Whisper: transkrypcja mowy na tekst po polsku, także bez internetu
👁 284 przeczytań
- Whisper od OpenAI działa lokalnie na własnym komputerze, co oznacza, że nagranie nigdzie nie jest wysyłane i zachowana jest pełna prywatność.
- Model radzi sobie dobrze przy wyraźnej mowie i jednym mówcy, ale nie rozdziela mówców i może dopisywać fragmenty, których nie było, np. w ciszy lub przy szumie.
- Uruchomienie Whispera lokalnie jest darmowe, a przez API OpenAI transkrypcja rozliczana jest za minutę nagrania jako jedna z tańszych usług w ofercie.
Whisper to model od OpenAI, który zamienia mowę na tekst, i przez lata był najlepszym darmowym rozwiązaniem do transkrypcji po polsku. Wciąż jest wart uwagi z jednego konkretnego powodu: można go uruchomić na własnym komputerze, więc nagranie nigdzie nie wychodzi. Przy rozmowach z klientami, wywiadach i materiałach objętych tajemnicą to argument, którego żadna usługa w chmurze nie przebije. Modele, instalację krok po kroku i mój pomiar błędów na RTX 4090 opisałem w przewodniku Whisper.
Jak dobrze radzi sobie z polskim
Bardzo dobrze przy wyraźnej mowie i jednym mówcy: wywiad, wykład, notatka głosowa, podcast bez nakładających się głosów. Problemy zaczynają się przy kilku osobach mówiących naraz, silnym gwarze w tle i nagraniach z telefonu położonego daleko od rozmówców. Nie rozdziela też sam z siebie mówców, więc przy spotkaniu z pięcioma osobami dostaniesz jeden ciągły tekst.
Druga rzecz warta wiedzy: Whisper czasem dopisuje fragmenty, których nie było, zwłaszcza w ciszy albo przy szumie. To znana właściwość tego typu modeli i powód, dla którego transkrypcji materiału dowodowego nie należy używać bez odsłuchania.
Trzy sposoby użycia
Bez instalowania czegokolwiek. Najprościej wrzucić nagranie do czatu, który obsługuje pliki dźwiękowe, i poprosić o transkrypcję i streszczenie w jednym kroku. Wygodne, ale plik trafia na cudzy serwer.
Wbudowane funkcje telefonu. Pixel, Samsung i iPhone mają dziś własną transkrypcję nagrań, często działającą lokalnie. Do notatek i wywiadów zwykle wystarcza, o czym piszę w tekście o najlepszych aplikacjach AI na telefon.
Czytaj też: Jak uruchomić darmowe AI offline na własnym komputerze
Lokalnie na komputerze. Whisper jest modelem otwartym, więc można go zainstalować i przetwarzać nagrania offline. Wymaga chwili konfiguracji, ale daje pełną prywatność i brak limitów. To wybór dla dziennikarzy, prawników i wszystkich, którzy nie mogą wysłać nagrania w świat.
Ile to kosztuje
Uruchomienie lokalne jest darmowe, płacisz tylko czasem procesora. Przez API OpenAI transkrypcja rozliczana jest za minutę nagrania i jest jedną z tańszych usług w całej ofercie. Konkurencyjne usługi transkrypcji sprzedają abonamenty z pulą godzin i dokładają rozdzielanie mówców oraz edytor, co przy regularnej pracy z wywiadami bywa warte dopłaty.
Google · Twoje źródłaPromptowy wyżej w Twoim Google - jednym kliknięciemDodaj do preferowanych źródeł →Do czego to naprawdę wykorzystać
Nie przepłacaj za te subskrypcje
Prowadzę sklep z rocznymi dostępami do narzędzi AI - te same konta, o których piszę wyżej, tylko taniej niż w cenniku producenta.
Trzy zastosowania, w których zwrot jest natychmiastowy: transkrypcja wywiadów przed pisaniem tekstu, zamiana notatek głosowych z telefonu na listę zadań oraz napisy do materiałów wideo. W każdym z nich transkrypcja jest tylko pierwszym krokiem, bo prawdziwa oszczędność pojawia się, gdy przepuścisz gotowy tekst przez czat z poleceniem o streszczenie albo wyciągnięcie ustaleń (poprawnie: z poleceniem streszczenia albo wyciągnięcia ustaleń). Jak formułować takie polecenia, tłumaczę w przewodniku co to jest prompt i jak pisać prompty.
Modele na własnym komputerze: Ollama z linii poleceń, LM Studio w okienku, Whisper do nagrań i Bielik, gdy zależy Ci na polszczyźnie.
Zobacz też: Lokalne AI: modele tekstowe, obrazy i wideo na własnym komputerze · test 7 lokalnych modeli po polsku
Cały tydzień w AI, w jednym mailu
Wybrane premiery, narzędzia i analizy. Raz w tygodniu, prosto do skrzynki.
Zapisz się za darmo →Najczęstsze pytania
Czy Whisper działa bez internetu i bez wysyłania pliku na serwer?
Tak, Whisper można zainstalować lokalnie na własnym komputerze i przetwarzać nagrania offline. To rozwiązanie dla dziennikarzy, prawników i innych osób, które nie mogą wysłać nagrania poza swój sprzęt.
Jak dobrze Whisper radzi sobie z językiem polskim?
Whisper dobrze transkrybuje polską mowę przy wyraźnym nagraniu i jednym mówcy - sprawdzi się przy wywiadach, wykładach i podcastach. Problemy pojawiają się przy kilku osobach mówiących naraz, silnym szumie w tle i nagraniach z telefonu ustawionego daleko od rozmówców.
Czy Whisper rozdziela mówców w nagraniu?
Nie, Whisper nie rozdziela mówców samodzielnie. Przy spotkaniu z kilkoma osobami zwraca jeden ciągły tekst bez oznaczenia, kto co powiedział.
Ile kosztuje korzystanie z Whispera?
Lokalne uruchomienie Whispera jest darmowe - płaci się tylko czasem procesora. Przez API OpenAI transkrypcja rozliczana jest za minutę nagrania i należy do tańszych usług w ofercie tej firmy.
Transkrypcja po polsku za darmo: 7 sposobów i ich limityArtykuły
MAI-Voice-2.1 po polsku: lektor Microsoftu za 22 USD i transkrypcjaArtykuły
7 lokalnych modeli AI po polsku: test na RTX 4090 kontra chmuraArtykułyChcesz zrobić film po polsku? ZWID - od 3 zł →
Podobne tematy na Promptowym
