Речь в текст · от 12 ГБ VRAM
Whisper в облаке: транскрибация аудио на GPU
Распознавайте записи с Whisper large-v3 на арендованном GPU. Запустите приложение, откройте веб-интерфейс и загрузите аудио без установки окружения на свой компьютер.
Запустить WhisperПослушайте запись и сравните с расшифровкой Whisper
Два коротких фрагмента обработаны моделью Whisper large-v3 на RTX 4090. Послушайте исходник, прочитайте текст без правок и скачайте файлы субтитров.
Для примера взяли чистые записи, синтезированные Chatterbox. Распознавание выполнено скачиваемым скриптом с faster-whisper 1.2.1. Это не проверка WebUI и не замер точности на интервью, шумных записях или разговоре нескольких людей.
- Длительность записи
- 8,32 с
- Распознавание
- 0,99 с
Результат распознавания · без правок
welcome to the demo today we will turn a short script into a voiceover listen to the result and download the clip for editingРаспознанные слова совпадают со сценарием без учёта регистра и пунктуации. Заглавные буквы и знаки препинания потеряны. Последний субтитр заканчивается на 15,92 с, хотя запись длится 8,32 с: перед использованием нужно исправить тайминг.
Сравнить со сценарием, по которому синтезирована запись
Welcome to the demo. Today we will turn a short script into a voiceover, listen to the result, and download the clip for editing.
- Длительность записи
- 8,32 с
- Распознавание
- 0,63 с
Результат распознавания · без правок
Добро пожаловать на демонстрацию. Сегодня мы превратим короткий сценарий в озвучку, послушаем результат и скачаем файл для монтажа.Распознанные слова совпадают со сценарием; текст разбит на три сегмента. Результат на короткой синтезированной записи не показывает точность на других голосах и материалах.
Сравнить со сценарием, по которому синтезирована запись
Добро пожаловать на демонстрацию. Сегодня мы превратим короткий сценарий в озвучку, послушаем результат и скачаем файл для монтажа.
Как получили этот результат
large-v3 · CUDA FP16 · beam size 5 · автоопределение языка · VAD включён
Модель загрузилась за 2,88 с, затем файлы обрабатывались последовательно. Время каждого файла не включает загрузку модели, скачивание весов, подготовку окружения и передачу аудио. Для русского фрагмента модель уже была в памяти. Это отдельные замеры, а не сравнение видеокарт.
TXT, SRT, VTT и JSON — исходные результаты скачиваемого скрипта. Тайминги субтитров оставлены без правок. Наличие этих файлов не означает, что экспорт субтитров входит в WebUI приложения.
Скачать параметры запуска и контрольные суммыПревратите запись речи в рабочую расшифровку
Используйте Whisper для черновика интервью, конспекта лекции или поиска по тексту записи. Лаунчер готовит многоязычную large-v3 на вашем инстансе. Загрузите файл через WebUI, запустите распознавание и сверьте текст с исходным аудио перед использованием.
Веб-интерфейс или обработка скриптом
Транскрибация в браузере
Приложение позволяет загрузить запись и работать с результатом в WebUI. Выберите его для интерактивного сеанса без написания скрипта установки.
Пакетные задания и автоматизация
Для повторяемой обработки папок, собственного API и специального экспорта субтитров используйте отдельное руководство по ручному развёртыванию. Эти сценарии не входят в приложение в один клик.
От запуска до проверенного текста
1. Выберите GPU
Лаунчер требует минимум 12 ГБ VRAM. Сравните актуальные конфигурации ниже и оставьте место на диске для модели, записей и результатов.
2. Откройте Whisper
Дождитесь подготовки окружения и large-v3. Когда инстанс будет готов, воспользуйтесь ссылкой на приложение в панели.
3. Загрузите и распознайте
Начните с характерного отрывка. При необходимости укажите язык записи, запустите распознавание и сравните сложные места с аудио.
4. Сохраните и завершите
Скачайте текст и другие нужные файлы до удаления инстанса. После сеанса проверьте статус сервера и оплату диска.
Актуальные цены GPU для Whisper
Это аренда GPU, а не API с оплатой за минуту записи. Для оценки стоимости часа аудио разделите цену GPU за час × оплаченные часы сеанса на число обработанных часов аудио. Учитывайте установку, загрузку и простой; оплату диска проверяйте отдельно.
RTX 3090
24 ГБ VRAM

от 23.62 ₽/час
≈ 17 006.4 ₽/мес при 24/7
RTX 4090
24 ГБ VRAM

от 55.83 ₽/час
≈ 40 197.6 ₽/мес при 24/7
RTX A6000
48 ГБ VRAM

от 142.23 ₽/час
≈ 102 405.6 ₽/мес при 24/7