Руководство

Какая модель Whisper вам на самом деле нужна?

Tiny, Base, Small, Medium, Large. Больше — значит точнее и намного медленнее, а для многих записей разница меньше, чем внушает маркетинг.

25 August 2026

Любое приложение локальной транскрибации работает на той или иной версии Whisper от OpenAI, и большинство отдельно подчёркивает, какие размеры моделей поддерживает. Более крупные модели действительно точнее. Они же радикально медленнее и заметно больше на диске, а разрыв в точности зависит куда сильнее от вашей записи, чем от модели.

Вот как об этом думать, не хватая рефлекторно самое крупное из предложенного.

Размеры #

У Whisper пять основных размеров. Числа тут менее важны, чем форма кривой:

Модель	Параметров	Примерно на диске
Tiny	39 миллионов	~75 МБ
Base	74 миллиона	~140 МБ
Small	244 миллиона	~470 МБ
Medium	769 миллионов	~1,5 ГБ
Large	1,5 миллиарда	~3 ГБ

Каждый шаг вверх примерно втрое больше предыдущего и работает соответственно дольше. Переход от Small к Large — это примерно в шесть раз больше параметров; на длинной записи это разница между «сварить кофе» и «сходить на обед».

Кривая точности растёт далеко не так быстро. Она круто поднимается от Tiny до Small, а затем выполаживается.

Что на самом деле определяет вашу точность #

Именно это обычно теряется из виду. Качество вашей записи важнее размера модели.

Чистая запись — один говорящий, приличный микрофон, тихая комната, стандартное произношение — хорошо расшифруется на Small. Прогон того же файла через Large даст горстку исправленных слов, в основном имён собственных.

По-настоящему ломают транскрибацию вот что:

• Фоновый шум. Кафе, кондиционер, транспорт.
• Наложение речи. Двое говорящих одновременно — сложность для любой модели.
• Расстояние до микрофона. Звук, записанный через стол переговорной.
• Сильный или менее распространённый акцент, особенно на языке, которого модель видела меньше при обучении.
• Профессиональная лексика, имена и аббревиатуры. Необычную фамилию не исправит никакой размер модели.
• Языки, кроме английского. Обучающие данные Whisper сильно смещены в сторону английского, поэтому для других языков разрыв между размерами моделей заметно шире.

Если в вашем аудио сразу несколько пунктов из списка, более крупная модель стоит реальных денег. Если ни одного — вы платите за погрешность округления.

Практический способ выбрать #

Tiny — черновики и поиск. Хватит, чтобы найти нужный кусок в двухчасовой записи. Не хватит, чтобы публиковать.

Base — голосовые заметки, записки самому себе, чистое аудио с одним говорящим, где вы прочтёте результат и сами поймёте, что имели в виду.

Small — разумный выбор по умолчанию для большинства задач. Интервью на приличный микрофон, выпуски подкастов, записи лекций, аудио совещаний, где люди сидят близко к микрофону. Здесь кривая для чистой английской речи и выполаживается.

Medium и Large — трудное аудио, языки кроме английского или всё, что вы будете публиковать, не прочитав целиком. А также верный выбор, если ваше время дороже ожидания и перечитывание транскрипта обходится вам дороже дополнительной обработки.

Просто проверьте #

Честный ответ: по описанию ваших записей вам никто этого не скажет, потому что перечисленные факторы взаимодействуют.

Возьмите худший свой файл — шумный, с трудным акцентом, тот, про который вы и так знаете, что он проблемный, — и прогоните его через все доступные вам размеры моделей. Сравните транскрипты. Одна эта проверка скажет вам больше, чем любая таблица бенчмарков, потому что в ней задействованы ваш микрофон, ваше помещение и ваша тематика.

Если маленькая модель справляется с вашим самым трудным файлом, она справится и со всем остальным, — а вы только что сэкономили несколько гигабайт и массу ожидания.

Где в этом мы #

Скажем прямо: Offline Transcription поставляется с Tiny, Base и Small. Medium и Large в него не входят.

Это покрывает большую часть повседневной транскрибации — чистые интервью, подкасты, лекции, совещания, голосовые заметки — и оставляет приложение небольшим и быстрым, в том числе на iPhone. Если вы регулярно работаете с трудным аудио или с записями не на английском, где крупные модели действительно отрабатывают своё, приложение, которое их предлагает, подойдёт вам лучше, — и наше сравнение с MacWhisper говорит об этом прямо.

Приложение можно скачать бесплатно, так что описанная проверка не стоит вам ничего, кроме времени на неё.

Одна вещь, которая к размеру модели вообще не относится #

Какую бы модель вы ни выбрали, где она работает — отдельный вопрос. Whisper — открытая модель, и запускать её можно как на вашем компьютере, так и на чьём-то сервере. Облачный сервис транскрибации, вероятно, использует Large — и заодно хранит копию вашей записи.

Запуск Small локально и запуск Large в чужом дата-центре — не точки на одной шкале. Если запись конфиденциальна, это решение принимается первым, а размер модели — вторым. Как проверить это в любом случае, описано в нашем руководстве о том, действительно ли приложение работает офлайн.