Subtitle Edit Whisper: настройка, движки и модели

Поддержка Whisper в Subtitle Edit живёт в одном окне: Видео → Распознавание речи... (English: Video → Speech to text...), в старых версиях оно называется Audio to text. Откройте видео, выберите движок и модель, задайте язык и нажмите Распознать (English: Transcribe). Всё нужное Subtitle Edit скачивает при первом использовании. Главный выбор — какой движок подходит вашему железу.

Здесь разобран этот выбор для Windows с картой NVIDIA, Windows без неё и Mac, а также единственная проблема turbo с переводом, пакетный режим, отчёт о качестве и то, что проверить, если ничего не выходит. Факты о Subtitle Edit взяты из его репозитория на GitHub и официальной документации, проверено 31 октября 2026 года.

Как пользоваться Whisper в Subtitle Edit?

Семь шагов, взятые из документации по распознаванию речи. Subtitle Edit бесплатен и распространяется с открытым кодом по лицензии MIT; текущий стабильный релиз — 5.3.0 от 14 октября 2026 года.

1. Откройте видеофайл в Subtitle Edit.
2. Выберите Видео → Распознавание речи....
3. Выберите Движок (English: Engine). Кнопки рядом открывают сайт движка, скачивают его и открывают его настройки. У Whisper CPP и Crisp ASR есть и список Бэкенд (English: Backend).
4. Выберите Модель (English: Model). Крупнее обычно значит точнее, медленнее и больше места на диске.
5. Выберите Язык аудио или автоопределение, если движок его поддерживает.
6. При желании отметьте Перевести на английский (English: Translate to English) и Постобработка (English: Post-processing).
7. Нажмите Распознать.

Движки и модели скачиваются автоматически при первом использовании, поэтому первый запуск включает ожидание. Результат — обычные субтитры в основном списке, которые правятся так же, как любой другой файл.

Люди по-прежнему ищут «subtitle edit audio to text». Это то же самое окно под старым названием, и строка в списке изменений серии Subtitle Edit 5 всё ещё его использует.

Какой движок Whisper выбрать в Subtitle Edit?

Всё зависит от видеокарты, потому что большинство движков в списке запускают одни и те же модели Whisper, просто упакованные по-разному. Совет самой документации: «Пользователям NVIDIA GPU для самой быстрой транскрипции стоит использовать бэкенд Whisper CPP cuBLAS или Purfview Faster Whisper XXL».

Purfview Faster Whisper XXL и Whisper Const-me недоступны на macOS. Whisper OpenAI, исходная реализация на Python, указана для всех платформ. Таблица движков в документации — то место, где платформы каждого движка поддерживаются в актуальном виде.

В том же списке есть и другие движки. Crisp ASR оборачивает несколько моделей не из семейства Whisper, среди них Parakeet, Canary и SenseVoice, и умеет определять говорящих, помечая строки как (speaker 0). Четыре онлайн-движка (OpenAI Compatible Server, OpenRouter, Alibaba Qwen3-ASR и Google Cloud Speech-to-Text) отправляют ваше аудио на сервер, что важно, если запись конфиденциальна. Остальные работают на вашем компьютере.

Модели Subtitle Edit Whisper: какая подойдёт?

Берите самую большую модель, которую ваше железо обрабатывает за приемлемое время. Список идёт от tiny, самой быстрой и наименее точной, через base, small и medium к large, large-v2 и large-v3, самым точным и самым медленным.

Несколько подробностей из документации:

• Модели .en — только английские и лучше подходят для английского аудио. Используйте их, когда каждое слово английское.
• large-v3-turbo отмечена как сильная на японском. Для большинства языков это разумный выбор по умолчанию, если ваше железо её тянет.
• Есть и дообученные под язык модели: .sv, .nb и anime.ja, модель anime-whisper для японского из аниме и визуальных новелл.

Место на диске и время работы растут вместе. Если нужны цифры, а не прикидки, наше сравнение моделей Whisper приводит реальный размер загрузки каждой модели и то, что каждая из них уловила на тестовом ролике. Это один ролик, а не бенчмарк, но он показывает, чего стоит каждый шаг вверх.

Subtitle Edit Whisper, GPU и CUDA: что действительно помогает

На Windows в первую очередь имеется в виду NVIDIA. Три практических пункта:

1. Выбирайте бэкенд, а не только движок. В Whisper CPP список «Бэкенд» решает, пойдёт ли работа на cuBLAS (NVIDIA CUDA), Vulkan или процессоре. На машине с хорошей видеокартой проверьте, что там не остался процессор.
2. Сопоставляйте версии CUDA. Whisper CTranslate2 нужна CUDA 12.x. Если с этим движком возникают проблемы с CUDA, альтернатива — Whisper CPP cuBLAS и Purfview.
3. Не хватает памяти? Берите модель меньше. Документация отвечает на «CUDA out of memory» так: возьмите модель поменьше.

