QuillHubQuillHub
EN

Альтернатива Whisper онлайн: транскрибация без Python и GPU

Whisper от OpenAI нужно ставить на компьютер. QuillHub работает в браузере: загрузите файл или вставьте ссылку и получите текст со спикерами, таймкодами и конспектом. Файлы до 10 часов.

20 000+часов транскрибировано

60 бесплатных минут при регистрации · Карта не нужна

  • YouTube
  • RuTube
  • VK Видео
  • Яндекс Диск
  • Google Drive
  • Прямая ссылка на файл
  • Файлы MP3, WAV, M4A, OGG, AAC, MP4, MOV, MKV, WEBM

Пример транскрибации

Так выглядит в тексте доклад о распознавании речи на 42 минуты

Настоящая выдача QuillHub без правок руками: запись на 42 минуты, 3 голоса разделены автоматически, у каждой реплики свой таймкод. Над текстом собраны оглавление и резюме. Переключайте вкладки.

Кейс: потоковое распознавание речи в ассистенте «Маруся» (итоги 2023)00:00 / 42:00 · Владимир Гулин, Ведущий, Вопрос из залаГотово · 4 документа
  • Владимир Гулин0:08

    Друзья, всем привет! Меня действительно зовут Вова. Я в компании работаю уже больше 12 лет. Исторически долго упорно занимался поисковыми рекомендательными сервисами.

  • Владимир Гулин7:32

    И тут у нас есть набор двух типов метрик. Первый тип метрик— это объективные метрики. такие, которые относятся непосредственно к нашей системе распознавания речи.

  • Владимир Гулин15:45

    Поэтому мы себе придумали цели в 2023 году. Во-первых, драматически снизить латенсии, снизить ошибку распознавания транскрибации речи и, соответственно, устранить косты на саппорт двух моделей. Давайте поговорим про то, как мы это достигли.

  • Владимир Гулин23:16

    Мы применили технологию бакетинга. Посмотрите, что мы сделали. Поскольку, как правило, длинные аудиозаписи неравномерные, В общем случае, вот этот четырехмерный тензор, он на самом деле, как правило, больше чем на 50% пустой.

  • Владимир Гулин24:03

    Это в целом нам позволило на 30% сократить время обучения и при этом всем не потерять в качестве.

  • Владимир Гулин30:47

    Во-первых, Хочу всем пожелать, чтобы при работе над своими проектами вы выходили за свои пределы и не выдумывали каких-то преград.

  • Ведущий38:49

    Спасибо. Давайте тогда парочку вопросов из онлайн-чата. Первый вопрос. Как обеспечивается безопасность и конфиденциальность данных при использовании системы распознавания речи в Марусе?

Ещё 88 абзацев — у каждого таймкод, клик по таймкоду перематывает аудио

Речь разобрана по людям

Бесплатное распознавание вернёт один абзац на всю запись. Здесь голоса разделены, а у каждой реплики свой таймкод — текст можно читать, а не расшифровывать второй раз.

  • 3 голоса разделены автоматически, без настроек
  • Владимир Гулин — 93%, Ведущий — 4%, Вопрос из зала — 3% времени
  • Экспорт в TXT, DOCX, SRT и VTT
  • 0:06Введение и обзор голосового ассистента Маруся3 мин
  • 2:44Предобработка аудио и компоненты на устройстве (Keyword Spotting)1 мин
  • 4:06Стриминговое и облачное распознавание: задачи и endpoint detection10 мин
  • 13:51Базовый бейзлайн (Kaldi) и мотивы для изменений2 мин
  • 15:58Целевая архитектура: RNN-Transducer (RNN-T) — устройство модели3 мин
  • 19:25Данные, словарь и этапы обучения (pre-training и fine-tuning)2 мин
  • 21:53Аугментации, регуляризации и практические проблемы обучения5 мин
  • 26:46Запуск в продакшен: inference, квантизация и языковые модели4 мин
  • 30:18Заключение доклада и практические рекомендации3 мин
  • 33:12Начало сессии вопросов и ответов, первые вопросы аудитории1 мин
  • 34:41Метрики и мониторинг в продакшне1 мин
  • 36:07Обработка нецензурной и токсичной лексики2 мин
  • 37:42Биометрия и распознавание детей1 мин
  • 38:47Конфиденциальность и безопасность данных1 мин

