Транскрибация видео в текст бесплатно: как расшифровать видео без загрузки в сеть

Чтобы транскрибировать видео в текст бесплатно, запустите Whisper от OpenAI на своём компьютере. Он читает видеофайл напрямую, понимает около 100 языков, не ограничивает минуты и экспортирует простой текст или файлы субтитров. Работать с ним можно из командной строки, из бесплатного приложения вроде Buzz или Subtitle Edit или из настольной программы вроде Sablate.

Онлайн-сайты «видео в текст бесплатно» тоже работают, но выдают всё порциями: три файла в день, по тридцать минут каждый, аккаунт и загрузка файла. Ниже три локальных способа, что каждый из них требует при настройке и как получить расшифровку, на чистку которой не уйдёт час.

Почему бесплатные онлайн-сервисы транскрибации упираются в лимит

Каждая минута распознавания речи стоит кому-то времени GPU. Когда вы загружаете видео на сайт транскрибации, этот «кто-то» — сам сайт, поэтому бесплатный тариф — это образец со счётчиком.

Счётчики у всех похожи. TurboScribe, один из самых щедрых, даёт бесплатным пользователям три транскрибации в день, до 30 минут на файл и по одной загрузке за раз; более длинные файлы и безлимитное использование спрятаны за тарифом Unlimited, около $10 в месяц при оплате за год. Другие сервисы ограничивают бесплатный тариф несколькими минутами аудио, ставят водяной знак на экспорт или придерживают SRT и DOCX до оплаты. Ничего несправедливого тут нет. Это арифметика аренды GPU.

Запустите ту же модель на своём компьютере, и арифметика переворачивается. Вычисления оплачиваете вы сами, так что считать минуты некому. Взамен вы предоставляете железо и терпение: ноутбук без отдельной видеокарты транскрибирует медленно, а при первом запуске скачивается модель размером от 78 МБ до 3 ГБ.

Движок часто один и тот же. TurboScribe заявляет, что построен на Whisper, как и многие его конкуренты. Бесплатная локальная транскрибация и платная облачная могут получаться из одной модели, а настоящая разница в том, чья это видеокарта и куда уходит файл.

Три локальных способа бесплатной транскрибации видео в текст

1. Командная строка Whisper. Бесплатно, без ограничений, все модели. Нужны Python и FFmpeg, а на выходе вы получаете файлы, а не редактор.
2. Бесплатное приложение на Whisper: Buzz или Subtitle Edit. Бесплатно, без ограничений, окно вместо терминала. С редактированием скромно.
3. Sablate. Настольная программа, построенная вокруг исправления расшифровки и превращения её в субтитры на нескольких языках. Бесплатно с ограничениями, полная версия — $29 разово.

Во всех трёх случаях видео остаётся на вашем диске.

Способ 1: Whisper из командной строки

Эталонная реализация — пакет OpenAI openai-whisper. Ему нужны Python 3 и FFmpeg: с его помощью Whisper достаёт звук из видеофайла.

Сначала установите FFmpeg. В Windows:

winget install Gyan.FFmpeg

В macOS, через Homebrew:

brew install ffmpeg

Затем установите Whisper и запустите транскрибацию:

pip install -U openai-whisper
whisper "interview.mp4" --model turbo --language en --output_format txt

В папке, где вы запустили команду, появится interview.txt. Замените txt на srt или vtt, чтобы сохранить тайминги, или на all, чтобы получить сразу все форматы. --model turbo — это large-v3-turbo; на компьютере без GPU --model small справляется за малую долю этого времени.

Ограничения вполне реальные:

• В Windows pip ставит CPU-сборку PyTorch. Чтобы использовать GPU от NVIDIA, PyTorch нужно переустановить из индекса CUDA на pytorch.org, и именно на это у большинства уходит первый вечер.
• Редактора нет. Вы получаете текстовый файл. Чтобы его исправить, нужно открыть его в текстовом редакторе и слушать видео в другом окне.
• Тишина и музыка могут порождать выдуманный текст. Whisper иногда повторяет строку или пишет «Thanks for watching» поверх тихого отрезка. Наш материал о галлюцинациях Whisper объясняет, почему так бывает и какие настройки это уменьшают.

Если вам удобно в терминале, это самый гибкий из бесплатных вариантов, и он масштабируется на целую папку файлов с помощью цикла в одну строку.

Способ 2: бесплатное приложение на Whisper (Buzz или Subtitle Edit)

Если вам привычнее кликать, чем набирать команды, есть два бесплатных приложения, которые оборачивают те же модели в окно.

