Whisper: распознавание речи из файла через командную строку

Проверьте, какой Whisper установлен

Эта инструкция относится к Python-пакету openai-whisper из официального проекта OpenAI. Для него используется команда whisper. В whisper.cpp исполняемый файл и ключи другие. Если найденная инструкция начинается с whisper-cli, не переносите оттуда короткие флаги в приведённые ниже примеры.

Для установки нужны подходящее Python-окружение и FFmpeg. В своём рабочем окружении выполните python -m pip install -U openai-whisper, затем отдельно проверьте whisper --help и ffmpeg -version. Установка одного пакета не заменяет установку FFmpeg. Не обновляйте чужое рабочее окружение без проверки его зависимостей.

Если команда не найдена, сначала проверьте, активировано ли окружение, куда установлен пакет. Повторная установка в другом терминале может создать вторую копию, а не исправить первую. Для подготовки автономного рабочего места используйте проверку полного офлайн-процесса: установка и готовность без сети — разные этапы.

Запустите понятный пробный файл

Сначала возьмите короткую запись с обычной для вашей работы речью. Путь с пробелами заключите в кавычки. В примере файл meeting.wav лежит в текущей папке; замените имя своим.

whisper "meeting.wav" --model small --language Russian --task transcribe --output_format txt --output_dir result

Модель small здесь служит стартовым примером, а не универсальным выбором для любого компьютера. Варианты с окончанием .en предназначены для английского. Для этой русской записи нужен многоязычный вариант без такого окончания. Перед большой задачей оцените на пробе время и ошибки именно своего оборудования.

transcribe оставляет текст на языке речи. Задача translate в Whisper означает перевод в английский, а не выбор произвольного языка. Для обычной русской стенограммы менять задачу на перевод не нужно.

Выберите TXT или субтитры осознанно

TXT удобен для чтения и редактирования содержания. Если нужен файл субтитров, замените значение --output_format txt на --output_format srt. Сохранение в SRT само по себе не доказывает, что каждую реплику удобно читать на экране: границы и длительности требуют просмотра с видео.

Держите результаты разных проб в отдельных папках, например test-small и test-medium. Тогда будет понятно, какой файл относится к какой модели. Не открывайте старый TXT из соседней папки и не принимайте его за новый результат только из-за одинакового названия записи.

Для сравнения выпишите несколько контрольных мест: фамилию, число, отрицание, тихую реплику и последнее предложение. Сверьте одни и те же места в обеих версиях. Рекламное обещание точности или более крупная модель не заменяют такого сравнения.

Разберите сбой до повторного запуска

Сообщение о неподдерживаемом FP16 на CPU означает переход к FP32; это не равнозначно аварийному завершению. Для явного запуска на процессоре можно добавить --device cpu --fp16 False. Если же процесс остановился, сохраните последние строки ошибки и проверьте путь к файлу, наличие FFmpeg, свободное место и доступную память.

Меняйте один параметр за раз. Если одновременно заменить модель, язык и исходник, будет трудно понять причину изменения. При ошибке нехватки памяти начните с меньшей модели и короткого теста. Не удаляйте оригинал после появления текста: спорную реплику ещё придётся прослушать.

Если поддерживать локальную установку не требуется и запись разрешено обрабатывать онлайн, можно получить исходный текст через расшифровку аудио в Транскрибаторе. Это отдельный онлайн-путь, а не функция команды Whisper. В обоих случаях проверьте важные формулировки по записи.