Навык Whisper для Claude: 3 шага к расшифровке речи в 2026 году

Что такое Whisper и почему за него не берут денег

Whisper это программа распознавания речи, которую OpenAI выложила открыто. Её официальная страница называет её так: «Whisper is a general-purpose speech recognition model», то есть модель распознавания речи общего назначения

Вторая строка оттуда же закрывает вопрос про деньги:

«Whisper's code and model weights are released under the MIT License» - строка с официальной страницы Whisper, снята 30.08.2026. По-русски: и сама программа, и обученная модель отданы под свободной лицензией

Скачал, запустил у себя, никому ничего не должен

Насколько это ходовая вещь, видно по счётчику скачиваний: 4 593 248 за последний месяц у одной только большой версии. Там же стоит метка «99 languages», русский среди них

Что это тебе даёт: расшифровка перестаёт быть услугой, за которую платят помесячно. Она становится обычной программой на твоём компьютере, как просмотрщик картинок

Чем это отличается от привычных сервисов расшифровки

Разница в том, где живёт твоя запись. У сервиса ты загружаешь файл к нему и ждёшь. У себя ты запускаешь программу, и запись никуда не уезжает

Что это тебе даёт: если у тебя годовой архив голосовых, разговор про минуты вообще закрывается. Ты не считаешь их и не думаешь, влезешь ли в тариф этого месяца

Три шага, из которых состоит вся затея

Первый: поставить программу расшифровки. Второй: проверить её на одной своей записи. Третий: описать порядок работы в файле навыка, чтобы дальше просить помощника обычными словами

Первые два шага делаются один раз в жизни. Третий занимает пять минут и превращает разовую возню в привычку

Шаг 0: что должно стоять на компьютере до первой команды

Всё, что дальше, ты набираешь в окне для команд. Это место на экране, куда впечатывают строку текстом и получают ответ: похоже на поле переписки, только отвечает сам компьютер, а не человек. На Маке оно уже стоит, отдельно ставить нечего. Если ты его ни разу не открывал, загляни сначала в короткий разбор про то, что это за окно и когда оно вообще нужно, и возвращайся сюда с открытым окном под рукой

Whisper написан на языке Python, поэтому Python должен быть на машине. На свежих Маках он обычно есть, на старых бывает не тот. Две строки ниже отвечают на этот вопрос сразу: скопируй каждую в окно для команд и нажми Enter

Что увидишь: у меня 30.08.2026 первая строка вернула Python 3.14.6, вторая pip 26.1.2. Официальная страница Whisper про запас совместимости говорит так: «compatible with Python 3.8-3.11». По-русски: на версиях с 3.8 по 3.11 всё проверено авторами, на более новых возможны сюрпризы, и у меня на 3.14 всё прошло без них

Если Python не нашёлся, скачай его с официального сайта https://www.python.org/downloads/: кнопка скачивания там одна, дальше обычная установка. После неё закрой окно для команд и открой заново, иначе оно не увидит новую программу

Что это тебе даёт: две строки заранее вместо долгих разбирательств посреди установки. Дальше ни один шаг не упрётся в то, чего на машине нет

Шаг 1: поставить программу расшифровки

Куда нажать: щёлкни внутрь окна для команд, скопируй туда строку ниже и нажми Enter

pip3 install -U openai-whisper

Что увидишь: побегут строчки про скачивание, и через минуту-другую снова появится пустая строка, куда можно печатать. Это и есть готово

Теперь про тройку в первом слове. Официальная страница даёт команду коротко, pip install -U openai-whisper, но у меня короткое имя не работает вовсе: pip --version отвечает дословно command not found: pip, а pip3 --version отдаёт номер версии. Поэтому в статье стоит вариант с тройкой: он проходит и на машинах, где работает короткое имя, и на тех, где нет

Если установка оборвалась и среди строчек мелькнуло No module named 'setuptools_rust', лечение названо на официальной странице прямо: поставить недостающую часть строкой pip3 install setuptools-rust и повторить установку. Причина там же: для одной внутренней библиотеки не нашлось готовой сборки под твою систему