Buzz — приложение для транскрибации с открытым кодом (MIT) для Windows, macOS и Linux. Импортируйте видео, выберите модель и язык, нажмите Run и экспортируйте TXT, SRT или VTT. Оно умеет работать с несколькими движками, включая faster-whisper и whisper.cpp, поддерживает ускорение на GPU и может размечать говорящих. Установщик для Windows не подписан кодом, поэтому Windows показывает предупреждение SmartScreen, которое нужно пропустить вручную.

Subtitle Edit — давний бесплатный редактор субтитров для Windows, сборка для macOS пока в бете. В его меню Video есть пункт Audio to text (Whisper): он сам скачивает движок и модель, транскрибирует и открывает результат в полноценном редакторе таймингов. Он читает и записывает больше форматов субтитров, чем любой другой инструмент, а результат можно сохранить простым текстом, если вам нужны только слова.

Оба приложения отличные, оба бесплатны и без лимитов. Расплата приходится в основном на вторую половину работы: Buzz даёт просмотр расшифровки с воспроизведением и поиском, но мало что для таймингов субтитров, а Subtitle Edit даёт мощный редактор, который предполагает, что вы уже знаете, что такое реплика, частота кадров и формат субтитров.

Способ 3: настольная программа вроде Sablate

Sablate запускает faster-whisper локально в Windows и на Mac и построен вокруг того, что происходит после транскрибации: исправления расшифровки и превращения её в субтитры.

1. Перетащите видеофайл в программу и выберите язык речи и уровень модели: Fast, Balanced, Accurate (large-v3-turbo) или Best (large-v3).
2. Расшифровка открывается в редакторе, где каждая строка привязана к своему моменту в видео. Нажмите на строку, чтобы услышать её, и исправьте прямо на месте.
3. Добавьте имена и названия продуктов в словарь до транскрибации и используйте поиск с заменой (Ctrl+H), чтобы исправить неверно услышанное слово сразу везде.
4. Экспортируйте .txt или скопируйте текст, либо экспортируйте .srt и .vtt. Если видео нужны субтитры на других языках, добавьте слои перевода к той же расшифровке вместо повторной транскрибации.

Бесплатный тариф бессрочный и не требует аккаунта, но из всех локальных вариантов здесь он самый ограниченный: видео до 10 минут, три задачи в месяц и модели Fast и Balanced. Первое видео длиннее этого обработается целиком один раз. Если вам когда-нибудь нужна лишь одна длинная расшифровка, Buzz или командная строка сделают её бесплатно, и это честная рекомендация.

Свои $29 разово за Pro Sablate оправдывает объёмом и редактором: неограниченная длина, все модели Whisper, пакетная транскрибация и экспорт в один клик всех языков, которые есть у видео.

Бесплатные инструменты транскрибации видео: сравнение

Цены и лимиты приведены по состоянию на октябрь 2026 года. Закономерность общая для всей категории: у бесплатных локальных инструментов нет счётчика, онлайн-инструментам не нужна установка, и за это удобство вы платите минутами.

Насколько бесплатный Whisper точен по сравнению с платной транскрибацией

На чёткой речи точность бесплатной локальной транскрибации определяется выбранной моделью, а не уплаченной ценой. Платный сервис на large-v3 и ваш ноутбук на large-v3 дают почти одинаковый текст из одного и того же звука.

Выбор модели важнее выбора инструмента. large-v3-turbo — это large-v3 с декодером, урезанным с 32 слоёв до 4: примерно в восемь раз быстрее, а разница в готовой расшифровке на обычном материале невелика. tiny и small быстрые, но теряют слова на акцентах, перебивающей друг друга речи и быстрой речи. В нашем сравнении моделей Whisper есть размеры, скорости и задокументированный случай, когда большая модель пропустила речь, которую уловила меньшая.

Три вещи, которых не исправит за вас ни один движок, бесплатный или платный:

1. Имена собственные и профессиональная лексика. Незнакомую фамилию Whisper записывает фонетически и каждый раз по-разному. Словарь лучше всего помогает в начале файла, где модель читает его как контекст; остальное поймает поиск с заменой.
2. Тишина и музыка. Именно на долгих тихих отрезках появляются галлюцинированные строки. Обрежьте пустые паузы или сначала проверьте эти места.
3. Перекрывающаяся речь. Whisper выдаёт один поток текста и не помечает, кто что сказал. Buzz добавляет шаг определения говорящих, а платные сервисы предлагают разметку говорящих; Sablate и командная строка Whisper этого не делают.

Платные сервисы по-прежнему выигрывают в двух вещах: они работают на телефоне, а некоторые добавляют разметку говорящих и краткие пересказы. Если ни то ни другое вам не нужно, платить необязательно.

Какой способ выбрать

«Мне нужна одна расшифровка, один раз, и я не боюсь терминала». Берите командную строку Whisper с --model turbo, если у вас есть GPU, и с --model small, если нет.