Ещё 4 главы — каждая со своим таймкодом и длительностью

42 минуты записи видны целиком

Оглавление строится по смыслу, а не по паузам: видно, о чём шла речь в каждой части. Клик по главе — и вы сразу в нужной минуте.

  • 18 глав из 42 минут
  • Каждая глава — ссылка на место в аудио

Доклад о реализации и улучшении потоковой и облачной систем распознавания речи для голосового ассистента Маруся.

  • Ассистент Маруся работает комбинированно: edge Keyword Spotter → потоковый SR → облачный финализатор.
  • Исходный каскад Kaldi имел низкое качество и отдельный EPD‑модуль с высокой латентностью; это требовало поддержки двух систем.
  • Переход на RNN‑Transducer позволил объединить функциональность и снизить latency закрытия микрофона в ~2 раза.

Решения, которые вытащил AI

  • Перейти от каскадной Kaldi‑системы к единой потоковой архитектуре RNN‑Transducer.01
  • Использовать Latency‑Controlled BLSTM в аудиоэнкодере для улучшения качества с управляемым ростом задержки.02
  • Включить регуляризации run‑and‑tell и FastEmit на этапе pre‑training и MVR Loss на этапе fine‑tuning.03
  • Применять бакетинг и мета‑бачи, MixPrecision и Distributed Data Parallel для ускорения обучения.04
  • Делать inference через ONNX Runtime с динамической квантизацией на CPU и объединять RNN‑T с внешней LM для rescoring.05

Чтобы не переслушивать 42 минуты

Резюме собирается из самого разговора: ключевые идеи, числа и решения, которые в нём прозвучали. Его можно отправить в чат команды как есть.

  • 5 решений, вытащенных из разговора
  • 8 тезисов в полном резюме
Конспект на одну страницу

Снижение latency определения конца речи (EPD) в 2 раза после внедрения единой RNN‑T архитектуры и оптимизаций.

из записи
Черновик статьи

«Кейс: потоковое распознавание речи в ассистенте «Маруся» (итоги 2023)»: распознавание речи, RNN‑Transducer, endpoint detection

из записи
Письмо по итогам

Что обсудили, к чему пришли, что делаем дальше — письмом на команду

шаблон
Список задач

Кто что делает дальше — задачи из записи одним списком

шаблон
Вопрос по записи

«Собери чеклист развёртывания RNN‑T в продакшен (ONNX, квантование, CPU)» — чат отвечает по тексту и даёт таймкод

чат
Свой промпт

Заметка в CRM, пост, тезисы для выступления — или любой формат, который вам нужен

как угодно
  • Keyword Spotter
  • EPD
  • RNN‑Transducer
  • CTC / LastCTC
  • Conformer
  • Latency‑Controlled LSTM
  • FastEmit
  • Run‑and‑tell
  • MVR Loss
  • Бакетинг
  • Mixed Precision
  • ONNX Runtime + динамическая квантизация

Все действия ИИ входят в тариф «Безлимит» — никаких баллов за каждое нажатие.

Поверх текста — готовые документы

Расшифровка — только начало. Из одной записи можно собрать конспект, черновик статьи или письмо — или задать свой формат.

  • Готовые шаблоны и свои промпты
  • Чат по записи: спросить что угодно по тексту
  • 12 терминов с определениями
Загрузить свою записьСмотреть полный пример(откроется в новой вкладке)60 бесплатных минут при регистрации · Карта не нужна

Пример: доклад Владимира Гулина «Потоковое распознавание речи в Марусе», конференция VK JT 2024, VK Team, YouTube, лицензия CC BY 4.0. Расшифровка, главы, резюме и тезисы составлены QuillHub.