Дальше нужна вторая программа, которая умеет читать разные форматы звука. Официальная страница Whisper говорит про неё прямо: «It also requires the command-line tool ffmpeg to be installed on your system». Ставится она так же, одной строкой

Строка ниже работает через Homebrew, бесплатный склад программ для Мака. Официальная страница Whisper даёт на него прямой адрес https://brew.sh/: если склада на машине ещё нет, сначала ставится он, инструкция лежит на его главной

brew install ffmpeg

Что увидишь: тот же поток строчек про скачивание и снова приглашение вводить команду

Что это тебе даёт: теперь компьютер умеет открывать голосовые из мессенджеров, записи с диктофона и звук из видео. Без этой второй программы Whisper упрётся в формат файла и ничего не сделает

На Windows порядок тот же, только вторая строка выглядит иначе: официальная страница называет для неё варианты choco install ffmpeg и scoop install ffmpeg. Если с Windows и окном для команд ты раньше дела не имел, открой рядом установку Claude Code на Windows: там те же шаги показаны подробнее

Шаг 2: проверить на одной своей записи

Возьми любую короткую запись. Голосовое из мессенджера, кусок созвона, надиктовку на телефон

Куда нажать: положи файл записи в отдельную папку, открой эту папку в том же окне для команд и введи строку ниже, подставив своё имя файла

whisper golosovoe.m4a --model turbo --language Russian --output_format txt

Что увидишь: строчки вида [00:00.000 --> 00:04.360] и текст рядом с каждой. Так программа показывает, что расслышала и на какой секунде. Когда она дойдёт до конца, рядом с записью появится текстовый файл с тем же именем

Что это тебе даёт: у тебя на руках готовый текст записи и понимание, что вся конструкция работает. Дальше можно спокойно скармливать ей часовые файлы

Разберу слова из команды, чтобы они не выглядели заклинанием. --model turbo это выбор версии: turbo самая быстрая из больших. --language Russian подсказывает язык, иначе программа тратит время на угадывание. --output_format txt просит положить рядом простой текстовый файл, без разметки времени

Что это тебе даёт: первые две строки это время работы на записи в 50 секунд и на записи в 10 минут. Третья строка это те же 50 секунд записи, но через официальную программу вместо ускоренной сборки, и там уже 14.64 секунды вместо двух. Последняя строка объясняет разницу: официальная программа на этой машине считала обычным способом, без ускорения

Сколько это заняло у меня: два разных пути

Замерял я оба пути на одной и той же записи, чтобы разница была честной. Ускоренная сборка называется whisper.cpp, это та же модель, переписанная под работу на обычном домашнем компьютере

Теперь про два числа. Под кадром выше стоит 50.33 секунды, а в таблице 50.39: это две разные записи одного и того же текста. Замеры скорости я снимал на первой, а кадр расшифровки на второй, которую сделал позже. Поэтому длина и разошлась всего на шесть сотых секунды

Что это тебе даёт: час записи на ускоренной сборке выходит примерно за 1 минуту 45 секунд, на официальной примерно за 17 с половиной минут. Оба варианта дешевле любого сервиса, просто первый ещё и быстрый

Честная оговорка про длинную запись. Десятиминутный файл я собрал из одной и той же короткой записи, склеенной двенадцать раз подряд, поэтому текст в нём повторяется. На скорость работы это не влияет, а умолчать об этом было бы враньём

Страница ускоренной сборки обещает ещё один запас скорости: «This can result in significant speed-up - more than x3 faster compared with CPU-only execution». Речь про специальный режим для маковских процессоров. Сам я его не собирал, поэтому передаю как обещание страницы, а не как свой замер

Шаг 3: сделать навык, чтобы помощник запускал это сам

Навык Claude это способ один раз записать порядок работы и дальше не держать его в голове:

