Whisper: transkrypcja mowy na tekst po polsku, także bez internetu
👁 130 przeczytań
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.
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.
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
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.
Cały tydzień w AI, w jednym mailu
Wybrane premiery, narzędzia i analizy. Raz w tygodniu, prosto do skrzynki.
Zapisz się za darmo →Najczęstsze pytania
Co to jest Whisper?
Model od OpenAI zamieniający mowę na tekst. Jest otwarty, więc można go uruchomić na własnym komputerze i transkrybować nagrania bez wysyłania ich do internetu.
Czy Whisper jest darmowy?
Uruchomiony lokalnie tak, płacisz tylko czasem pracy komputera. Przez API OpenAI transkrypcja jest rozliczana za minutę nagrania i należy do tańszych usług w ofercie.
Czy Whisper dobrze radzi sobie z polskim?
Bardzo dobrze przy wyraźnej mowie i jednym mówcy. Gorzej przy kilku osobach mówiących naraz, gwarze w tle i nagraniach z daleka. Nie rozdziela sam mówców, więc ze spotkania dostaniesz jeden ciągły tekst.
Jak transkrybować nagranie bez wysyłania go do internetu?
Uruchomić Whisper lokalnie na własnym komputerze albo skorzystać z wbudowanej transkrypcji w telefonie, która w części urządzeń działa offline. To jedyne sposoby dające pełną kontrolę nad nagraniem.
Podobne tematy na Promptowym