Как это работает

Как сделать транскрибацию без установки Whisper

Не нужны Python, ffmpeg, видеокарта и командная строка. Всё делается в браузере, на компьютере или с телефона.

  1. 1

    Добавьте запись

    Перетащите аудио или видео в форму или вставьте ссылку на YouTube, RuTube, VK Видео, Яндекс Диск или Google Drive. Файл до 10 часов и 5 ГБ, резать не нужно.

  2. 2

    Подождите несколько минут

    Язык определится сам. Распознавание идёт на серверах сервиса, поэтому скорость не зависит от того, есть ли у вас видеокарта и сколько у неё памяти.

  3. 3

    Заберите текст и субтитры

    Скачайте расшифровку в DOCX или TXT, субтитры в SRT или VTT. У записей длиннее трёх минут готовы резюме и ключевые тезисы. Оглавление делит запись на главы, у каждой свой таймкод.

Что вы получите

Что получается вместо голого текста Whisper

Whisper выдаёт текст с таймкодами. QuillHub доводит его до документа, с которым можно работать сразу.

Реплики по спикерам

Голоса разделяются автоматически на всех тарифах. Спикеров можно переименовать, имена попадут в DOCX.

Знаки препинания и абзацы

Длинная речь делится на абзацы по смыслу, у каждого абзаца есть таймкод. Клик по нему включает запись с этого места.

Резюме и главы

Для записей длиннее трёх минут: краткое содержание, термины с пояснениями и главы, у каждой свой таймкод. Ключевые тезисы идут отдельным списком.

DOCX, TXT, SRT, VTT

Текст для Word, простой TXT и субтитры для видео. Конспект попадает в DOCX и TXT вместе с текстом.

Чат по записи

Спросите запись своими словами: ответ придёт со ссылкой на момент. Кнопки «Резюме», «Письмо», «Задачи», «Блог-пост» собирают готовый материал.

Архив и API

Все расшифровки лежат в личном кабинете. Для своих скриптов есть API-ключ в настройках и MCP-сервер для ИИ-агентов.

ИИ-обработка записи

Вопросы к расшифровке с ответом по таймкоду

Whisper на этом месте заканчивает работу: у вас есть текст. В QuillHub с текстом можно разговаривать. Например, с записью технического созвона команды.

Созвон ML-команды · 4 спикера1:07:40
Почему решили не переходить на модель побольше?

Тимлид сказал, что прирост точности на тестовом наборе около процента, а задержка на ответ вырастает вдвое. Решили сначала дообучить текущую модель на звонках из поддержки.

Созвон · 31:15 — фрагмент подсвечен на дорожке
Про дообучение уже говорили?

Да, две недели назад: тогда договорились собрать 50 часов размеченных звонков. Ответственный — Андрей, срок не назвали.

2 созвона в архиве
21 октября · данные
4 ноября · модели
01

Вопросы по всем записям

Чат ищет ответ сразу во всех расшифровках: что решили, кто назвал цифру, о чём спорили в прошлый раз.

02

Материалы по записи

Кнопки «Задачи», «Письмо» и «Блог-пост» собирают из записи список дел, письмо участникам и черновик статьи. Или свой запрос.

03

Доступ для ваших агентов

MCP-сервер: Claude и другие ИИ-агенты читают ваши записи напрямую, без выгрузки файлов.

Все действия ИИ входят в тариф «Безлимит» — никаких баллов за каждое нажатие.

Сравнение

Whisper на своём компьютере, через API OpenAI и QuillHub

Whisper — открытая модель распознавания речи от OpenAI, её ставят и запускают на своём компьютере. Сравнили три пути к тексту по документации OpenAI на ноябрь 2026 года.