«Skills extend what Claude can do. Create a SKILL.md file with instructions, and Claude adds it to its toolkit» - дословная строка из описания навыков Claude, снята 30.08.2026. То есть навык это файл с инструкцией, который помощник добавляет к своему набору умений

Устроен навык проще, чем звучит. Это папка с одним файлом внутри. Имя папки становится командой, которую ты набираешь. Если тема навыков для тебя новая, рядом лежит отдельный разбор про скиллы и навыки Claude

Куда нажать: в том же окне для команд введи строку ниже, она заведёт папку будущего навыка

mkdir -p ~/.claude/skills/rasshifrovka

Что увидишь: ничего. Эта команда молчаливая, она просто создаёт папку и возвращает приглашение. Молчание тут значит успех

Дальше в этой папке нужно создать файл с именем SKILL.md и положить внутрь текст ниже. Папка эта служебная и в обычном просмотре файлов спрятана, поэтому проще не искать её глазами, а попросить самого помощника: он умеет создавать файлы по просьбе и положит текст куда надо

---
name: rasshifrovka
description: Расшифровывает аудиозаписи в текст через Whisper на этом компьютере. Использовать, когда просят расшифровать голосовое, запись встречи, надиктовку или звук из видео
allowed-tools: Bash
---

## Что делать

1. Найди в названной папке файлы записей: m4a, mp3, wav, ogg, mp4
2. Для каждой запусти расшифровку командой
   whisper "<файл>" --model turbo --language Russian --output_format txt
3. Дождись, пока рядом появится текстовый файл, и прочитай его
4. Верни короткий пересказ: о чём запись и какие дела в ней названы
5. Если файлов больше пяти, сначала скажи, сколько их и сколько это займёт

Что увидишь: после сохранения файла помощник подхватит навык сам. В описании навыков это сказано прямо: «Claude Code picks up the change within the current session, without a restart», то есть перезапускать ничего не надо

Что это тебе даёт: с этого момента вместо длинной команды ты пишешь помощнику обычную просьбу. «Расшифруй записи из папки Голосовые» работает так же, как набранная вручную строка, только помнить её больше не нужно

Строка description в этом файле не украшение. Именно по ней помощник решает, подходит ли навык к твоей просьбе. Официальная страница говорит: «All fields are optional. Only description is recommended so Claude knows when to use the skill». Чем понятнее там описано, когда навык нужен, тем реже придётся звать его вручную

Ещё одна мелочь, которая экономит время: файл навыка живёт в личной папке, и она общая для всех твоих проектов. Описание адреса дословно такое: ~/.claude/skills/<skill-name>/SKILL.md, а в графе «где работает» стоит «All your projects». Про то, как ещё настраивают поведение помощника, есть разбор файла CLAUDE.md

Какую версию выбрать: шесть размеров

На официальной странице сказано: «There are six model sizes, four with English-only versions, offering speed and accuracy tradeoffs». По-русски: версий шесть, и они меняют скорость на точность

Что это тебе даёт: для русской речи бери turbo, это оптимизированная версия самой большой. Страница описывает её так: «an optimized version of large-v3 that offers faster transcription speed with a minimal degradation in accuracy». Маленькие версии берут, только когда компьютер совсем слабый: на русском они начинают врать заметно

Одна ловушка у turbo есть, и страница называет её прямо: «the turbo model is not trained for translation tasks». Перевести чужую речь на другой язык она не сможет, для этого берут medium или large. Если задача именно в переводе, посмотри соседний разбор про перевод видео нейросетью

Место на диске тоже стоит прикинуть заранее. Страница ускоренной сборки даёт такие числа: самая маленькая версия занимает 75 MiB, средняя 1.5 GiB, самая большая 2.9 GiB

Во что обошлось бы то же самое платно

Чтобы понять размер экономии, я снял цены двух разных мест. Первое считает поминутно, второе продаёт подписку

