Whisper GUI: 7 aplikacji na Windows i Maca (2026)
Whisper GUI uruchamia model rozpoznawania mowy OpenAI Whisper bez terminala. Siedem aplikacji na Windows i Maca, porównanych: instalacja, GPU, edycja i eksport.
Whisper GUI to desktopowa aplikacja, która uruchamia otwarty model rozpoznawania mowy Whisper od OpenAI za przyciskami zamiast w terminalu: wrzucasz plik audio albo wideo, wybierasz model i dostajesz transkrypt albo plik napisów. Dobre aplikacje instalują się bez Pythona, same pobierają model i korzystają z twojej karty graficznej.
Krótka wersja: Buzz to darmowy wybór domyślny na Windows, Macu i Linuksie, MacWhisper jest najbardziej dopracowany na Macu, Subtitle Edit to darmowy wybór, gdy wynikiem ma być plik napisów do ręcznej edycji, a Sablate, który robimy my, jest dla napisów, które trzeba ostylować, wypalić albo przetłumaczyć. Pozostałych sześciu aplikacji nie testowaliśmy sami; ich szczegóły pochodzą z własnych plików README, dokumentacji i stron z cennikami, sprawdzonych 12 listopada 2026.
| Jeśli potrzebujesz… | Na Windows | Na Macu |
|---|---|---|
| Darmowego transkryptu bez konfiguracji | Buzz albo Vibe | Vibe, Buzz albo darmowa wersja MacWhisper |
| Kto co powiedział w wywiadzie | noScribe, Buzz albo Vibe | noScribe, Buzz albo Vibe |
| Pliku napisów do ręcznej edycji | Subtitle Edit | Subtitle Edit |
| Ostylowanych, wypalonych albo wielojęzycznych napisów | Sablate | Sablate |
| Lokalnej aplikacji webowej, którą można oskryptować | Whisper-WebUI | Whisper-WebUI |
Co składa się na dobry Whisper GUI
Każda aplikacja z tej listy uruchamia te same publiczne modele Whisper. Różni je wszystko wokół modelu:
- Instaluje się jak aplikacja, a nie projekt w Pythonie. Podpisany instalator i model pobierany przy pierwszym użyciu to cały sens GUI. Dwa darmowe narzędzia z tej listy mają niepodpisane instalatory na Windows, więc spodziewaj się ostrzeżenia SmartScreen.
- Silnik pod przyciskami. Większość aplikacji opakowuje jeden z trzech silników: referencyjny kod OpenAI, faster-whisper albo whisper.cpp. Transkrybują ten sam model z bardzo różną prędkością, jak pokazuje następna sekcja.
- Obsługa GPU na twoim sprzęcie. Na Windows oznacza to głównie kartę NVIDIA przez CUDA, a Vulkan w buildach whisper.cpp obejmuje grafikę AMD i Intel. Na Macu z GPU korzystają tylko niektóre silniki.
- Wybór modeli i pobieranie. Potrzebujesz pełnego zakresu od
tinydolarge-v3ilarge-v3-turbo, pobieranego raz i używanego ponownie. Porównanie modeli podaje rozmiary i prędkości. - Co dzieje się po transkrypcji. Edytor, etykiety mówców, tłumaczenie, podziały wierszy napisów i wypalanie to miejsca, w których aplikacje różnią się najbardziej.
- Czy ktoś jeszcze to rozwija. Silniki Whisper zmieniają się szybko. GUI bez wydania od roku zostaje w tyle pod względem modeli i obsługi GPU.
Czy Whisper GUI jest tak dokładny jak wiersz poleceń?
Tak, jeśli uruchamia ten sam model, bo wagi to ten sam plik. Silnik zmienia prędkość i zużycie pamięci, a nie to, co model wie.
