA, Metal, CPU | Нет | Одноархивный кросс-платформный CLI+GUI |
| Whisper.cpp | MIT (open source) | Windows, macOS, Linux | NVIDIA, Metal, CPU | Нет (вручную) | Безголовый CLI для скриптов и серверов |
7 лучших приложений для локальной транскрипции на десктопе в 2026 году
1. MacWhisper — лучше всего для ежедневного использования на Apple Silicon
MacWhisper — это то, что большинство пользователей Mac будут использовать, не открывая терминал. Бесплатная версия справляется с перетаскиванием файлов и транскрипцией с моделями Whisper tiny через medium, версия Pro добавляет large-v3, пакетные задания, импорт подкастов и диаризацию спикеров. Инференция работает на Apple Metal, поэтому M2 Air пережёвывает файл продолжительностью один час за несколько минут без звука фена. Интерфейс — это та часть, которую эта категория редко получает правильно.
Где это отстаёт: только macOS, и качество диаризации отстаёт от WhisperX на сложных записях с несколькими спикерами. Лицензия Pro — это одноразовая покупка, а не бесплатный продукт, что исключает её для некоторых.
Цена: Бесплатно для medium и ниже. Единовременная покупка Pro для large-v3, диаризации, пакетной работы и импорта YouTube.
Платформы: macOS (рекомендуется Apple Silicon; поддерживаются Intel Mac, но медленно).
Скачать: MacWhisper site
Итог: Если большая часть транскрипции происходит на Mac, начните здесь и двигайтесь дальше. Плата Pro окупается за неделю заметок совещаний.
2. Vibe — лучший кросс-платформный GUI
Vibe — это то, что ближе всего к MacWhisper в мире Windows и Linux. Одна загрузка устанавливает GUI, который загружает любую модель Whisper, работает на NVIDIA CUDA, Apple Metal или Vulkan на AMD, и предлагает диаризацию из коробки. Система плагинов позволяет подключать шаги подведения итогов или перевода без выхода из приложения, и проект выпускает частые обновления.
Где это отстаёт: первая загрузка модели тяжела, потому что бинарный файл загружает веса во время выполнения. Диаризация на длинных файлах может зависнуть на бэкенде Vulkan; пользователи CUDA этого не видят.
Цена: Бесплатно, лицензия MIT.
Платформы: Windows, macOS (Intel и Apple Silicon), Linux.
Скачать: Vibe site
Итог: Правильная отправная точка на Windows и Linux. Пользователи Mac с внешними GPU NVIDIA должны выбрать Vibe вместо MacWhisper.
3. WhisperX — лучше всего для выравнивания на уровне слов и серьёзной диаризации
WhisperX — это то, что используют профессиональные транскрибаторы, когда отметки времени действительно имеют значение. Он сочетает Whisper с принудительным выравнивателем, поэтому каждое слово приземляется на точный код времени, затем запускает диаризацию pyannote для маркировки спикеров. Результат — субтитры SRT, которые выдерживают трансляционные стандарты, и JSON, который любой дальнейший инструмент может поглотить.
Где это отстаёт: чистый CLI, нет GUI, и дерево зависимостей Python может кусать на Windows. Настройка — полдня, а не выходные, но это не тот опыт «перетащи файл», который предлагает MacWhisper.
Цена: Бесплатно, лицензия BSD-2.
Платформы: Windows, macOS, Linux.
Скачать: WhisperX GitHub
Итог: Выберите WhisperX, когда точные отметки времени на уровне слов и меченые спикеры важнее, чем полировка интерфейса. Это для создателей субтитров и журналистов.
4. Speakr — лучше всего для самохостируемого сервера с веб-интерфейсом
Speakr — это приложение, на которое XDA отправила всех. Он работает как Docker-контейнер, который может хостировать любой ноутбук или домашний сервер, предоставляет чистый веб-интерфейс и превращает локальную инференцию Whisper в сервис, который может использовать весь дом. Записи синхронизируются по LAN, стенограммы попадают в поисковую библиотеку, а диаризация достаточно хороша для односторонних интервью без дальнейшей настройки.
Где это отстаёт: это сервер, поэтому начало работы — это docker compose up, а не .dmg. Пользователи, которые не запускают Docker, должны выбрать что-то другое.
Цена: Бесплатно, лицензия MIT.
Платформы: Что угодно, что работает с Docker (Windows, macOS, Linux).
Скачать: Speakr GitHub
Итог: Правильный выбор, когда более одного человека в сети нужна транскрипция. Запустите его на той же коробке, которая размещает Jellyfin или Home Assistant.
