Whisper Large V3

Name: Whisper Large V3
Author: OpenAI

Открытая модель распознавания речи от OpenAI (ноябрь 2023) — де-факто стандарт для транскрипции: 1.55B параметров, 99 языков включая русский, обучена на 5 млн часов аудио. Работает локально и бесплатно, без интернета и аккаунтов. Есть ускоренная версия Turbo (809M, в 2-5 раз быстрее).

Бесплатно при локальном запуске / API OpenAI ~$0.006 за минутуРаботает в РФРусский язык

⭐ 8/10📅 2023-11🏢 OpenAI✓ Open Source

Открыть сайт

Рейтинг и бенчмарки

Общий рейтинг

8/10

Benchmark Score

8.2/10

Скорость

7.5/10

Языки

99, включая русский

WER (английский, LibriSpeech clean)

2.0%

WER (среднее по 99 языкам, Fleurs)

~10.6%

Обучение

5 млн часов аудио

Turbo-версия

809M параметров, в 2-5 раз быстрее

Входные и выходные данные

Входные данные

аудио

Выходные данные

текст

API и стоимость

Входные токены (Input)

Бесплатно при локальном запуске / API OpenAI ~$0.006 за минуту

цена за промпт

✓API доступен

Документация API →

Способы доступа

Self-hosted (Hugging Facewhisper.cppfaster-whisper)API (OpenAIсторонние провайдеры)

Сценарии использования

транскрипция аудио и видеосубтитрырасшифровка интервью и созвоновперевод речи на английскийголосовой ввод

Тарифы и подписки — OpenAI

Актуальные планы подписки провайдера. Цены могут меняться — уточняйте на странице цен

Популярный

Локальный запуск (self-host)

Бесплатно

Веса на Hugging Face под MIT
Коммерческое использование без ограничений
Работает офлайн — аудио не покидает компьютер
Ускоренные сборки: whisper.cpp, faster-whisper, Turbo

API OpenAI

~$0.006 за минуту аудио

Без своего железа и настройки
Быстрая транскрипция по запросу
Временные метки и перевод на английский
Требуется зарубежная карта

Сторонние провайдеры

зависит от провайдера

Together AI, Groq, Replicate и др.
Часто дешевле и быстрее оригинала
Готовый API без инфраструктуры

Российские карты не принимаются.Genova-ai — работает в РФ без VPN

Плюсы и минусы

✓ Плюсы

Бесплатна и полностью открыта (MIT) — можно скачать и запускать локально, аудио не уходит в облако

99 языков, включая русский — качественная транскрипция русской речи «из коробки», редкость для открытых моделей

Высокая точность: 2.0% WER на чистом английском (LibriSpeech), на 10-20% меньше ошибок, чем у large-v2

Обучена на 5 млн часов аудио — устойчива к шуму, акцентам и разговорной речи

Умеет не только распознавать, но и переводить речь на английский, а также выдавать временные метки для субтитров

Есть версия Turbo (809M параметров) — в 2-5 раз быстрее при минимальной потере точности

Работает офлайн и в России без ограничений: ни VPN, ни карт, ни аккаунтов не нужно

✗ Минусы

Для комфортной скорости на длинных записях нужна видеокарта — на CPU полная large-v3 работает медленно (спасает Turbo или faster-whisper)

Не различает говорящих (диаризация) из коробки — нужны сторонние инструменты

Может «додумывать» текст в тишине или на шуме — известный артефакт галлюцинаций

Модель 2023 года: по точности и скорости её уже обходят свежие коммерческие ASR (ElevenLabs Scribe, Deepgram Nova-3)

Оплата API OpenAI недоступна с российских карт (но локальный запуск бесплатен и без барьеров)

Работает только с аудио на входе — это транскрипция, а не голосовой ассистент

Подробный обзор

Что такое Whisper Large V3

Whisper Large V3 — открытая модель распознавания речи от OpenAI, вышедшая в ноябре 2023 года и с тех пор ставшая де-факто стандартом транскрипции. Это трансформер архитектуры encoder-decoder на 1.55 млрд параметров, обученный на 5 миллионах часов аудио (1 млн часов размеченных вручную и 4 млн псевдоразмеченных предыдущей версией large-v2). Модель поддерживает 99 языков и умеет не только расшифровывать речь, но и переводить её на английский.