Różnica w prędkości jest duża. README faster-whisper publikuje benchmark na 13 minutach dźwięku. Z modelem large-v2 na NVIDIA RTX 3070 Ti referencyjna implementacja OpenAI zajęła 2 min 23 s, whisper.cpp 1 min 05 s, a faster-whisper 1 min 03 s, albo 59 s z kwantyzacją 8-bitową. Z modelem small na ośmiowątkowym Intel Core i7-12700K ten sam plik zajął 6 min 58 s w kodzie referencyjnym, 2 min 05 s w whisper.cpp i 1 min 42 s w faster-whisper z kwantyzacją 8-bitową. faster-whisper opisuje siebie jako do 4 razy szybszy od openai/whisper przy tej samej dokładności i mniejszym zużyciu pamięci.
To, co naprawdę zmienia transkrypt, to konfiguracja. Filtr aktywności głosowej (VAD) pomija ciszę, zanim zobaczy ją Whisper, co usuwa fragmenty, w których Whisper najczęściej zmyśla tekst; resztę opisuje przewodnik po halucynacjach Whispera. Model znaczy więcej niż jakiekolwiek ustawienie: OpenAI podaje, że large-v3-turbo transkrybuje mniej więcej tak dobrze jak large-v2, ale nie był trenowany do tłumaczenia, więc zadanie „przetłumacz na angielski” na turbo zwraca język oryginału. GUI, które ukrywa te wybory, jest łatwiejsze w użyciu; to, które je pokazuje, pozwala naprawić nieudane uruchomienie.
7 najlepszych aplikacji Whisper GUI w 2026 roku
1. Sablate — Whisper GUI, który kończy na gotowych napisach
Sablate to desktopowa aplikacja na Windows i Mac, która uruchamia lokalnie Whispera w czterech poziomach (faster-whisper albo whisper.cpp na Apple Silicon): Fast (tiny), Balanced (small), Accurate (large-v3-turbo) i Best (large-v3), dla 100 języków źródłowych z automatycznym wykrywaniem. Każdy model pobiera się raz, od około 78 MB dla Fast do około 3,09 GB dla Best. Filtr aktywności głosowej jest zawsze włączony, a transkrypt jest cięty na linijki napisów o długości najwyżej dwóch wierszy po 42 znaki i sześciu sekund, z nową linijką po każdej pauzie dłuższej niż pół sekundy.
Od każdego innego GUI z tej listy różni go to, co dzieje się dalej. Każdy dodatkowy język to warstwa na tej samej transkrypcji, tłumaczona offline przez Argos albo przez DeepL, OpenAI czy Claude z twoim własnym kluczem. Każda warstwa zachowuje własny styl i własną czcionkę pisma. Edytor ma retimowanie na osi czasu, dzielenie i łączenie oraz znajdź i zamień, a 13 presetów napisów sięga od Classic po napisy karaoke słowo po słowie. Wypalanie przez libass renderuje wideo w 16:9, 9:16 albo 1:1. Eksport to .srt, .vtt i .txt, a w Pro także .ass i jeden .mkv ze ścieżką na język.
Na Windows GPU NVIDIA transkrybuje mniej więcej pięć do dziesięciu razy szybciej niż CPU, a środowisko CUDA pobiera się przy pierwszej potrzebie. Na Macu z Apple Silicon Sablate przełącza się na whisper.cpp i transkrybuje na GPU przez Metal; Maci z Intelem używają CPU. Nie ma etykiet mówców ani transkrypcji na żywo z mikrofonu.
$29 jednorazowo albo $5,99 miesięcznie. Plan Darmowy nie wymaga konta i pokrywa filmy do dziesięciu minut, trzy zadania miesięcznie, modele Fast i Balanced oraz jedną warstwę tłumaczenia offline; jego wypalanie nosi mały znak w rogu. Kilka języków z jednego wideo to zadanie, do którego został zbudowany.
2. Buzz — darmowy, otwartoźródłowy wybór domyślny
Buzz jest darmowy i open source na licencji MIT, na Windows, Mac i Linux. To najszerszy gospodarz silników na tej liście: Whisper od OpenAI, whisper.cpp z akceleracją Vulkan, faster-whisper, modele Hugging Face zgodne z Whisper, Parakeet od NVIDIA i OpenAI API. Korzysta z GPU NVIDIA przez CUDA i z większości innych GPU przez Vulkan.