Что важноWhisper на своём компьютереWhisper через API OpenAIQuillHubЧто это значит для вас
УстановкаPython, пакет openai-whisper и отдельно ffmpeg, запуск из командной строкиКлюч OpenAI и свой код для отправки файловНичего: браузер, Telegram или приложение для компьютераБез программиста начать можно только в сервисе
ЖелезоОт 1 ГБ видеопамяти у tiny до ~10 ГБ у large; без видеокарты работает заметно медленнееНе нужно, считает OpenAIНе нужно, всё считается на серверах сервисаНоутбук без видеокарты подходит для QuillHub и API
Длина и размер файлаОграничена вашим компьютером и терпениемДо 25 МБ на файл, длинную запись нужно резатьДо 10 часов и 5 ГБ, до 50 файлов за разДвухчасовую лекцию в QuillHub резать не нужно
СпикерыНет, только сплошной текстТолько в отдельной модели gpt-4o-transcribe-diarizeДа, автоматически на всех тарифахДля интервью и встреч без разметки голосов неудобно
Что на выходеTXT, SRT, VTT, TSV, JSONТекст или JSON с таймкодамиDOCX, TXT, SRT, VTT, резюме, главы, тезисы, чатКонспект и Word есть только в QuillHub
Цена и данныеБесплатно (лицензия MIT), записи не покидают компьютерОплата за минуты в OpenAI; модель whisper-1 OpenAI отключит 26 февраля 2027 года60 минут бесплатно, дальше пакеты или «Безлимит» 990 ₽ в месяцЕсли запись нельзя выносить с компьютера, ставьте Whisper локально

Где пригодится транскрибация без установки

Whisper часто ищут люди, которым просто нужен текст из записи. Вот их задачи.

Интервью и исследования

Час разговора становится текстом по ролям: журналист выбирает цитаты, исследователь размечает ответы респондентов.

Лекции и доклады

Запись выступления превращается в текст с главами и конспектом. Как в примере выше: доклад на 42 минуты.

Созвоны и планёрки

Из записи встречи получаются резюме, решения и задачи; у задачи стоит ответственный, если его назвали.

Субтитры к видео

SRT и VTT готовы у каждой расшифровки: загрузите в YouTube, VK Видео или монтажную программу.

Подкасты и ролики

Выпуск по ссылке на YouTube или RuTube становится текстом для статьи, описания или поста.

Пачка старых записей

До 50 файлов за одну загрузку: архив диктофона или курса расшифровывается без очереди на своём компьютере.

Для кого

Кому подойдёт альтернатива Whisper

Тем, кто пробовал поставить Whisper и застрял на установке, и тем, кому мало голого текста.

Журналисты и редакторы

Интервью без возни с консолью

Загрузите запись разговора и получите реплики журналиста и героя раздельно. Спорную цитату переслушайте по таймкоду.

  • Разделение по спикерам автоматически
  • Таймкод у каждого абзаца
  • Черновик статьи кнопкой «Блог-пост»
QuillHub для журналистов

Студенты и преподаватели

Лекция превращается в конспект

Полуторачасовая пара становится текстом, оглавлением и конспектом на страницу.

  • Главы с таймкодами
  • Резюме и ключевые тезисы
  • Вопросы к лекции в чате

Разработчики и аналитики

Готовый конвейер вместо своего

Не нужно собирать распознавание, разметку спикеров и саммари из разных моделей. Отправьте файл по API и заберите текст, главы и субтитры.

  • API-ключ в настройках аккаунта
  • SRT и VTT в ответе API
  • MCP-сервер для ИИ-агентов
QuillHub для продуктовых команд

Руководители

Итоги встречи без протокола вручную

Запись планёрки превращается в резюме и список задач. Кто что обещал и к какому сроку, видно по репликам.

  • Резюме встречи
  • Задачи с ответственными, если их назвали
  • Выгрузка в Word для рассылки
QuillHub для руководителей

Советы

Как выбрать между Whisper и сервисом

Whisper хорош, и мы не отговариваем его ставить. Вот когда он удобнее, а когда проще сервис.

