AIVA vs Whisper 2026: оркестровая музыка с нотами или транскрипция

Перед оценками — карта функциональности. AIVA и Whisper не конкуренты; они комплементарны для serious composer'ов и documentary-creators. Эта подтема — обязательная для пары из разных подгрупп.

AIVA — symbolic-first music generation. Внутри генерирует ноты (MIDI), потом рендерит через sampled VST instruments. Лидер cinematic / orchestral / gamedev. Уникальный MIDI export для DAW-pipeline. SACEM legal status (2017). Используется в Magic Marble, Pillars of Eternity II add-on tracks. Pro €33/мес.

Whisper — Speech-to-Text (STT). На вход — аудио (любой язык из 99); на выход — текст транскрипта. Open-source MIT-лицензии, можно self-host бесплатно или через OpenAI API за $0.006/мин, через Groq Whisper Turbo за $0.04/час со 100x speed. Без RIAA-рисков. Используется в Apple iOS Voice Memos нативно с 2024 года, в VLC Player с 4.0+, в миллионах open-source проектов.

Где они пересекаются: в production-pipelines documentary cinema. Композитор использует AIVA для cinematic cues с MIDI-кастомизацией (расписать ноты для живого оркестра, изменить инструментовку в Sibelius); параллельно — Whisper транскрибирует архивные интервью с экспертами для shownotes, поиска по архиву, генерации subtitles. Оба сервиса безопасны для коммерческого release без RIAA-рисков.

В этой подтеме AIVA — единственный осмысленный выбор. Whisper архитектурно music не делает — это STT-модель.

AIVA Symphonic, AIVA Cinema (action / sad / fantasy), AIVA Chamber — обученные модели под конкретные оркестровые стили. В тестах редакции 2026-Q1 на 30 cinematic промптах AIVA побеждает по 25 трекам по 4 метрикам: правильность темы, аккуратность аранжировки, эмоциональный arc, baroque / classical / film score authenticity. Используется в Magic Marble, Pillars of Eternity II add-on tracks, ряде независимых фильмов.

Whisper в music-generation получает 1/10 — это не «плохо», это «другая задача». Whisper — encoder-decoder transformer для аудио → текст, не music synthesis.

Зеркальная подтема. Если задача — транскрипция, AIVA архитектурно не делает. Whisper — лидер STT в категории и в индустрии.

Whisper Large v3 на русском показывает WER 5–8% на чистой речи, 10–15% на разговорной с шумом. Это объективно лучший показатель среди всех ASR-сервисов на 2026 год. На английском — WER 4–6%. Покрытие 99 языков, включая редкие (грузинский, армянский, валлийский, баскский).

AIVA STT не делает. Не транскрибирует речь. Если ваша задача — расшифровать архивные интервью для documentary, или генерировать subtitles для видео-курсов — AIVA здесь не альтернатива, нужен Whisper.

Это монопольная фича AIVA в категории music-gen. Whisper STT, не music — этого не делает архитектурно.

AIVA Pro €33/мес отдаёт MIDI или MusicXML для каждой композиции. Открыть в Sibelius, MuseScore, Logic Pro, Finale, Cubase — переписать ноты, изменить инструменты, расставить артикуляцию, отдать живому оркестру записать. Это полный pipeline для serious композитора с DAW workflow.

В категории music-gen больше никто этого не умеет. Suno / Udio / Mubert / Soundraw / Beatoven — все audio-first, дают только готовый WAV/MP3. Whisper здесь не релевантен — он не music.

Это редкая для категории music-gen + STT подтема, где обе компании в безопасности.

AIVA обучена на public domain классике (Beethoven, Mozart, Brahms, Tchaikovsky). Получила SACEM legal status (2017) — first AI с этим статусом. Без RIAA-рисков, есть юридический fundament в EU кино / рекламе.