Robi też rzeczy, których Sablate nie robi: transkrypcję na żywo z mikrofonu i rozpoznawanie mówców w nagraniu. Eksport to .txt, .srt, .vtt i .csv. Tłumaczenie to zadanie Whispera tłumacz-na-angielski albo dowolny inny język przez model zgodny z OpenAI, który podłączysz, także lokalny przez Ollamę.
Dwa zastrzeżenia z jego własnego README. Instalator na Windows nie jest podpisany, więc Windows ostrzega przed jego uruchomieniem. A obecne wydanie, 1.4.5 z sierpnia 2026, jest ostatnim dla Maców z Intelem; późniejsze wersje wymagają Apple Silicon.
Darmowy. Zacznij tutaj, jeśli potrzebujesz tylko tekstu albo .srt.
3. MacWhisper — najbardziej dopracowana aplikacja Whisper na Macu
MacWhisper to natywna aplikacja na Maca zbudowana na whisper.cpp, która uruchamia Whispera na GPU Maca przez Metal, czego nie potrafi żadna aplikacja zbudowana wyłącznie na faster-whisper. Na Macach z serii M dodaje modele WhisperKit, nagrywa spotkania online, a Pro dodaje modele Parakeet od NVIDIA, rozpoznawanie mówców i napisy na żywo. Eksportuje .srt i .vtt, a także .docx, .pdf, .csv, Markdown i HTML, i tłumaczy przez Whispera albo przez DeepL z twoim własnym kluczem.
To przede wszystkim aplikacja do transkrypcji. Stylizację i wypalanie napisów w obraz zostawia twojemu edytorowi wideo, a wersji na Windows nie ma; tę lukę opisują alternatywy dla MacWhisper na Windows. Wydanie z Mac App Store to osobna aplikacja, Whisper Transcription, sprzedawana w subskrypcji.
Darmowa, albo 64 € jednorazowo za Pro. Tylko Mac, aktualna wersja wymaga macOS 14 lub nowszego. Przy długich nagraniach na Apple Silicon to wybór dla szybkości.
4. Subtitle Edit — Whisper w pełnym edytorze napisów
Subtitle Edit jest darmowy i open source na licencji MIT, z wersjami na Windows, Mac i Linux; .dmg na Maca jest podpisany i notaryzowany od wersji 5.2.0, a 5.4.0 ukazała się 6 listopada 2026. Whisper znajduje się w Video → Speech to text, gdzie dokumentacja wymienia 12 silników, wśród nich whisper.cpp, Faster-Whisper-XXL od Purfview, Whisper CTranslate2, WhisperX i opcjonalne usługi chmurowe. Na Windows silnik whisper.cpp może korzystać z CUDA albo Vulkan.
Po transkrypcji to najbardziej rozbudowane narzędzie napisów na tej liście: fala dźwiękowa do czasowania, ponad 380 formatów napisów i wypalanie przez FFmpeg z Video → Generate video with burned-in subtitles. Ceną tej głębi są decyzje: wybór silnika, modelu i backendu GPU należy do ciebie. Przewodnik po Whisperze w Subtitle Edit przeprowadza przez te wybory.
Darmowy.
5. Vibe — darmowy i ta sama aplikacja na każdym systemie desktopowym
Vibe jest darmowy i open source na licencji MIT, na Windows, Mac i Linux, i jest zbudowany na whisper.cpp. Jego README wymienia akcelerację GPU na grafice NVIDIA, AMD i Intel przez Vulkan oraz Core ML, transkrypcję wsadową, rozpoznawanie mówców (diarization) i tryb ze znacznikami czasu na poziomie napisów. Eksportuje .srt, .vtt, .txt, .html, .pdf, .json i .docx, a 3.3.0 ukazała się 29 października 2026.
Tłumaczenie idzie tylko na angielski, a jego README nie wymienia stylizacji napisów ani wypalania. Do folderu nagrań, które chcesz mieć jako tekst albo .srt, to najszybsza darmowa konfiguracja na tej liście.
Darmowy.