Ещё две настройки лежат в расширенных параметрах движка: параметры командной строки для каждого движка и VAD (фильтр обнаружения речи), который улучшает тайминг.

Перевести на английский возвращает исходный язык: подвох turbo

Перевести на английский превращает неанглийскую речь в английский текст за тот же проход. Но если выбрать модель turbo, текст может вернуться на исходном языке.

Причина — в README Whisper от OpenAI: модель turbo «не обучена задачам перевода» и возвращает исходный язык, даже если запрошен перевод. Совет там такой: используйте medium или large. Так что если вы отметили пункт при выбранной large-v3-turbo и не видите английского, смените модель на medium или large и запустите заново.

Этот путь даёт только английский. Для других целевых языков сначала распознайте речь, а затем используйте Перевод → Автоперевод... (English: Translate → Auto-translate...). В числе его движков Google Translate V1 (бесплатный), DeepL и ChatGPT (оба со своим API-ключом), LibreTranslate, MyMemory и локальные модели через Ollama, LM Studio или llama.cpp. Что проверить после этого, разобрано в нашем руководстве о том, как переводить SRT, не сломав тайминг.

Как распознать много видео сразу в Subtitle Edit?

Используйте Пакетный режим (English: Batch mode). Добавьте видеофайлы, выберите движок, модель и язык и нажмите Распознать. Subtitle Edit запишет файл .srt рядом с каждым видео. Отметьте Добавлять код языка в имя файла (English: Add language code to file name), если хотите video.en.srt, а не video.srt: это важно, как только несколько языков окажутся в одной папке.

Если файлы сильно различаются, например тихое интервью и шумная уличная запись, запускайте сложные отдельной пачкой с более крупной моделью.

Постобработка и отчёт о качестве распознавания

Результат Whisper точен, но неопрятен, и параметр Постобработка наводит порядок прямо в ходе распознавания. Документация перечисляет, что он умеет:

• подгонять тайминг по пикам звуковой волны
• исправлять слишком короткие длительности
• исправлять регистр и добавлять точки
• склеивать короткие строки и разбивать длинные
• убирать неречевые строки вроде «[Music]»
• убирать повторяющиеся строки

Отчёт о качестве распознавания включён по умолчанию, и это самая полезная часть окна для отлова привычек Whisper. Он отмечает пять проблем: слишком короткие, слишком длинные, перекрытия, неречевые и повторяющиеся. В «слишком длинные» входит то, что документация называет типичной галлюцинацией (whisper hallucination): два-три слова, растянутые на 10–30 секунд. «Повторяющиеся» означает, что движок застрял в цикле.

Каждую отмеченную реплику воспринимайте как место, которое нужно прослушать, а не просто удалить. Закономерности, стоящие за ними, и настройки, которые их предотвращают, разобраны в материале о том, почему Whisper повторяет строки и выдумывает текст.

Subtitle Edit Whisper не работает: нет текста, ошибки, CUDA

Начните с простых причин. Идите по этому списку, составленному по FAQ и советам из документации:

1. Скачаны ли движок и модель? Subtitle Edit предлагает скачать оба. Если вы ещё не пользовались движком, дайте ему скачать движок и модель до начала работы.
2. Прочитайте журнал консоли внизу окна распознавания речи. Щёлкните окно правой кнопкой и выберите Просмотреть файл журнала инструментов (English: View tools log file), чтобы увидеть полную запись. У скачиваемых движков в том же меню есть пункт повторной загрузки.
3. Пропал файл движка? Обычная причина — антивирус отправил исполняемый файл в карантин. Subtitle Edit проверяет это при запуске распознавания, называет недостающий файл и предлагает скачать его заново.
4. CUDA out of memory? Выберите модель поменьше.
5. Crisp ASR ничего не возвращает при включённом VAD? Silero может отвергнуть короткий фрагмент как неречевой. Subtitle Edit один раз повторяет попытку без VAD, прежде чем сообщить о пустом результате.

Если распознавание закончилось, но текст неверный, а не отсутствует, сначала проверьте настройку языка, а затем попробуйте модель покрупнее.

Когда Sablate подходит лучше, чем Subtitle Edit?

Когда цель — субтитры, готовые к публикации, а не файл, который нужно доводить, и вы предпочли бы вообще не выбирать между движками и бэкендами.

Sablate — настольное приложение для Windows 10 и новее и macOS 12 и новее. Оно запускает faster-whisper с четырьмя уровнями: Fast (tiny), Balanced (small), Accurate (large-v3-turbo) и Best (large-v3). На Windows с видеокартой NVIDIA среда CUDA скачивается при первом использовании GPU; на Mac распознавание идёт на процессоре. Ни движок, ни бэкенд выбирать не нужно.

