Устали от семиминутных голосовых сообщений от родных или коллег? Перетащите файл в бесплатное приложение для Windows и прочитайте расшифровку за секунды. Поддерживает 96 языков, аудио не загружается в сеть.
Без регистрации, без загрузки в сеть, без поминутной оплаты.
Если вы пользуетесь WhatsApp только на телефоне, скачайте десктопный клиент с whatsapp.com или из Microsoft Store. Откройте его, отсканируйте QR-код телефоном, и вся история чатов синхронизируется. WhatsApp Desktop предоставляет надежное меню «Сохранить как» по правому клику мыши на голосовых сообщениях, которого часто нет в WhatsApp Web в браузере.
Найдите голосовое сообщение в чате. Щелкните по нему правой кнопкой мыши и выберите «Сохранить как». WhatsApp Desktop предложит имя файла и сохранит аудио в папку «Загрузки» в формате .opus или .ogg. Оба варианта являются стандартными файлами кодека Opus, и StarWhisper обрабатывает их изначально. Ничего конвертировать не нужно.
Скачайте StarWhisper с главной страницы. Установщик небольшого размера, а процесс настройки включает разовую загрузку модели, чтобы приложение могло работать в офлайн-режиме в дальнейшем. Бесплатный тариф покрывает 500 слов в день и 3500 слов в неделю, чего достаточно для типичного личного использования без тарифа Pro.
Откройте StarWhisper и перетащите файл .ogg или .opus из Проводника в окно программы. Приложение автоматически определит язык и начнет расшифровку. Обычно 30-секундное голосовое сообщение обрабатывается за две-пять секунд на современном процессоре. С GPU от NVIDIA расшифровка происходит практически мгновенно.
Текст появится в окне StarWhisper. Скопируйте его в буфер обмена, вставьте в чат или документ, либо сохраните в файл .txt. Голосовое сообщение теперь стало текстом, который можно искать, просматривать и цитировать. Вам больше не нужно прослушивать его целиком.
Конкретные причины, а не расплывчатые преимущества.
Локальный режим по умолчанию запускает OpenAI Whisper на вашем устройстве. Без загрузки в сеть, без сторонних хранилищ, серверы не видят переписку с вашей семьей.
Будь то голосовое сообщение на испанском, хинди, арабском, мандаринском, польском или любом из 96 поддерживаемых языков, StarWhisper определяет язык автоматически.
Файлы WhatsApp .opus и .ogg загружаются напрямую. Без сторонних конвертеров, онлайн-аудиориперов или вставок команд из командной строки ffmpeg.
Одноразовая загрузка модели, затем полная работа в офлайн-режиме. Полезно в полетах, для работы с конфиденциальными записями или там, где вы не доверяете сети.
Покрывает около 5–10 типичных голосовых сообщений в день без обязательной регистрации, без кредитной карты и без отсчета пробного периода. Подробнее о бесплатном тарифе.
Владельцы GPU от NVIDIA получают практически мгновенную расшифровку через CUDA. Подробнее о поддержке GPU.
Голосовые сообщения WhatsApp имеют одну особую проблему. Они удобны для отправителя, который может наговаривать текст на ходу, но неэффективны для получателя, которому приходится искать наушники, вставлять их и слушать в режиме реального времени, чтобы извлечь, возможно, лишь двадцать секунд полезной информации. Шестиминутное голосовое от родственника часто содержит одну дату, один вопрос и много контекста. Прочитать расшифровку за пятнадцать секунд — это объективно лучший опыт.
Другая причина — возможность поиска. После того как голосовое сообщение расшифровано, вы можете искать свою историю чатов по содержащимся в нем словам. Собственный поиск WhatsApp индексирует только текстовые сообщения, поэтому месяцы голосовых сообщений превращаются в непрозрачный черный ящик. Сохранение расшифровок в приложение для заметок или документ делает информацию из голосовых сообщений доступной для поиска в будущем. Люди, получающие много голосовых от определенного контакта (родителя, руководителя, лидера проекта), отмечают, что перевод их в текст меняет само отношение к этой переписке.