Whisper — open-source MIT-лицензии, без training-data legal claims на коммерческое использование. Apple встроила в iOS Voice Memos нативно — это маркер юридической чистоты на enterprise-уровне. Никаких RIAA-style рисков в обозримом будущем.

Это редкое сочетание для категории — оба сервиса можно коммерчески использовать без правовых напряжений. Для documentary cinema-grade или corporate compliance это важно.

Это редкая в категории подтема, где оба сервиса работают для российского пользователя. AIVA — EU без блокировок, Whisper — self-host для compliance.

AIVA — EU-base (Люксембург), РФ-IP не блокирует. Stripe не принимает российские карты, но через PayPal с зарубежного аккаунта работает. Это уникальная для category music-gen позиция — большинство западных сервисов либо блокируют, либо не принимают карты.

Whisper — для self-host идеально. Веса скачиваются с Hugging Face / GitHub без VPN. Разворачивается в Yandex Cloud DataSphere или VK Cloud — оставаясь в РФ-периметре под 152-ФЗ. Это единственный путь для регулируемых отраслей. Для small-volume через cloud- Whisper нужен VPN + зарубежная карта (OpenAI API блокирует РФ-IP); Groq доступен с VPN.

Цены работают по-разному: AIVA — flat-subscription для music, Whisper — pay-per-use или free через self-host.

AIVA: Free 3 download/мес (только personal), Standard €11/мес (15 downloads, royalty- free для соцсетей), Pro €33/мес (300 downloads, MIDI export, полная коммерческая лицензия).

Whisper: бесплатно self-host (только GPU-инфраструктура). $0.006/мин через OpenAI API ($0.36 за час аудио). Groq Whisper Turbo $0.04 за час аудио со скоростью 100x real-time. Self-host экономика: на одной NVIDIA 4090 годовая амортизация ~$1500 vs $360/мес ($4320/год) через OpenAI API при 1000 часов / мес.

Гибридный documentary-композитор с архивными интервью (~10 часов аудио / месяц для STT + ~10 cinematic cues): AIVA Pro €33 + Whisper API $3.60 = ~€37/мес total. Для serious cinema production это очень дешёвый music+STT стек.

Whisper — open-source с MIT-лицензией. AIVA — closed-source proprietary. Это влияет на цену, контроль, скорость экосистемы.

Whisper — веса доступны на Hugging Face и GitHub. Можно self-host на своей GPU без отчислений. Можно fine-tune под свой домен. Можно встроить в свой продукт без vendor lock-in. Распределённая экосистема надстроек: WhisperX (diarization), Faster-Whisper (CTranslate2 оптимизация), WhisperLive (streaming), Distil-Whisper (real-time на устройстве).

AIVA — closed-source. Подписка $11–33/мес. Архитектура и training data частично описаны (на public domain классике), но веса недоступны. SACEM legal status даёт юридический fundament, но нет vendor-flexibility. Используется через web-UI или Beta API только для Enterprise.

Конкретные сценарии.

1. MIDI / нотный экспорт для DAW workflow. AIVA — единственный в категории.
2. Cinematic / orchestral / film score. AIVA — лидер.
3. Game soundtrack production. AIVA имеет реальные кейсы (Magic Marble, Pillars).
4. Composer, работающий с живыми музыкантами. AIVA отдаёт ноты для оркестра.
5. Музыкальный педагог. AIVA — генерация nontrivial examples с нотами.
6. Documentary с emotional arc по времени. AIVA timeline-control (pre-generation).
7. SACEM legal status для EU кино. AIVA — first AI с этим статусом.

Зеркальные сценарии.

1. Транскрипция русскоязычного аудио. WER 5–8% — лучший в индустрии.
2. Транскрипция на 99 языках. Включая редкие ex-СССР.
3. Production-pipeline через API. Multiple providers (OpenAI / Groq / Replicate / Together / Azure).
4. Compliance в регулируемых отраслях. Self-host обязателен для медицины, юриспруденции, гос-сектора.
5. Архивная транскрипция большого volume. 1000+ часов через Groq Turbo за ~$40/мес.
6. Voice search / live-captioning. Streaming API real-time.
7. Генерация субтитров для видео. Word-level timestamps в стандартной комплектации.