Оно добавляет вторую половину работы. Одна расшифровка кормит несколько слоёв перевода, у каждого свой стиль и свой шрифт для письменности. Тринадцать пресетов субтитров, включая Hormozi и Karaoke, и пословная караоке-подсветка оформляют результат, а вшивание справляется с форматами 9:16, 1:1 и 16:9 кадрированием или размытыми полями. Эти процессы подробно показывают материалы о пословных субтитрах и многоязычных субтитрах.

Бесплатный тариф не требует аккаунта и покрывает видео до десяти минут, три задачи в месяц, модели Fast и Balanced и один офлайн-слой перевода; на вшитых субтитрах остаётся небольшая отметка в углу. Pro стоит $29 разово или $5.99 в месяц, остальное перечислено на странице цен. Другие приложения, работающие так же, сравниваются в материале об офлайн-генераторах субтитров.

Subtitle Edit и Sablate: коротко

Subtitle Edit выигрывает по цене, платформам, выбору движков, меткам говорящих и охвату форматов. Если вы правите субтитры профессионально или хотите полностью контролировать конвейер, оставайтесь с ним. Sablate — более короткий путь к оформленным субтитрам на нескольких языках для тех, кто предпочёл бы не читать таблицу движков.

Какой путь выбрать?

«У меня карта NVIDIA, и я часто правлю субтитры.» Оставайтесь в Subtitle Edit с Whisper CPP cuBLAS или Purfview Faster Whisper XXL, моделью large-v3-turbo и включённым отчётом о качестве.

«У меня ноутбук без видеокарты NVIDIA.» Whisper CPP с бэкендом Vulkan, модель small или medium и терпение на длинных файлах.

«Я на Mac.» Сначала Whisper CPP. Попробуйте WhisperX на Apple Silicon, если нужен тайминг по словам.

«Аудио не на английском, а субтитры нужны английские.» Используйте medium или large с пунктом Перевести на английский, но не turbo.

«Интервью с несколькими говорящими.» Crisp ASR с определением говорящих, чего Sablate не предлагает.

«Мне нужны вертикальные субтитры с подсветкой слов на трёх языках к вечеру.» Скачайте Sablate для Windows или Mac.

Часто задаваемые вопросы

Как пользоваться Whisper в Subtitle Edit?

Откройте видео, выберите Видео → Распознавание речи..., укажите движок и модель, задайте язык речи и нажмите Распознать. При первом использовании Subtitle Edit сам скачает движок и модель. Когда распознавание закончится, строки появятся в основном списке субтитров, где их можно править, как любые другие субтитры.

Какой движок Whisper в Subtitle Edit самый быстрый?

На видеокарте NVIDIA это Whisper CPP с бэкендом cuBLAS или Purfview Faster Whisper XXL, которые и рекомендует официальная документация. Без NVIDIA Whisper CPP с бэкендом Vulkan может использовать другую видеокарту на Windows. На Mac Whisper CPP работает везде, а WhisperX и CTranslate2 требуют Apple Silicon.

Какую модель Whisper выбрать в Subtitle Edit?

Выбирайте large-v3-turbo, если компьютер её тянет, small или medium, если нет, и модель .en для речи только на английском. Большие модели точнее, но медленнее и занимают больше места на диске. Tiny быстрее всех и точна меньше всех, поэтому оставьте её для черновиков. Для функции Перевести на английский turbo не берите.

Почему Перевести на английский возвращает исходный язык в Subtitle Edit?

Потому что модели turbo не обучены переводу. В документации Whisper от OpenAI сказано, что turbo возвращает исходный язык, даже если запрошен перевод, и рекомендованы medium или large. Смените модель в окне распознавания речи на medium или large, запустите распознавание заново, и английский перевод должен появиться.

Почему Subtitle Edit Whisper не выдаёт текст или показывает ошибку?

Обычно дело в отсутствующем движке или модели, файле, удалённом антивирусом, или нехватке видеопамяти. Проверьте, что движок и модель скачаны, прочитайте журнал консоли внизу окна и выберите модель поменьше, если CUDA не хватает памяти. Subtitle Edit также называет недостающий файл движка и предлагает скачать его заново.

Может ли Subtitle Edit распознать много видео сразу?

Да. Пакетный режим позволяет добавить несколько видеофайлов и нажать Распознать, а SRT-файл сохраняется рядом с каждым видео. Параметр Добавлять код языка в имя файла даёт имена вроде video.en.srt. Если одна запись заметно сложнее остальных, запустите её отдельной пачкой с более крупной моделью.