Каждому облачному сервису транскрипции нужен интернет, и он загружает ваше аудио. Для конфиденциального аудио (юридическое, медицинское, НИОКР, журналистские материалы) это неприемлемо. StarWhisper запускает Whisper локально на вашем устройстве Windows. Аудио никогда не покидает устройство.
Установите один раз с интернетом, работайте в автономном режиме всегда после этого.
Скачайте бесплатный установщик с домашней страницы StarWhisper и запустите его. Установка занимает около двух минут и включает разовую загрузку файлов модели Whisper (от нескольких сотен мегабайт до нескольких гигабайт, в зависимости от выбранного размера модели). Это единственный раз, когда требуется интернет.
Включите режим полета, отключите кабель ethernet, отключите адаптер Wi-Fi или просто отправьтесь в зону без сигнала. StarWhisper не требует подключения для работы. Если вам нужны твердые доказательства, запустите Wireshark или любой сетевой монитор: во время транскрипции из процесса StarWhisper не выйдет ни одного пакета.
Откройте StarWhisper. Перетащите любой аудиофайл (MP3, WAV, M4A, OGG, OPUS, FLAC, WMA, AAC, а также аудио, извлеченное из видео MP4, MOV, AVI, MKV) в окно. Модель Whisper на вашем жестком диске декодирует и транскрибирует аудио. Язык определяется автоматически из 96 поддерживаемых.
StarWhisper обрабатывает аудио локально на вашем CPU или GPU. Скорость: примерно в 10 раз быстрее реального времени на современном процессоре ноутбука и в 50 раз быстрее на GPU от NVIDIA с включенным CUDA. Часовой аудиофайл транскрибируется примерно за 6–12 минут на CPU или за 1–2 минуты на GPU среднего диапазона.
Расшифровка появится в окне StarWhisper после завершения обработки. Скопируйте в буфер обмена, сохраните как .txt или экспортируйте с дополнительными временными метками. Файл записывается на ваш локальный жесткий диск. Никакой облачной синхронизации, никакой загрузки, никакой телеметрии. Текст принадлежит только вам.
Реальные ситуации, когда облачная транскрипция не работает или запрещена.
Длительные авиаперелеты, поездки на поезде, поездки на автомобиле в туннелях. Облачные инструменты умирают, когда исчезает сигнал. Локальная транскрипция продолжает работать на полностью отключенном ноутбуке.
Командировки, деловые поездки, номера в отелях со сломанным или медленным интернетом. Аудиофайл, который вы записали ранее, все равно транскрибируется локально, сеть не нужна.
Студии звукозаписи, кабинеты медицинской визуализации, больницы с преднамеренным блокированием сигнала и аналогичные среды, где облачная загрузка просто не может достичь сервера.
Защищенные изолированные информационные объекты (SCIF) запрещают подключение к сети. Локальная архитектура StarWhisper совместима с требованиями изоляции; развертывание зависит от утверждения объектом.
Юридические показания, интервью с журналистскими источниками, аудио НИОКР, записи терапевтических сеансов. Облачная загрузка нарушает конфиденциальность. Объяснение проблем конфиденциальности.
Облачные инструменты берут плату за минуту или за месяц. Локальная установка бесплатна в пределах дневного лимита слов или 10 долларов в месяц за неограниченное использование. Модель ценообразования.
Большинство людей, которые вводят «как транскрибировать аудио» в поисковую систему, в конечном итоге попадают на Otter, Rev, Trint, Happy Scribe, Sonix, Descript или один из десятков аналогичных сервисов. Все они работают одинаково: вы загружаете свой аудиофайл на их серверы, их бэкенд (часто та же модель OpenAI Whisper, которая работает локально на вашем собственном компьютере) обрабатывает файл, и расшифровка возвращается. Для обычного пользователя с нечувствительным аудио и хорошим интернетом это нормально.
Это не подходит для большой доли реальных потребностей в транскрипции.
Юристы не могут загружать привилегированные разговоры с клиентами на сторонний сервер, не нарушая свои этические правила и саму адвокатскую тайну. Врачи и терапевты не могут загружать аудио пациентов, не нарушая HIPAA в США или эквивалентные правила в других странах. Журналисты, работающие с конфиденциальными источниками, не могут загружать записи источников, не подвергая риску источник. Корпоративные команды НИОКР не могут загружать аудио о prerelease продуктах, не раскрывая коммерческие тайны. Правительственные и оборонные работы, очевидно, не могут загружать ничего секретного. Даже для нерегулируемых личных записей многие люди просто не хотят, чтобы их голосовые заметки навсегда оставались на чужом сервере.
