Whisper API vs локальный Whisper vs faster-whisper: что выбрать в 2026

Два пути использовать Whisper

OpenAI Whisper доступен в двух формах:

1. Whisper API — OpenAI хостит модель у себя, вы отправляете файлы через API и получаете текст. Модель whisper-1.
2. Локальный Whisper — open-source модель, которую можно запустить на своём сервере или компьютере. GitHub: openai/whisper, faster-whisper, WhisperX.

Разбираем плюсы, минусы и цены каждого пути.

Whisper API от OpenAI

Что это и как работает

API-эндпоинт https://api.openai.com/v1/audio/transcriptions. Отправляете файл через multipart POST, получаете JSON с транскриптом. Требуется OpenAI API-ключ и привязанная карта.

Плюсы

• Нет инфраструктурных забот — не надо покупать GPU
• Быстрая обработка — часовое аудио за 30-60 секунд
• Масштабируется автоматически — можете отправлять 100 файлов параллельно
• Качество — та же large-v2 от OpenAI (они пока не выкатили large-v3 в API)

Минусы

• Цена: $0.006 за минуту аудио. Часовая запись = $0.36 = ~32 ₽
• Лимит файла: 25 МБ (это ~25 минут MP3 128 кбит/с, хватает не всегда)
• Нет диаризации — только plain текст, без разделения по спикерам
• Модель устаревшая — whisper-1 это large-v2 (2022), a не large-v3-turbo (2024)
• Приватность — ваше аудио уходит на серверы OpenAI в США. Для чувствительных данных (медицина, право, бизнес-встречи) это проблема
• Нет RU compliance — для российских пользовательских данных нарушение 152-ФЗ

Локальный Whisper

Что это и как работает

Установка open-source модели на свой сервер (или компьютер с GPU). Библиотеки:

• openai/whisper — референсная реализация, Python
• faster-whisper — в 4-10 раз быстрее, использует CTranslate2. Стандарт индустрии
• WhisperX — faster-whisper + форсированное выравнивание на уровне слов + диаризация через pyannote

Установка: pip install faster-whisper. Запуск: скрипт на Python.

faster-whisper: стандарт для production

Из всех реализаций faster-whisper стал де-факто промышленным стандартом. Что делает его особенным:

• В 4–8 раз быстрее оригинального openai/whisper на той же модели — за счёт CTranslate2 (CUDA kernel optimization)
• Меньше VRAM — large-v3-turbo на float16 занимает ~2.2 ГБ против ~5 ГБ у оригинала
• Встроенный VAD — интеграция silero-vad отсекает тишину до подачи на модель
• Потоковый вывод — текст начинает поступать ещё во время обработки (важно для real-time)
• Совместимость — принимает те же модели (tiny/base/medium/large-v3/turbo)

Сравнение скорости на RTX 3060 12 ГБ, 1 час аудио:

• openai/whisper (large-v3): ~45–60 мин
• faster-whisper (large-v3-turbo): ~6–8 мин — в 7× быстрее

Именно faster-whisper лежит под капотом большинства production-сервисов транскрибации, включая WonderScribe.

Плюсы

• Бесплатно без лимитов после покупки железа
• Любая модель — large-v3, large-v3-turbo, medium — что угодно
• Полный контроль — можно подкрутить параметры VAD, beam_size, patience для вашего домена
• Приватность — данные не уходят наружу. Важно для медицины, юристов
• Dual-use — тот же сервер может делать fine-tuning (дообучение на своих данных)

Минусы

• Нужен GPU — для large-v3-turbo минимум NVIDIA с 6 ГБ VRAM (RTX 3060, A10, T4). Стоит от $400-500 за карту
• Настройка часов 8-20 — установить CUDA, разобраться с окружением, написать пайплайн
• Нет диаризации из коробки — нужно отдельно ставить pyannote
• Нет постобработки — пунктуация, коррекция, экспорт — всё руками
• Нужно поддерживать — обновлять модели, чинить сервер, мониторить

Сравнение цен

Расчёт для 100 часов аудио в месяц (типичный use-case среднего бизнеса).

Whisper API

• 100 часов × 60 мин × $0.006 = $36/мес ≈ 3300 ₽/мес
• Плюс нулевые инфра-затраты

Локальный Whisper

• GPU-сервер с RTX 3060 12 ГБ: аренда в облаке ~8000-12000 ₽/мес (Selectel, Cloud.ru)
• Или покупка: ~30000-40000 ₽ за карту, окупается за 3-4 месяца при интенсивном использовании
• Время на настройку (8-20 часов разработчика): 30000-50000 ₽ разово
• Электричество если локально: ~500 ₽/мес

WonderScribe (облачный сервис)

• 100 часов поминутно: 100 × 60 × 2 ₽ = 12 000 ₽/мес
• Тариф «Профи» — фиксированные 1449 ₽/мес, безлимит — экономия в 8× для 100 ч/мес
• Профи поддерживает команду до 20 человек на одном тарифе
• Бонус: включена диаризация, очистка шума, LLM-коррекция, экспорт в Word/SRT, серверы в РФ (152-ФЗ)

Таблица решения

Что выбрать

Whisper API — берите если

• Нужно транскрибировать 10-50 часов аудио в месяц, разово
• Нет инженера, который настроит локальную инфраструктуру
• Вам не важна диаризация, только plain-текст
• Данные англоязычные или не чувствительные

Локальный Whisper — берите если

• Обрабатываете 500+ часов в месяц — экономия существенна
• У вас чувствительные данные (медицина, юрист, военные), нужна строгая приватность
• Есть инженер DevOps/ML, готовый потратить 1-2 недели на настройку
• Хотите сами дообучать модель под свой домен

WonderScribe — берите если

• Нужен полный пайплайн сразу (диаризация, пунктуация, экспорт)
• Данные российские — важен 152-ФЗ
• Хотите тратить время на продукт, а не на ML-инфраструктуру
• Нужен UI для редактирования, не только API

Попробовать WonderScribe — 30 минут бесплатно, сравните результат с собственным Whisper или OpenAI API. Для русского языка разница в качестве сильно заметна.