Точность и русский язык

На чистой английской речи (LibriSpeech clean) Whisper Large V3 показывает 2.0% WER — то есть примерно 2 ошибки на 100 слов. В среднем по всем 99 языкам на бенчмарке Fleurs — около 10.6% WER. Относительно large-v2 количество ошибок снизилось на 10-20% по широкому набору языков. Для русскоязычных пользователей главное: русский входит в число хорошо поддерживаемых языков, и качество расшифровки русской речи здесь заметно выше, чем у большинства открытых альтернатив.

Скорость: версия Turbo и ускоренные сборки

Полная large-v3 довольно тяжёлая. В октябре 2024 вышла версия Turbo: у неё урезан декодер (с 32 слоёв до 4), всего 809 млн параметров, и работает она в 2-5 раз быстрее при минимальной потере точности. Плюс существуют оптимизированные реализации — whisper.cpp (запуск даже на CPU и на Mac) и faster-whisper, которые ускоряют работу в разы. Для большинства практических задач связка Turbo + faster-whisper даёт отличный баланс.

Доступность в России

Whisper работает в России без каких-либо ограничений — это открытые веса под лицензией MIT: скачиваете модель и запускаете локально, полностью офлайн. Ни VPN, ни зарубежной карты, ни аккаунта не требуется, а аудио не покидает ваш компьютер — важный плюс для конфиденциальных записей (интервью, созвоны, медицинские или юридические материалы). Платный API OpenAI (около $0.006 за минуту) российскими картами не оплатить, но в нём и нет необходимости: локальный запуск бесплатен. Из более свежих и точных коммерческих альтернатив стоит иметь в виду ElevenLabs Scribe и Deepgram Nova-3, но они платные и требуют зарубежной оплаты.

Часто задаваемые вопросы

Что такое Whisper Large V3?

Открытая модель распознавания речи от OpenAI (ноябрь 2023) на 1.55 млрд параметров, обученная на 5 млн часов аудио. Поддерживает 99 языков, включая русский, умеет расшифровывать речь и переводить её на английский, выдаёт временные метки для субтитров. Лицензия MIT — можно запускать локально бесплатно.

Хорошо ли Whisper распознаёт русскую речь?

Да, русский входит в число хорошо поддерживаемых языков, и качество расшифровки заметно выше, чем у большинства открытых альтернатив. Точных официальных цифр WER именно для русского OpenAI не публикует, но на практике модель уверенно справляется с интервью, созвонами и подкастами на русском, включая разговорную речь.

Сколько стоит Whisper Large V3?

При локальном запуске — бесплатно: веса открыты под MIT, можно использовать и коммерчески. Если не хотите возиться с настройкой, есть API OpenAI (порядка $0.006 за минуту аудио) и сторонние провайдеры (Groq, Together AI, Replicate), часто более быстрые и дешёвые.

Какое железо нужно и что такое версия Turbo?

Полная large-v3 на видеокарте работает комфортно, на CPU — медленно. Для ускорения есть версия Turbo (809 млн параметров, урезанный декодер): она в 2-5 раз быстрее при минимальной потере точности. Плюс оптимизированные реализации whisper.cpp (работает даже на CPU и Mac) и faster-whisper — с ними транскрипция идёт в разы быстрее.

Работает ли Whisper в России?

Да, без каких-либо ограничений: это открытые веса, модель скачивается и работает полностью офлайн — ни VPN, ни карт, ни аккаунтов не нужно. Аудио не уходит в облако, что важно для конфиденциальных записей. Платный API OpenAI российскими картами не оплатить, но локальный запуск полностью бесплатен.

Whisper всё ещё актуален в 2026 году?

Как открытый бесплатный стандарт — да, он остаётся самым практичным выбором для локальной транскрипции, особенно когда важна приватность. Но это модель 2023 года: по точности и скорости её уже обходят свежие коммерческие системы вроде ElevenLabs Scribe v2 и Deepgram Nova-3. Если нужен максимум качества и вы готовы платить — стоит сравнить с ними; если нужен бесплатный офлайн-вариант — Whisper вне конкуренции.