Словарь ИИ

Что такое Whisper

Коротко

Whisper это модель OpenAI для распознавания и перевода речи и определения языка, код и веса которой открыты под лицензией MIT.

Модели и сервисы · Whisper

Михаил МозгПроверено: 16 октября 20261 минута чтения

Ребенку

Представь внимательного одноклассника, который записывает за учителем каждое слово, даже когда в классе шумно, а учитель говорит быстро. Потом он отдает тебе аккуратный конспект. Иногда он слышит не то слово, особенно в именах и редких терминах. Поэтому важные места в таком конспекте сверяют с учебником.

Простыми словами

Это программа, которая превращает речь в текст. Вы даете ей аудиозапись, и она возвращает расшифровку, а еще может определить язык и перевести сказанное. Модель училась на огромном объеме записей из интернета, поэтому неплохо справляется с шумом, акцентами и разными темами. Ее можно бесплатно скачать и запускать на своем компьютере или сервере, а можно обращаться к облачной версии через API OpenAI. Пример: отдел продаж расшифровывает записи звонков, чтобы искать в них возражения клиентов.

Для бизнеса

Главный плюс для бизнеса в России в том, что код и веса Whisper открыты под лицензией MIT: модель разворачивают на своем сервере, и записи разговоров не покидают компанию. Для звонков с персональными данными это важно. Облачный whisper-1 из API OpenAI в России официально недоступен: страны нет в списке поддерживаемых. Кроме того, 26 августа 2026 года OpenAI объявила, что выведет whisper-1 из API 26 февраля 2027 года. Затраты на свой запуск зависят от объема записей, требований к скорости и выбранного размера модели. Как расшифровка подключается к телефонии и CRM, проверяют на одном потоке звонков.

Для специалиста

Модель описана в статье Radford и др. «Robust Speech Recognition via Large-Scale Weak Supervision» (2022): ее обучили на 680 000 часах многоязычной и многозадачной разметки, собранной в интернете (weak supervision), и она переносится на новые наборы данных без дообучения (zero-shot transfer). Устройство: трансформер с кодировщиком и декодером (encoder-decoder transformer), одна модель решает распознавание, перевод речи, определение языка и обнаружение голосовой активности (voice activity detection). Размеры в репозитории: tiny на 39 млн параметров, base на 74 млн, small на 244 млн, medium на 769 млн, large на 1 550 млн и turbo на 809 млн. Turbo это оптимизированная large-v3: она быстрее при небольшой потере точности, но переводу не обучена. В API модель доступна как whisper-1 с методами transcriptions и translations; в таблице устаревших моделей замена названа gpt-transcribe или gpt-live-transcribe.

Пример

Клиника ставит модель на свой сервер и расшифровывает аудиозаметки врачей после приема. Записи с данными пациентов не уходят во внешний сервис, а врач правит текст перед внесением в карту.

Связанные термины

Вопросы и ответы

Можно ли запустить Whisper без интернета?

Да, код и веса модели открыты под лицензией MIT, ее устанавливают на свой компьютер или сервер. В репозитории шесть размеров, от tiny на 39 млн параметров до large на 1 550 млн.

Чем открытый Whisper отличается от whisper-1 в API?

Открытую модель вы запускаете у себя, и записи никуда не уходят. Модель whisper-1 это облачный вариант в API OpenAI, который компания выведет из работы 26 февраля 2027 года.

Источники

Где это применяют в компании

ИИ-агент в телефонии и мессенджерах

Не уверены, нужно ли это вашей компании?

Карта ИИ-решений