StarWhisper создан именно для этой категории пользователей. Модель Whisper, которая его питает, полностью работает на вашем устройстве Windows. После одноразовой установки (которая является единственным шагом, требующим интернета), приложению не нужно связываться с домом. Вы можете транскрибировать в режиме полета, в подвале, в самолете, в отеле со сломанным Wi-Fi, в SCIF или на постоянно изолированной рабочей станции. Аудио никогда не покидает устройство.
«Конфиденциальность» легко заявить в маркетинговых текстах. Стоит проверить это самостоятельно, когда ставки высоки.
Установите StarWhisper, завершите загрузку модели, затем включите режим полета (или отключите ethernet и Wi-Fi, если у вашего ноутбука есть аппаратный переключатель Wi-Fi — еще лучше). Откройте StarWhisper и транскрибируйте файл. Это работает. Этот единственный тест подтверждает, что всё в конвейере транскрипции происходит локально, потому что сети буквально нет.
Если вам нужно абсолютное подтверждение того, что StarWhisper ничего не загружает при наличии сети, установите Wireshark (бесплатный, с открытым исходным кодом) или любой эквивалентный инструмент захвата пакетов. Отфильтруйте по процессу StarWhisper. Запустите транскрипцию. Наблюдайте ноль исходящих пакетов от процесса StarWhisper во время самой транскрипции. Телеметрия от ОС (сама Windows по умолчанию отправляет некоторую фоновую телеметрию) будет видна при захвате, но она отделена от того, что делает StarWhisper.
Для развертываний в SCIF или изолированных средах, где требуются более строгие гарантии, установите StarWhisper на подключенный компьютер, завершите загрузку модели, скопируйте всю установленную папку (Program Files плюс каталог кэшированных моделей) на USB-накопитель с использованием утвержденных процедур для съемных носителей, перенесите на изолированный целевой компьютер и запустите там. Приложение будет работать вообще без сети, потому что все веса моделей и зависимости кода находятся на диске. Это также полезно для редкого случая, когда вы хотите развернуть StarWhisper на множестве конечных точек внутри корпоративной сети, которая не разрешает исходящий интернет с рабочих станций.
Паралегал записывает показания или интервью со свидетелем для внутреннего использования. Запись содержит привилегированные разговоры и конфиденциальные дела клиентов. Загрузка в облачный сервис, такой как Rev или Otter, нарушит адвокатскую тайну (или, как минимум, потребует соглашения о бизнес-ассоциации и этической оценки). Перетащите файл в StarWhisper на ноутбуке, получите расшифровку локально, без загрузки. То же самое относится к записанным переговорам об урегулировании, звонкам по подготовке свидетелей-экспертов и любому другому аудио, подпадающему под обязательства фирмы по сохранению конфиденциальности. См. голос в текст для юристов для полного юридического рабочего процесса.
Клиницист записывает консультацию пациента для ведения заметок (с согласия). Аудио содержит защищаемую медицинскую информацию (PHI). HIPAA разрешает обработку PHI на собственном оборудовании клинициста, но обычно запрещает ее загрузку в сторонние облачные сервисы без явных соглашений BAA. Локальная транскрипция Whisper на рабочей станции Windows клинициста удерживает аудио под соответствующим контролем HIPAA. См. FAQ по соответствию HIPAA для более подробной информации и голос в текст для терапевтов для контекста психического здоровья.
Репортер-расследователь записывает интервью с источником. Источник согласился говорить при условии, что запись не будет передана никому, включая поставщика услуг транскрипции. Загрузка файла в Otter, Rev или любой облачный сервис технически делится им с инфраструктурой поставщика. Локальная транскрипция сдерживает обещание. См. голос в текст для журналистов для рабочего процесса, специфичного для репортеров.
Выездные исследователи, участники конференций и путешествующие профессионалы регулярно имеют аудио для транскрибации, но не имеют надежного интернета. Wi-Fi в отеле пропадает. Конференц-сети ограничивают большие загрузки. Поездки на поезде через мертвые зоны. Рабочий процесс облачных инструментов останавливается; локальный рабочий процесс — нет. Перетащите файл, получите расшифровку, двигайтесь дальше. См. FAQ по автономному голосовому диктанту Windows для связанных сценариев диктанта.