5. Aiko — лучше всего для быстрых разовых транскрипций на Mac
Aiko — это ближайший эквивалент в Mac App Store бесплатной утилиты транскрипции без аккаунта. Перетащите файл, выберите модель, смотрите, как стенограмма течёт. Нет диаризации, нет меток спикеров, нет причудливого экспорта, просто чистый текст с отметками времени, который вы можете вставить в приложение для заметок.
Где это отстаёт: только macOS и iOS, и выбор модели не доходит до large-v3. Тот, кто нуждается в серьёзной точности, должен пропустить это и использовать MacWhisper.
Цена: Бесплатно, без покупок в приложении.
Платформы: macOS, iOS.
Скачать: Aiko on the Mac App Store
Итог: Правильный выбор для голосовых заметок и коротких интервью на Mac. Не правильный выбор для серьёзного рабочего процесса.
6. Buzz — лучший одноархивный кросс-платформный вариант
Buzz поставляется как одна загрузка, которая работает на Windows, macOS и Linux с одним и тем же интерфейсом. Он поддерживает живую транскрипцию с микрофона, задания на основе файлов и встроенный режим OpenAI API для пользователей, которые хотят сравнивать локальный и облачный выход рядом. Кодовая база достаточно мала, чтобы её можно было проверить за полдня.
Где это отстаёт: нет диаризации. Живой режим разбивает предложения неприятным способом на длинных монологах.
Цена: Бесплатно, лицензия MIT.
Платформы: Windows, macOS, Linux.
Скачать: Buzz GitHub
Итог: Хорошая первая установка на свежей машине Linux. Самый быстрый путь от «я хочу локальную транскрипцию» к работающему приложению.
7. Whisper.cpp — лучший безголовый CLI для скриптов и серверов
Whisper.cpp — это порт на C++, который тихо обеспечивает половину приложений выше. Он компилируется в один бинарный файл, не имеет среды выполнения Python и работает со всего от Raspberry Pi 5 до M4 Max. Передайте файл WAV, получите SRT или VTT. Сборка CMake теперь поставляется с предварительно скомпилированными бинарными файлами для основных платформ.
Где это отстаёт: чистый CLI. Нет диаризации, нет GUI, нет полировки приложения. Вы сами создаёте рабочий процесс вокруг него.
Цена: Бесплатно, лицензия MIT.
Платформы: Windows, macOS, Linux, BSD, где угодно с компилятором C++.
Скачать: Whisper.cpp GitHub
Итог: Правильный выбор для написания скриптов по транскрипции в существующие конвейеры, для встроенного использования и для тех, кто хочет наименьший, наиболее проверяемый поверхность атаки.
Как выбрать правильный
- Если вы хотите самохостируемую замену Otter.ai, которую может использовать весь дом: Speakr.
- Если вы живёте на macOS и просто хотите лучшего локального приложения: MacWhisper.
- Если вы на Windows или Linux и хотите чистый GUI: Vibe.
- Если вам нужны трансляционные отметки времени и меченые спикеры: WhisperX.
- Если у вас есть старый Mac и вам нужны только периодические стенограммы: Aiko.
- Если вы хотите написать скрипты по транскрипции в более крупный конвейер: Whisper.cpp.
Часто задаваемые вопросы
Может ли Whisper заменить Otter.ai?
Для записей только на английском языке с одним спикером — да. Для совещаний с несколькими спикерами с перекрытием, Whisper с диаризацией pyannote близко, но всё ещё отстаёт от Otter в маркировке спикеров. Разрыв сильно закрылся в 2025 году и закрывается дальше с каждым выпуском.
Какое оборудование нужно для локальной транскрипции?
large-v3 удобно работает на любом Mac с Apple Silicon и на любом GPU NVIDIA с 8 ГБ или более VRAM. Инференция только на CPU работает, но занимает больше времени, чем сама запись. Для случайной транскрипции совещаний ноутбук пятилетней давности подойдёт, если вы выберете small или medium.
Какая модель Whisper лучше всего подходит для точности?
large-v3 — наиболее точная опубликованная модель. large-v3-turbo — это более быстрый вариант с небольшим падением качества, которое большинство пользователей не заметит на чистом аудио. Пропустите large-v2 в пользу v3, если у вас нет конкретной причины.
Может ли локальная транскрипция обрабатывать аудио не на английском языке?
Whisper поддерживает почти 100 языков и конкурентоспособен с облачными сервисами на основных (испанский, французский, немецкий, португальский, японский, мандаринский). Качество падает для языков с меньшим количеством ресурсов, и английский с акцентом от неносителей языка всё ещё сбивает с толку каждую локальную модель.
Работает ли что-нибудь из этого в режиме оффлайн после установки?
Да, полностью. После загрузки весов модели каждое приложение в этом списке работает без подключения к сети. Это вся суть самохостинга.