6. noScribe — do wywiadów z kilkoma mówcami
noScribe jest darmowy i open source na licencji GPL-3.0, na Windows, Mac i Linux, i jest zbudowany do transkrypcji wywiadów. Łączy faster-whisper z rozpoznawaniem mówców (diarization) z pyannote, więc transkrypt zaznacza, kto mówi, a wynik otwiera we własnym edytorze, noScribeEdit, w którym sprawdzasz tekst z nagraniem.
Granice wyznacza jego własna dokumentacja. Rozpoznaje około 60 języków, eksportuje .html, .txt i .vtt, ale nie .srt, wymaga macOS 14 na Apple Silicon, a ostatni build dla Maców z Intelem to 0.6. Build CUDA na Windows wymaga karty NVIDIA RTX serii 20 lub nowszej z co najmniej 6 GB VRAM. Wersja 0.8 ukazała się 6 października 2026.
Darmowy. Właściwy wybór, gdy „kto co powiedział” liczy się bardziej niż napisy.
7. Whisper-WebUI — interfejs w przeglądarce dla tych, którym Python nie przeszkadza
Whisper-WebUI to aplikacja Gradio, która działa w przeglądarce pod localhost po zainstalowaniu jej z Pythonem 3.10 do 3.12 i FFmpeg, przez Docker albo przez launcher Pinokio. Domyślnie używa faster-whisper, z Whisper od OpenAI i insanely-fast-whisper jako alternatywami, i dodaje wykrywanie aktywności głosowej Silero, separację muzyki w tle, rozpoznawanie mówców pyannote (diarization) oraz tłumaczenie napisów modelami NLLB albo przez DeepL API. Wynik to .srt, .vtt albo zwykły tekst.
To najbardziej konfigurowalna darmowa opcja i najmniej przypominająca aplikację: domyślna instalacja zakłada GPU NVIDIA z CUDA 12.8, rozpoznawanie mówców wymaga tokenu Hugging Face, a ostatnie otagowane wydanie, 1.0.8, pochodzi z października 2025. Podobnie wygląda sprawa faster-whisper-GUI, aplikacji na Windows, która wciąż pojawia się w wyszukiwaniach, ale nie miała wydania od grudnia 2024.
Darmowy. Dla tych, którzy wolą oskryptować potok, niż przeklikiwać się przez niego.
Porównanie aplikacji Whisper GUI
| Funkcja | Sablate | Buzz | MacWhisper | Subtitle Edit | Vibe | noScribe | Whisper-WebUI |
|---|---|---|---|---|---|---|---|
| Platforma | Windows i Mac | Windows, Mac i Linux | Mac | Windows, Mac i Linux | Windows, Mac i Linux | Windows, Mac i Linux | Wszędzie, gdzie działa Python albo Docker |
| Cena | $29 jednorazowo albo $5,99 miesięcznie, plan Darmowy | Darmowy | Darmowy, 64 € jednorazowo za Pro | Darmowy | Darmowy | Darmowy | Darmowy |
| Silnik | faster-whisper; whisper.cpp na Apple Silicon | Whisper, whisper.cpp, faster-whisper i inne | whisper.cpp, WhisperKit, Parakeet | 12 silników, lokalnych i chmurowych | whisper.cpp | faster-whisper | Domyślnie faster-whisper |
| Instalacja bez Pythona | Tak | Tak | Tak | Tak | Tak | Tak | Nie |
| GPU na Windows | NVIDIA (CUDA) | NVIDIA (CUDA), inne przez Vulkan | Brak wersji na Windows | NVIDIA (CUDA), inne przez Vulkan | NVIDIA, AMD, Intel (Vulkan) | NVIDIA RTX serii 20 lub nowsze (CUDA) | NVIDIA (CUDA) |
| GPU na Macu | Tak (Metal, Apple Silicon) | Brak w dokumentacji | Tak (Metal) | Zależy od silnika | Tak (Core ML) | Brak w dokumentacji | Brak w dokumentacji |
| Etykiety mówców | Nie | Tak | Pro, na Macach z serii M | Brak w dokumentacji | Tak | Tak | Tak |