Краткое объяснение того, почему это вообще возможно, поскольку облачная транскрипция несколько лет назад была единственным вариантом.
OpenAI выпустила модель Whisper как открытый исходный код по лицензии MIT в 2022 году. Whisper — это единая нейронная сеть, обученная примерно на 680 000 часах мультиязычного аудио. Самая большая версия содержит около 1,5 миллиарда параметров и работает с объемом оперативной памяти в несколько гигабайт. Меньшие версии весят несколько сотен мегабайт и работают на типичном процессоре ноутбука в реальном времени или быстрее. Это означает, что та же модель, которая лежит в основе большинства современных облачных сервисов транскрипции, может работать локально на потребительском оборудовании.
StarWhisper объединяет модель Whisper с конвейером декодирования аудио, пользовательским интерфейсом и специфичным для Windows связующим кодом, который позволяет перетаскивать файлы. После установки весь конвейер находится на вашем жестком диске: веса модели, библиотеки кодеков, код парсинга, форматирование вывода. Ни один из них не требует доступа к сети во время выполнения. Расшифровка вычисляется на вашем CPU или GPU и записывается в локальный файл. Для более глубокого архитектурного объяснения см. конфиденциальность и автономная архитектура.
Компромисс по сравнению с облачными сервисами заключается в оборудовании. Облачная транскрипция выполняется на любом мощном сервере, который хочет предоставить поставщик. Локальная транскрипция выполняется на вашем ноутбуке, который медленнее, чем выделенный сервер с GPU. На практике разница в скорости имеет меньшее значение, чем можно было бы ожидать: типичный современный процессор ноутбука транскрибирует аудио примерно в 10 раз быстрее реального времени, что означает, что часовой файл занимает от 6 до 12 минут. GPU от NVIDIA с CUDA сокращает это время до 1–2 минут. Для большинства нереалтайм рабочих процессов (транскрибация существующего аудиофайла, а не субтитры в прямом эфире) локальной скорости более чем достаточно.
Бесплатный уровень StarWhisper предоставляет 500 слов в день и 3500 слов в неделю расшифрованного вывода. Бесплатный уровень работает в автономном режиме точно так же, как уровень Pro; нет функций, доступных только онлайн, заблокированных за бесплатным барьером. Единственная разница — это дневной лимит слов.
Для типичного случайного использования (короткая записанная встреча, личная голосовая заметка, один фрагмент подкаста) 500 слов в день достаточно. 5-минутная голосовая заметка — это примерно 700 слов; один типичный абзац продиктованного текста легко укладывается в лимит. Для интенсивного профессионального использования (полные юридические показания, многочасовые транскрипции медицинских сеансов, ежедневная журналистская работа) тариф Pro снимает ограничение за 10 долларов в месяц или 80 долларов в год. Подробности плана Pro. 7-дневная бесплатная пробная версия Pro доступна, если вы хотите проверить рабочий процесс на длинном файле.
Бесплатный уровень действительно бесплатен, без кредитной карты, без обязательной регистрации и без ловушки преобразования пробного таймера в платную версию. Это не урезанная версия платного приложения; это то же приложение с лимитом слов. Коммерческое использование разрешено на обоих уровнях. Для глубокого изучения подхода без подписки см. модель ценообразования без подписки.
Если именно автономный режим привел вас сюда, несколько связанных руководств расширяют смежные темы. По конкретному вопросу о том, как локальная транскрипция Whisper сравнивается с облачной Whisper, см. Локальный Whisper против облака. Для более широкой категории проблем конфиденциальности при транскрипции см. проблемы конфиденциальности транскрипции. Для специфических форматов автономных рабочих процессов см. как конвертировать MP3 в текст, как конвертировать M4A в текст и как конвертировать WAV в текст, каждый из которых использует тот же локальный конвейер, описанный выше. Для автономного диктанта в реальном времени (не транскрибации существующих файлов) см. FAQ по автономному голосовому диктанту Windows.
Полностью автономный рабочий процесс для самого распространенного формата аудио.
Подробный разбор того, как работает локальная обработка и почему это важно.
Проблема, создаваемая облачной транскрипцией, и способы ее избежать.
Диктовка в реальном времени в автономном режиме, а не только транскрипция файлов.