Есть подкаст, запись или голосовая заметка в формате MP3? Перетащите файл в бесплатное приложение для Windows и получите транскрипт за несколько минут. Без загрузки в сеть, без поминутной оплаты, без ограничений на длину файла.
Перетащите, подождите, скопируйте. Работает с любым MP3 любой длины.
Скачайте бесплатный установщик для Windows 10 или 11 с главной страницы StarWhisper. Установка занимает около двух минут и включает разовое скачивание модели Whisper, чтобы приложение могло работать полностью в офлайн-режиме после установки. Без регистрации, без кредитной карты, без подтверждения по электронной почте.
Откройте StarWhisper. Откройте Проводник и найдите свой MP3. Перетащите файл в окно StarWhisper. Приложение автоматически определит язык. Если хотите, вы также можете нажать кнопку «Импорт» и выбрать файл вручную. Оба метода дают одинаковый результат.
StarWhisper обрабатывает аудио локально на вашем ЦП или ГП. Приблизительная скорость: примерно в 10 раз быстрее реального времени на современном ЦП ноутбука и в 50 раз быстрее на ГП NVIDIA с включенной CUDA. Часовой MP3 транскрибируется примерно за 6–12 минут на ЦП или за 1–2 минуты на ГП среднего уровня. Прогресс отображается в реальном времени.
По завершении обработки транскрипт появится в окне StarWhisper. Скопируйте весь текст в буфер обмена, сохраните его как файл .txt или экспортируйте с дополнительными временными метками, если вам нужно сопоставить текст с исходным аудио. Вставьте его в Notion, Word, Google Docs, вашу CMS или куда угодно еще.
Конкретные преимущества, а не расплывчатые выгоды.
Rev берет 25 центов за минуту за транскрипцию людьми и 10 центов за минуту за ИИ. 90-минутный выпуск подкаста обойдется в 9–22,50 долларов. StarWhisper бесплатен, с той же точностью, что и ИИ-уровень Rev.
Облачные сервисы часто ограничивают размер загружаемого файла (например, Otter.ai ограничивает бесплатный тариф 30 минутами на файл). StarWhisper обрабатывает аудиокниги, записи целых конференций и многочасовые интервью без ограничений.
MP3, WAV, M4A, OGG, OPUS, FLAC, WMA, а также извлечение аудио из MP4 и других видеоформатов. Дополнительный шаг конвертации не требуется.
По умолчанию Локальный режим запускает Whisper на вашем собственном ЦП или ГП. MP3 декодируется локально, транскрибируется локально, а результат записывается на ваш диск. Ничего не загружается в сеть. Подробнее о конфиденциальности.
Whisper поддерживает 96 языков, включая все основные европейские, азиатские и ближневосточные языки. Язык определяется автоматически. Поддержка языков.
Владельцы ГП NVIDIA устанавливают пакет CUDA, и скорость транскрибации возрастает примерно в 5 раз. Часовой MP3 обрабатывается за пару минут. Подробнее об ускорении на ГП.
MP3 по-прежнему остается универсальным переносным аудиоформатом. Подкасты публикуются в RSS-каналах в формате MP3, лекции попадают к слушателям как MP3-файлы, диктофоны экспортируют голосовые заметки в MP3, а исторические архивы интервью и записи конференций существуют почти исключительно в виде MP3. Любой, кто пытается прочитать, что находится внутри одного из этих файлов, сталкивается с одной и той же проблемой: в Windows нет встроенного инструмента для конвертации MP3 в текст.
Путь, по которому идут большинство людей, часто по умолчанию, — это загрузка MP3 в облачный сервис транскрибации. Otter, Trint, Rev, Sonix, Happy Scribe и Descript предлагают эту функцию. Они работают, но имеют три недостатка: поминутная оплата, которая быстро накапливается при обработке длинных файлов, затраты времени и трафика на загрузку при медленном интернете, а также проблемы с конфиденциальностью для чувствительных записей. Четвертый недостаток встречается реже, но хуже: на некоторых сервисах на бесплатных тарифах есть ограничения на размер или длину файла, которые незаметно ограничивают то, что вы можете транскрибировать без оплаты.
Альтернатива, которую открывают для себя большинство технически подкованных пользователей и от которой уже не отказываются — это локальная транскрибация. Установите небольшое приложение, перетащите в него MP3 и получите текст. StarWhisper — самый популярный вариант для Windows в этих целях. В его основе лежит модель OpenAI Whisper — та же базовая технология, на которой работают многие облачные сервисы транскрибации; вы просто запускаете ее локально, вместо того чтобы платить поставщику за ее использование.
Конкретные цифры из типичных ситуаций:
Перетащите 60-минутный MP3 в StarWhisper. Подождите 6–12 минут на обычном ЦП ноутбука или 1–2 минуты с ГП NVIDIA. Скопируйте полученный транскрипт на 8000 слов в приложение для заметок или систему управления контентом. Общее время, включая настройку: менее 15 минут для нового пользователя и менее 2 минут для тех, кто уже пользовался приложением.
Перетащите 90-минутный MP3 с интервью. Время обработки на современном ЦП: 10–18 минут. Результат: около 12 000 слов простого текста. Слегка отредактируйте и вставьте в черновик статьи. Бесплатно; никаких поминутных платежей, которые обошлись бы вам в 9–22,50 доллара за транскрибацию на Rev.
Перетащите папку с 30 старыми записями. StarWhisper поставит их в очередь. Отойдите от компьютера. Вернитесь к 30 готовым транскриптам, каждый из которых сохранен под соответствующим именем файла. Для внештатных архивистов или исследователей, оцифровывающих аудио, это рабочий процесс, который заменяет недели сидения за педалью транскрибатора.