  • Ставьте Whisper, если записи секретные

    Локальный Whisper не отправляет звук в интернет. Если запись нельзя выносить с компьютера по договору или закону, это главный аргумент.

  • Берите сервис, если нет видеокарты

    На процессоре большие модели Whisper работают медленно, а маленькие ошибаются чаще. В QuillHub скорость не зависит от вашего компьютера.

  • Нужны спикеры: одного Whisper мало

    Whisper не делит речь по голосам. Для интервью и встреч к нему придётся добавлять отдельную модель разметки или брать сервис, где это уже есть.

  • Не режьте длинные записи

    Для API OpenAI файл приходится делить на куски до 25 МБ. В QuillHub файл до 10 часов загружается целиком, главы и резюме получаются общими.

  • Не конвертируйте звук заранее

    MP3, M4A с iPhone, OGG из мессенджера и видео MP4 загружаются как есть. Лишняя перекодировка только портит звук.

  • Проверяйте имена и цифры

    Любая модель распознавания путает редкие фамилии и похожие числа. Переслушайте эти места по таймкоду перед тем, как отправлять текст.

Без сайта

Транскрибация без Whisper в Telegram

Голосовое или аудиофайл удобнее отправить с телефона? Отправьте его боту @QuillAI_Bot. Это тот же сервис, а если привязать Telegram к аккаунту, то и тот же аккаунт: расшифровка появится и в веб-версии QuillHub.

Открыть @QuillAI_Bot
  • Голосовые, аудио и видео отправляются боту прямо из чата
  • Минуты и тариф общие с сайтом, если привязать Telegram к аккаунту
  • После привязки расшифровки из бота лежат в вашем аккаунте

Тарифы

Чем больше пишете, тем дешевле час

Российские карты и СБП. Для компаний — счёт и закрывающие документы.

Самая выгодная цена
Безлимит

от665 ₽в месяц

Полгода безлимита — 3 990 ₽ разом. Минуты не считаются вообще.

Подключить безлимит

Полгода — 3 990 ₽ одним платежом.

Во что превращается 665 ₽ в месяц

10 часов67 ₽/час
20 часов33 ₽/час
50 часов13 ₽/час

Те же 665 ₽ в разовых пакетах — это около 500 минут, примерно восемь часов записи. Дальше минуты кончаются — в безлимите нет.

Помесячно те же полгода стоили бы 5 940 ₽ — разница 1 950 ₽.

Разовые пакеты минут
от 250 ₽
Не подписка. Минуты не сгорают и суммируются с балансом.
150 минут — 250 ₽350 минут — 490 ₽750 минут — 990 ₽2 950 минут — 2 990 ₽

Минута дешевеет с объёмом: от 1,67 ₽ в самом маленьком пакете до 1,01 ₽ в самом большом.

Старт
0 ₽
60 минут при регистрации
  • 60 минут на пробу, минуты не сгорают
  • Все языки и распознавание спикеров
  • Экспорт в документ
  • Без привязки карты
Начать
Команда

Общее пространство, проекты и роли. Для юрлиц — счёт и закрывающие документы.

1 500 ₽за место в месяц
Собрать команду
  • Российские банковские карты
  • СБП
  • Счёт для юрлиц
Все тарифы и сравнение — открытая страница

Вопросы

Частые вопросы о Whisper и транскрибации онлайн

Если здесь нет ответа на ваш вопрос, напишите в поддержку.

Так называют распознавание речи моделью Whisper от OpenAI без установки на компьютер: через сайт, бота или API. Сама Whisper — открытая программа, её ставят локально с Python и ffmpeg. QuillHub — сервис транскрибации в браузере на другой модели распознавания, не на Whisper.

Модель распознавания превращает звук из файла или ссылки в слова и определяет язык, если вы его не указали. Затем расставляются знаки препинания, речь делится на абзацы и реплики спикеров, у каждого абзаца появляется таймкод. Если запись длиннее трёх минут, языковая модель читает готовый текст и составляет резюме, оглавление с главами и ключевые тезисы.