Облачные сервисы транскрипции существуют, но большинство из них берут плату за минуту, просят загрузить конфиденциальное личное аудио на свои серверы и требуют регистрации с кредитной картой. Математика становится невыгодной: по 10 центов за минуту и десять голосовых сообщений в неделю продолжительностью по две минуты каждое — это 8 долларов в месяц за то, что на самом деле является незначительной задачей. Подход StarWhisper — это бесплатная локальная установка, которая обеспечивает неограниченную расшифровку на бесплатном тарифе до достижения дневного лимита слов. Для большинства обычных пользователей WhatsApp этот лимит никогда не достигается.
Самый быстрый путь — использовать WhatsApp Desktop на том же ПК с Windows, где установлен StarWhisper. После привязки каждое голосовое сообщение в любом чате можно сохранить правым кликом. Это рекомендуемая настройка для всех, кто планирует расшифровывать голосовые сообщения чаще, чем изредка.
Уже описано в шагах выше. Правый клик, «Сохранить как», перетащить в StarWhisper. Два клика — и готово. Это работает для каждого голосового сообщения в любом чате, индивидуальном или групповом, при условии, что у вас привязано приложение для ПК.
На Android долго нажмите на голосовое сообщение, нажмите на меню с тремя точками, выберите «Поделиться» и отправьте на свой адрес электронной почты как вложение. На iPhone долго нажмите на голосовое сообщение, нажмите «Переслать», затем значок стрелки «Поделиться», затем выберите Mail. Откройте Gmail или Outlook на Windows, скачайте вложение и перетащите полученный файл в StarWhisper. Файл обычно приходит в формате .opus на Android или .m4a на iPhone. StarWhisper работает с обоими форматами.
Для пакетной расшифровки месяцев голосовых сообщений откройте чат на телефоне, перейдите в настройки чата, выберите «Экспорт чата» и укажите вариант с медиафайлами. WhatsApp создаст ZIP-архив со всеми аудиовложениями в формате .opus. Перенесите ZIP-архив на ПК, распакуйте его и перетащите папку в StarWhisper. Приложение последовательно обработает каждое голосовое сообщение и пометит каждую расшифровку именем файла. Именно так поступают при переносе многолетней семейной переписки в текст, доступный для поиска.
Бесплатный план StarWhisper дает 500 слов в день с ограничением в 3500 слов в неделю. Обычно 60-секундное голосовое сообщение WhatsApp расшифровывается примерно в 150 слов текста. Эта математика позволяет расшифровать около 3–5 голосовых сообщений в день на бесплатном тарифе, или 20–25 в неделю. Для большинства личных нужд в WhatsApp этого достаточно.
Если вы ведете малый бизнес через WhatsApp Business, получаете большой объем голосовых сообщений от клиентов или занимаетесь массовой расшифровкой архивов, лимиты начнут ощущаться. Тариф Pro стоит 10 долларов в месяц или 80 долларов в год и полностью снимает ограничение на количество слов. Подробнее о тарифе Pro и ценах на специальной странице. Также доступна бесплатная 7-дневная пробная версия, открывающая неограниченный доступ, если вы хотите убедиться, что приложение справляется с вашими задачами, прежде чем платить.
Бесплатный локальный режим (Local Mode) и Pro Local Mode выдают идентичные расшифровки. Тариф Pro не использует другую или более умную модель. Он просто снимает лимит слов и добавляет некоторые рабочие функции (пользовательские горячие клавиши, словарь, приоритетное облачное резервирование, если вы его включите). Для тех, кто просто хочет иногда читать длинные голосовые сообщения от родителей, бесплатного тарифа вполне достаточно.
Голосовые сообщения от друзей и семьи — одни из самых личных аудиоданных на вашем телефоне. Они содержат жалобы на здоровье, истории об отношениях, мнения о коллегах, семейные тайны и случайные комментарии, которые люди не хотели бы хранить на каком-то сервере. Загрузка такого аудио в облачный сервис транскрипции означает, что третья сторона получает его копию.