Перетащите записанную голосовую заметку (часто это M4A с телефона, но MP3 работает так же). 5-минутная заметка превращается в 700 слов текста менее чем за минуту. Удобно для фиксации идей на ходу и получения записи, по которой можно осуществлять поиск.
Честные цифры. На чистом английском аудио, записанном на качественный микрофон (подкаст, профессиональное интервью), Whisper обеспечивает примерно 95–99 процентов точности. Это соответствует или превосходит ИИ-уровень Rev, автоматическую транскрипцию Otter и стандартный уровень большинства облачных сервисов.
Точность снижается при:
Для сравнения, транскрипция людьми (человеческий уровень Rev по 25 центов за минуту) держится на уровне около 99 процентов на чистом аудио и меньше теряет в качестве в сложных случаях. Компромисс заключается в стоимости: бесплатная локальная транскрибация покрывает 90 процентов реальных сценариев использования MP3 с качеством, достаточным для публикации или поиска. Для оставшихся 10 процентов, где критически важна точность в сложных условиях, платная транскрипция людьми все еще актуальна.
StarWhisper не требует предварительной конвертации файла перед транскрибацией. Поддерживаемые форматы:
| Формат | Типичный источник | Поддержка |
|---|---|---|
| MP3 | Подкасты, загрузки | Да |
| WAV | Профессиональное аудио, студийные записи | Да |
| M4A | Голосовые заметки iPhone, Zoom audio_only | Да |
| AAC | iTunes, некоторые подкасты | Да |
| OGG / OPUS | Голосовые сообщения WhatsApp, Telegram | Да |
| FLAC | Архивы без потерь | Да |
| WMA | Старые записи Windows | Да |
| MP4 (видео) | YouTube, видео из Zoom | Да, аудио извлекается |
| MOV / AVI / MKV | Другое видео | Да, аудио извлекается |
Смежные процессы конвертации описаны в статьях как конвертировать M4A в текст (для голосовых заметок iPhone) и как конвертировать WAV в текст (для студийных записей).
Многие MP3-файлы содержат материалы, которые люди не хотели бы хранить на серверах сторонних провайдеров. Записи интервью под NDA. Звонки службы поддержки. Записи сеансов терапии. Личные голосовые заметки с сокровенными мыслями. Аудио исследователей, записанное с согласия участников только на локальную обработку. Записи источников для расследований.
Облачные сервисы транскрибации загружают все это на свою инфраструктуру. Даже при строгой политике конфиденциальности аудио находится на чужом оборудовании. Для перечисленных выше категорий это часто неприемлемо.
Локальный режим StarWhisper (Local Mode) сохраняет весь процесс на вашем устройстве. Декодирование MP3 происходит на вашем ЦП. Модель Whisper запускается на вашем ЦП или ГП. Готовый текст записывается на ваш жесткий диск. Ничего не покидает устройство, если вы сами не решите поделиться этим. Это удовлетворяет требованиям конфиденциальности для описанных выше задач и устраняет юридические и этические вопросы, связанные с облачной транскрибацией конфиденциального контента.
Подробную информацию об архитектуре конфиденциальности см. на странице архитектуры конфиденциальности и офлайн-работы. Для работы с аудио в регулируемых отраслях см. FAQ по соответствию HIPAA, страницу голос в текст для психологов или страницу голос в текст для исследователей.
Бесплатная версия StarWhisper дает вам 500 слов в день и 3500 слов в неделю транскрибируемого вывода. Типичный 60-минутный MP3 дает примерно 8000 слов. Это означает, что один длинный выпуск превысит дневной бесплатный лимит. Вы все равно можете обработать файл (ограничений на длину самого файла нет), но только первые ~500 слов будут засчитаны в сегодняшний бесплатный лимит.
Для обычных пользователей, транскрибирующих один короткий MP3 раз в несколько дней, бесплатной версии достаточно. Для всех, кто регулярно обрабатывает длинное аудио (подкастеры, журналисты, исследователи, создатели контента), тариф Pro снимает это ограничение. Он стоит 10 долларов в месяц или 80 долларов в год. Полные сведения о Pro и цены. Бесплатный тариф является бессрочным и не имеет срока действия, поэтому вы можете проверить рабочий процесс перед оплатой.
Free и Pro используют одну и ту же модель Whisper и создают идентичные транскрипты. Pro просто снимает лимит на слова и добавляет такие функции, как пользовательский словарь и приоритетное облачное резервирование (если вы его включите). Для чистой конвертации MP3 в текст единственное практическое отличие заключается в дневном лимите.
Рабочий процесс, описанный выше для MP3, аналогичен нескольким смежным руководствам. Если ваш файл — это голосовая заметка iPhone, см. как конвертировать M4A в текст. Если это записанное интервью, см. как транскрибировать интервью. Если это выпуск подкаста, см. как транскрибировать подкасты. Если это запись звонка в Zoom, см. руководство по транскрибации звонков Zoom. Если это проповедь или лекция, см. как транскрибировать проповеди или как транскрибировать лекции. Во всех этих случаях используется один и тот же принцип перетаскивания; меняется только исходное аудио.
Тот же процесс для голосовых заметок iPhone и аудиофайлов Zoom.
Обработка несжатых студийных записей и профессиональных аудиофайлов.
Как работает полностью локальная транскрибация и почему это важно для конфиденциальности.
Конкретный процесс для аудиозаписей журналистских и исследовательских интервью.