Самая важная подтема для cross-subgroup пары. Когда composer-documentary creator реально нуждается в обоих в одном pipeline.

1. Documentary cinema-grade pipeline: запись архивных интервью с экспертами → Whisper транскрибирует на русском (WER 5–8%) для shownotes / поиска по архиву / SEO → AIVA генерирует cinematic cues с emotional arc для эмоциональных моментов фильма + MIDI-кастомизация для живой записи оркестра. Стек: Whisper API + AIVA Pro = ~€37/мес. Особенно эффективно для documentaries о исторических персонажах или технологических темах с серьёзным cinematic-нарративом.
2. Educational cinema-курс с архивными лекциями: архивные voice-recordings профессоров → Whisper транскрибирует для подзаголовков и поиска → AIVA генерирует cinematic intro / outro для каждой лекции (с MIDI- кастомизацией для университетского оркестра). Это типовой стек для serious online-courses.
3. Игровая киносцена с lore-narrative: запись актёров narrator-voiceover → Whisper для синхронизации текста с видео → AIVA для cinematic cues под каждую сцену с emotional arc. Используется в инди-играх типа Pillars of Eternity II add-on tracks.
4. Подкаст-сериал на исторические темы: архивные интервью свидетелей событий → Whisper транскрибирует для shownotes / поиска / subtitles → AIVA генерирует cinematic intro и outro для каждого эпизода с тематической оркестровой темой.
5. Concept-альбом с narrative-секциями (например, biographical): архивные voice-recordings (родственники, свидетели) → Whisper транскрибирует на русском → текст становится lyrics для narrative-секций → AIVA генерирует оркестровое сопровождение с MIDI для записи живым ансамблем.

Конкретные персоны.

Сергей, 41, российский композитор для documentary о советской науке. AIVA Pro €33/мес для cinematic нарратив-cues + Whisper self-host в Yandex Cloud для транскрипции архивных интервью с учёными (compliance-важно). Total: ~€33 + GPU. Доступ из РФ через PayPal, archives обрабатываются в РФ-периметре.

Анна, 34, продюсер документального кино для Netflix. AIVA Pro €33 для cinematic cues + Whisper API $3.60 для архивных интервью на 5 языках. Total: ~€37/мес. Для Netflix-проекта 8–12 эпизодов окупается за один season.

Игорь, 35, разработчик voice-driven приложения для composer'ов (поиск по архиву samples). Whisper API через Groq для real-time STT. AIVA здесь не нужен — это не music-product, а voice-driven interface.

Мария, 28, музыкальный педагог в школе искусств. AIVA Standard €11/мес для генерации examples с нотами. Whisper Free для редких транскрипций архивных лекций мастеров. Total: ~€11/мес.

Дмитрий, 28, инди-композитор для cinematic mood-альбома. AIVA Pro €33/мес — vocal+stem для альбомного release с MIDI для post-production в Logic Pro. Whisper не нужен — у него нет интервью / подкаст-формата.

Расчёт стоимости.

Лёгкий cinematic-only: AIVA Pro €33/мес × 12 = €396/год = ~32 000 ₽/год.

Лёгкий STT-only (1 эпизод / неделя): Whisper API $3.60/мес × 12 = $43/год = ~3 400 ₽/год.

Гибридный documentary-композитор: AIVA Pro + Whisper API = ~€37/мес × 12 = ~€444/год = ~36 000 ₽/год. Окупается на одном serious documentary-проекте.

Production studio cinema-grade: AIVA Pro + Whisper Groq (100 часов/мес) = €33 + $40 = ~€73/мес × 12 = ~€876/год = ~70 000 ₽/год. Это уже tier для Netflix-уровня cinema.