Нет. Речь распознаёт модель AssemblyAI, а резюме, главы и ответы чата пишут языковые модели OpenAI. Мы не выдаём себя за Whisper: эта страница для тех, кому нужен результат, ради которого ищут Whisper, но без установки.

Открытая модель распознавания речи, которую OpenAI выпустила в сентябре 2022 года. Код и веса доступны на GitHub под лицензией MIT. Модель распознаёт речь примерно на 100 языках, умеет переводить её на английский и определять язык. Размеры от tiny до large, по умолчанию сейчас используется turbo.

Python, пакет openai-whisper (pip install -U openai-whisper) и отдельно установленный ffmpeg. Запуск из командной строки: whisper файл.mp3 --model turbo. Для быстрой работы нужна видеокарта: модели turbo требуется около 6 ГБ видеопамяти, large около 10 ГБ. Без видеокарты Whisper тоже запускается, но медленно.

Да. При регистрации в QuillHub вы получаете 60 бесплатных минут, карта не нужна. Этого хватит на часовое интервью или несколько коротких записей. Дальше можно купить пакет минут или подключить «Безлимит» за 990 ₽ в месяц. Сам Whisper тоже бесплатный, но платите вы временем на установку и мощностью компьютера.

Нет, открытый Whisper выдаёт сплошной текст с таймкодами, без меток голосов. В API OpenAI разметку спикеров даёт отдельная модель. QuillHub разделяет голоса автоматически на всех тарифах, а спикеров можно переименовать.

Русский у модели распознавания, на которой работает QuillHub, в группе языков с самой высокой точностью. Лучше всего распознаётся чистая речь с хорошего микрофона, хуже — шум, эхо, одновременная речь и редкие фамилии. Неразборчивое место легко найти и переслушать по таймкоду.

Да. SRT и VTT готовы у каждой расшифровки с речью, их скачивают кнопкой «Экспорт» в окне записи. Кроме субтитров доступны DOCX для Word и TXT, а в DOCX и TXT попадает ещё и конспект.

Не при распознавании, а после него: текст получается на языке записи, а кнопка «Перевести» в окне записи делает перевод. Его можно скачать в DOCX, TXT или субтитрами SRT. Whisper умеет переводить только на английский, а модель turbo не переводит совсем.

Да. API-ключ создаётся в настройках аккаунта, по API отправляется файл или ссылка, в ответ приходят текст, реплики спикеров, главы и ссылки на субтитры. Минуты тратятся те же, что на сайте. Для ИИ-агентов вроде Claude есть MCP-сервер.

Да. Отправьте голосовое, аудио или видео боту @QuillAI_Bot. Это тот же сервис, что на сайте, а если привязать Telegram к аккаунту, то и тот же аккаунт: расшифровка появится и в веб-версии QuillHub.

Файлы и расшифровки шифруются при передаче и хранении, мы не используем их для обучения моделей ИИ и не передаём третьим лицам. Доступ есть только у вас и у тех, с кем вы поделились ссылкой. Если запись нельзя отправлять ни в какой облачный сервис, используйте Whisper на своём компьютере.

Данные

Что происходит с вашими записями

Через QuillHub проходят приёмы врачей, консультации юристов и сессии психологов. Поэтому про данные мы пишем прямо, а не мелким шрифтом в оферте.

Кто участвует в обработке данных

Шифрование — файлы и расшифровки шифруются при передаче и хранении, доступ только у вас и тех, кому вы дали ссылку.

Не учим модели — записи не используются для обучения моделей и не передаются третьим лицам.

Удаление по требованию — запись можно удалить в любой момент вместе с расшифровкой и производными материалами.

Прозрачные подрядчики — список сервисов, участвующих в обработке, опубликован отдельной страницей.

Попробуйте транскрибацию без установки Whisper

60 минут при регистрации, карта не нужна. Загрузите свою запись: через несколько минут текст со спикерами и конспектом будет готов.