| Tłumaczenie | Warstwy offline albo DeepL, OpenAI, Claude z twoim kluczem | Na angielski albo dowolny język przez model zgodny z OpenAI | Przez Whispera albo DeepL z twoim kluczem | Kilka silników | Tylko na angielski | Nie | Na angielski, a dla plików napisów także NLLB albo DeepL |
| Wypalanie | Tak | Nie | Nie | Tak, przez FFmpeg | Nie | Nie | Nie |
| Formaty napisów i tekstu | .srt, .vtt, .txt, .ass, .mkv | .srt, .vtt, .txt, .csv | .srt, .vtt, .docx, .pdf i więcej | 380+ | .srt, .vtt, .txt, .docx i więcej | .vtt, .html, .txt | .srt, .vtt, .txt |
| Najnowsze wydanie (12 lis 2026) | 1.0.2, październik 2026 | 1.4.5, sierpień 2026 | Brak na jego stronie | 5.4.0, listopad 2026 | 3.3.0, październik 2026 | 0.8, październik 2026 | 1.0.8, październik 2025 |
Zacznij od wierszy, które przemawiają przeciwko Sablate. Cztery z siedmiu aplikacji mają wersje na Linuksa, a Sablate nie. Pięć jest darmowych. Pięć potrafi oznaczać mówców, a Sablate nie. Jeśli któryś z tych punktów decyduje za ciebie, to niech decyduje.
Whisper GUI na Windows albo Macu: które korzystają z GPU?
Na Windows pytanie brzmi, czy masz kartę NVIDIA. Z nią każda aplikacja stąd poza MacWhisper może uruchomić Whispera na GPU, większość przez CUDA, a to różnica między godziną nagrania liczoną w minutach a zajmującą prawie godzinę. Bez niej aplikacje oparte na whisper.cpp sięgają po grafikę AMD i Intel przez Vulkan: Buzz, Vibe i silnik whisper.cpp w Subtitle Edit. Sablate pobiera środowisko CUDA dopiero przy pierwszym wykryciu GPU NVIDIA, więc instalator pozostaje mniejszy dla wszystkich pozostałych.
Na Macu decyduje silnik. README whisper.cpp mówi, że na Apple Silicon inferencja działa w całości na GPU przez Metal, a jego enkoder Core ML na Neural Engine jest ponad 3 razy szybszy niż wykonanie tylko na CPU. README faster-whisper wymienia biblioteki NVIDIA jako jedyną ścieżkę GPU, więc aplikacje zbudowane wyłącznie na faster-whisper transkrybują na CPU Maca; Sablate właśnie dlatego przełącza się na whisper.cpp na Apple Silicon. Przy krótkim klipie ta różnica prawie nie ma znaczenia; przy dwugodzinnym nagraniu to powód, by wybrać aplikację opartą na whisper.cpp.
Użytkownikom Maców z Intelem zostaje coraz mniej opcji. Buzz 1.4.5 i noScribe 0.6 to ostatnie buildy dla Intela tych dwóch aplikacji, podczas gdy Sablate ma osobne wersje na Apple Silicon i na Intela i wymaga macOS 12 Monterey lub nowszego. Jeśli potrzebujesz tylko tekstu z nagrań, a nie nakładki na Whispera, oprogramowanie do transkrypcji na Maca porównuje także aplikacje do spotkań i chmurowe.
Które wybrać?
„Potrzebuję transkryptu wywiadu, za darmo, dziś”. Buzz albo Vibe. Oba instalują się w minutę i eksportują tekst albo .srt.
„Rozmawiają dwie albo trzy osoby i muszę wiedzieć, kto co powiedział”. noScribe, zbudowany dokładnie do tego; Buzz i Vibe też oznaczają mówców.
„Długie nagrania na Macu z Apple Silicon”. MacWhisper, albo Vibe, jeśli ma być za darmo. Sablate też korzysta tam z GPU, ale MacWhisper ma dodatkowo Neural Engine i modele Parakeet.
„Wynikiem jest plik napisów, który poprawię ręcznie”. Subtitle Edit. Nic darmowego nie sięga głębiej w czasowanie i formaty.
