Лучшая транскрипция русской речи, которую я нашёл
8Веду подкаст уже три года, интервью с гостями каждую неделю. До Whisper пробовал несколько облачных сервисов транскрипции — русский у всех хромал, особенно на разговорной речи с запинками.
Поставил Whisper Large v3 на своей машине с 4090. На чистой студийной записи практически идеальный текст получается, правлю одно-два слова в тысяче. Даже имена неизвестных гостей берёт с первого раза в половине случаев. Word-level timestamps работают, субтитры для YouTube генерирую напрямую через SRT.
Главная проблема — диаризация: Whisper не различает спикеров вообще. Пришлось ставить WhisperX с pyannote, ещё час разбирался с зависимостями. Работает, но это не «скачал и запустил». Ещё заметил: если запись обрывается на полуслове или гость молчит несколько секунд, модель иногда подставляет слова, которых не было. Немного пугает для публичных материалов, приходится сверять ухом спорные места.
Для подкаста на русском лучшего не нашёл. Платного аналога с таким же качеством транскрипта не встречал.