«Мне нужно бесплатное приложение, и к терминалу я не притронусь». Установите Buzz. Он бесплатен, без лимитов и экспортирует нужные форматы.

«Мне на самом деле нужны субтитры, и тайминги должны быть точными». Берите Subtitle Edit, если вы уже умеете редактировать субтитры, или Sablate, если хотите, чтобы расшифровка, исправления и субтитры были в одном месте. В любом случае наше руководство о том, как создать файл SRT, описывает правила формата.

«Я на телефоне, либо видео короткое и не конфиденциальное». Бесплатный тариф онлайн-инструмента — самый быстрый путь. Трёх файлов в день вполне хватит для редкого использования.

«Видео уже на YouTube, и мне нужно только прочитать его». Собственная панель Show transcript на YouTube бесплатна и открывается мгновенно для видео с субтитрами. Никакой инструмент не нужен.

«Я транскрибирую каждую неделю, либо потом видео нужны субтитры на других языках». Именно для этого и сделан Sablate: неограниченная длина в Pro, настоящий редактор и слои перевода для той же расшифровки.

Как с первого раза получить более чистую расшифровку

Большая часть чистки возникает из-за четырёх ошибок, которых можно избежать.

Укажите язык явно. Автоопределение слушает первые 30 секунд. Видео, которое начинается с музыки или приветствия на другом языке, будет расшифровано не на том языке или частично переведено на английский, и это известная особенность Whisper.

Берите самую большую модель, которую ваш компьютер тянет без напряга. Переход с small на large-v3-turbo убирает больше ошибок, чем любое количество правок вручную, а на GPU стоит мало времени.

Сначала исправьте имена. Поправьте расшифровку до того, как экспортировать субтитры или переводить её. Имя, исправленное один раз в источнике, будет исправлено в каждом файле, который из него получен.

Не путайте TXT и SRT. TXT нужен для чтения, SRT для таймингов. Если субтитры могут понадобиться позже, экспортируйте и SRT сейчас: восстанавливать тайминги по простому текстовому файлу — самая медленная работа во всём этом процессе.

Начните с одного видео и инструмента, который подходит вашей ситуации из списка выше. Если хотите, чтобы расшифровка, исправления и субтитры были в одном окне, скачайте Sablate для Windows или Mac; бесплатному тарифу аккаунт не нужен.

Часто задаваемые вопросы

Можно ли транскрибировать видео в текст совершенно бесплатно?

Да. Whisper от OpenAI бесплатен, имеет открытый код и работает на обычном компьютере с Windows или Mac, поэтому нет ни платы за минуты, ни дневного лимита. Бесплатные онлайн-сервисы обычно вместо этого что-нибудь ограничивают: например, бесплатный тариф TurboScribe допускает три файла в день, до 30 минут каждый. Локально единственный предел — сколько вы готовы ждать.

Достаточно ли точен бесплатный Whisper, чтобы заменить платную транскрибацию?

Для чёткой речи, как правило, да. Несколько платных сервисов транскрибации сами работают на Whisper, так что цена редко меняет движок. На точность влияет размер модели: large-v3-turbo и large-v3 заметно лучше tiny и small на акцентах, шуме и быстрой речи. Имена и профессиональные термины приходится исправлять при любом движке, бесплатном или платном.

Нужна ли видеокарта, чтобы транскрибировать видео в Whisper?

Нет. Whisper работает и на процессоре, только медленнее. GPU от NVIDIA обычно в пять–десять раз быстрее того же компьютера на CPU, и именно благодаря ему большие модели годятся для длинных записей. Без GPU реалистичный повседневный выбор — модель small, а turbo стоит запускать и оставлять работать.

Можно ли транскрибировать видео, никуда его не загружая?

Да. Локальный инструмент на Whisper читает видеофайл с вашего диска, извлекает звук и транскрибирует его на вашем компьютере, так что файл его не покидает. Саму модель скачивают один раз, после этого интернет не нужен. Онлайн-сервисам по самому их устройству сначала нужно загрузить файл на свои серверы.

Что экспортировать: TXT или SRT?

Экспортируйте TXT, если хотите читать, цитировать или править слова, и SRT или VTT, если нужны тайминги: для субтитров или чтобы найти момент в видео. Оба формата получаются из одной транскрибации, поэтому выбирать заранее не обязательно. Большинство инструментов на Whisper экспортируют оба формата за один запуск.

Бесплатен ли Sablate для транскрибации?

Да, бесплатно и без срока действия, без аккаунта, но с лимитами. Бесплатный тариф покрывает видео до десяти минут, три задачи в месяц, модели Whisper Fast и Balanced и экспорт TXT, SRT и VTT. Первое более длинное видео обработается любой длины. Pro стоит $29 разово, снимает лимиты по длине и числу задач и добавляет модели Accurate и Best.