„Napisy idą na wideo, w więcej niż jednym języku”. Sablate: jedna transkrypcja, ostylowana warstwa na język i wypalanie przez libass w potrzebnych proporcjach obrazu. Każdy język Whispera i jego odsetek błędów pokazuje, które języki źródłowe transkrybują się dobrze.
„Chcę to oskryptować albo uruchomić na serwerze”. Whisper-WebUI, albo sam Whisper w wierszu poleceń, który porównanie generatorów napisów offline opisuje z gotowym poleceniem.
Podsumowanie
Każdy Whisper GUI uruchamia te same modele, więc wybieraj według silnika, który lubi twój sprzęt, i według tego, czego potrzebujesz po transkrypcji. Do darmowego tekstu Buzz albo Vibe. Do mówców noScribe. Do Maca i długich plików MacWhisper. Do plików napisów, które będziesz edytować, Subtitle Edit. Gdy napisy trzeba ostylować, wypalić albo dostarczyć w kilku językach, pobierz Sablate na Windows albo Mac i przepuść jedno prawdziwe wideo przez plan Darmowy, albo zobacz, co dodaje Pro.
Najczęściej zadawane pytania
Jaki jest najlepszy Whisper GUI na Windows?
Buzz do darmowych transkryptów, Subtitle Edit do darmowej edycji napisów i Sablate, gdy transkrypt ma stać się ostylowanymi, wypalonymi albo przetłumaczonymi napisami. Wszystkie trzy instalują się jak zwykłe oprogramowanie na Windows i mogą korzystać z karty graficznej NVIDIA. Buzz, Vibe i silnik whisper.cpp w Subtitle Edit obsługują też karty AMD i Intel przez Vulkan.
Jaki jest najlepszy Whisper GUI na Maca?
MacWhisper, bo to natywna aplikacja na Maca, która uruchamia Whispera na GPU Maca. Vibe i Buzz to darmowe opcje open source. Sablate działa na Macach z Apple Silicon, gdzie transkrybuje na GPU, i z Intelem; wybierz go ze względu na to, co robi po transkrypcji, czyli ostylowane, wypalone albo wielojęzyczne napisy.
Czy mogę używać Whispera bez Pythona i wiersza poleceń?
Tak. Desktopowe aplikacje Whisper GUI, takie jak Sablate, Buzz, MacWhisper, Vibe, noScribe i Subtitle Edit, instalują się jak każda inna aplikacja i pobierają model Whisper przy pierwszym użyciu, więc nigdy nie otwierasz terminala. Wyjątkiem są interfejsy w przeglądarce, takie jak Whisper-WebUI: działają na środowisku Python albo Docker, które instalujesz sam.
Czy Whisper GUI jest tak dokładny jak Whisper w wierszu poleceń?
Tak, jeśli uruchamia ten sam model. Wagi są identyczne w każdej aplikacji; różni się silnik wokół nich. faster-whisper podaje taką samą dokładność jak referencyjny kod OpenAI przy prędkości nawet czterokrotnie większej. Wybrany model i ustawienia, takie jak filtr aktywności głosowej, zmieniają wynik znacznie bardziej niż sam interfejs.
Który Whisper GUI potrafi robić napisy?
Wszystkie siedem eksportuje plik napisów: sześć zapisuje SRT i VTT, a noScribe zapisuje VTT. Subtitle Edit i Sablate idą dalej: mają narzędzia do czasowania i wypalają napisy w wideo. Sablate dodaje też osobno ostylowaną warstwę dla każdego przetłumaczonego języka z jednej transkrypcji i eksportuje je jako osobne pliki albo jeden MKV.
Czy aplikacje Whisper GUI działają offline?
Tak, po pierwszym pobraniu. Każda aplikacja potrzebuje internetu raz, żeby pobrać model Whisper, a potem transkrybuje na twoim komputerze bez wysyłania pliku. Kilka oferuje też opcjonalne silniki chmurowe, jak OpenAI API w Buzz i Subtitle Edit, które wysyłają dźwięk na zewnątrz, więc przed przetwarzaniem poufnych nagrań sprawdź, który silnik jest wybrany.