StarWhisper по умолчанию работает в локальном режиме (Local Mode). Аудиофайл, который вы перетаскиваете, декодируется на вашем процессоре или GPU, модель Whisper на вашем жестком диске выполняет расшифровку, а полученный текст появляется на экране. Ничего не загружается. Ничего не записывается на удаленном сервере. Никто не прослушивает это для контроля качества. Вы можете убедиться в этом сами, отключив интернет-соединение перед обработкой файла; расшифровка все равно будет работать.
Облачный режим (Cloud Mode) существует как опция в Настройках, если вы хотите использовать API OpenAI Whisper для небольшого улучшения точности в сложных случаях. Он имеет четкую маркировку, по умолчанию выключен и никогда не включается незаметно. Для конфиденциальных личных голосовых сообщений просто оставьте настройки по умолчанию. Более подробная информация о конфиденциальности доступна на странице архитектуры приватности и офлайн-работы.
Скорость расшифровки зависит от вашего оборудования и длины голосового сообщения. Примерные значения для модели Whisper medium на распространенных компьютерах:
| Оборудование | 30-сек голосовое | 2-мин голосовое | 10-мин голосовое |
|---|---|---|---|
| Современный процессор ноутбука (i7 или Ryzen 7) | от 2 до 5 сек | от 10 до 20 сек | от 1 до 2 мин |
| NVIDIA RTX 3060 (CUDA) | менее 1 сек | от 2 до 4 сек | от 10 до 20 сек |
| NVIDIA RTX 4090 (CUDA) | менее 1 сек | менее 1 сек | от 5 до 8 сек |
| Старый процессор (5+ лет) | от 5 до 10 сек | от 30 до 60 сек | от 3 до 6 мин |
Размер модели Whisper также имеет значение. StarWhisper по умолчанию использует сбалансированный вариант (medium), но в Настройках вы можете переключиться на меньшую (быстрее, немного менее точная) или большую (медленнее, точнее) модели. Для голосовых сообщений варианта по умолчанию почти всегда достаточно. Основной разрыв в качестве наблюдается между встроенным диктованием Windows и Whisper, а не между размерами моделей Whisper.
Честно о том, где этот метод работает хуже. Во-первых, аудио с сильным шумом. Для голосовых сообщений, записанных на улице в условиях интенсивного движения или сильного ветра, точность может снизиться с 95 с лишним процентов примерно до 80 процентов. Расшифровка останется читаемой, но вы можете заметить несколько неверных слов. Во-вторых, частое переключение между языками в одном предложении. Если в голосовом сообщении язык меняется каждые несколько слов, Whisper иногда выбирает один и транслитерирует другой. В-третьих, очень сильные региональные диалекты некоторых языков. Стандартный испанский язык из Испании, Мексики и Аргентины работает хорошо; очень густые сельские диалекты могут запутать модель.
Для всех этих случаев обходной путь один: попробуйте расшифровать и примите тот факт, что результат будет полезным первым черновиком, а не идеальной стенограммой. Для большинства личных голосовых сообщений точность значительно превышает уровень «достаточно хорошо».
Кроме того, здесь нет встроенной диаризации спикеров для голосовых сообщений в групповых чатах, где в одной записи присутствуют несколько голосов (редкость, но случается). StarWhisper расшифровывает все как единый блок текста. При необходимости вы можете разбить его вручную после расшифровки.
Если вы нашли это полезным, тот же процесс подходит и для других типов аудио. Многие люди устанавливают StarWhisper для обработки голосовых сообщений WhatsApp, а затем обнаруживают, что он также нужен им для расшифровки интервью, расшифровки подкастов или расшифровки встреч. Процесс перетаскивания файла остается тем же; меняется только источник аудио. Также существует режим диктовки в реальном времени для ввода голосом в любом приложении, что является отдельным вариантом использования, но устанавливается так же.
Используйте тот же локальный процесс Whisper для сохраненных аудиофайлов на Windows.
Перенесите файлы .m4a с iPhone в бесплатный инструмент расшифровки на Windows.
Тот же процесс для голосовых заметок iPhone, подкастов и записанных звонков.