Ограничения подписки тоже стоит прочитать до оплаты. У бесплатного варианта Otter стоит «300 monthly transcription minutes» и «3 lifetime audio/video file imports», то есть триста минут в месяц и всего три загрузки файлов за всё время существования аккаунта. У платного Pro лимит другой: «1200 in-app recording minutes», «10 monthly audio/video file imports» и «Up to 90 mins /meeting»

Что это тебе даёт: поминутная цена выглядит копеечной, пока записей мало. Разница вылезает на архиве. Двести часов старых голосовых по 0.36 доллара это 72 доллара и загрузка каждой записи чужому сервису, а у себя это ноль и один вечер работы компьютера

Что ломается чаще всего

Три поломки из семи компьютер называет своими словами, и слова эти на английском. Даю их дословно, чтобы ты нашёл свою строку простым сравнением или поиском по этой странице

Первые две строки я получил у себя специально 30.08.2026: убрал вторую программу из видимости и прогнал ту же команду шага 2, а короткое имя установщика попробовал как есть. По-русски они читаются так: «не нашёл ffmpeg» и «не знаю команды pip». Третью строку я не воспроизводил, её называет официальная страница Whisper как типичный отказ установки

Последняя строка таблицы встречается чаще всех, и у неё тоже есть официальное объяснение: «Claude Code reads the frontmatter only when the opening --- is the file's first line». Три дефиса обязаны стоять в самой первой строке файла, без пустой строки перед ними

Что это тебе даёт: пять поломок из семи чинятся одной правкой в одной строке. Разбирать устройство программы для этого не нужно

Что делать сегодня: порядок

• открыть окно для команд и двумя строками из шага 0 проверить, что Python на месте
• поставить обе программы двумя строками из шага 1
• взять одно короткое голосовое и прогнать его командой из шага 2
• открыть текстовый файл, который появился рядом, и посмотреть, устраивает ли качество
• завести папку навыка и положить в неё файл SKILL.md с текстом из шага 3
• попросить помощника расшифровать ту же запись, но уже словами, без команды
• если всё сошлось, скинуть в папку десяток старых голосовых и уйти пить чай

Что это тебе даёт: решаешь ты на своих записях и своим слухом, а не по чужому обзору. Полчаса времени, и дальше свои записи ты расшифровываешь бесплатно

Текст записи обычно нужен не сам по себе, а для следующего шага. Из него собирают план страниц сайта: этим занимается умение, которое называет тему следующей страницы. Из него же делают ролики, где картинка собирается кодом, а не мышкой: двенадцать умений Remotion. Длинную расшифровку иногда хочется разобрать второй моделью, и её ступени собраны в тексте про high и max у Kimi

С чем эта задача стыкуется на сайте

Что открыть до расшифровки и что после неё:

• Claude Code на бесплатных моделях - тот же помощник без платной подписки
• Скиллы - что такое навыки помощника целиком
• Навыки Claude - как они устроены изнутри
• Claude Code - сам помощник, который будет запускать навык
• Claude Code с нуля - если помощник ещё не стоит
• Установка Claude Code - пошаговая установка на Мак
• Claude Code на Windows - то же самое для Windows
• Файл CLAUDE.md - где помощник хранит правила работы
• Субтитры нейросетью - соседняя задача, текст поверх видео
• Озвучка - обратный путь, из текста в голос
• Голосовой ИИ - разговор с помощником голосом
• Конспект нейросетью - что делать с текстом после расшифровки
• Локальные нейросети - другие модели, работающие у тебя
• Ollama - как запускать их одной командой
• Монтаж видео в Claude - соседний разбор про звук и видео
• Перевод видео нейросетью - если нужен другой язык
• Бесплатные нейросети - что ещё работает без оплаты

Источники

Ниже то, чем я пользовался, пока собирал всё это у себя. Каждый адрес я открыл сам 30 августа 2026 года, цифры и английские строки взял прямо оттуда, а не из чужого пересказа. Сохранённые копии этих страниц и полные выводы моих прогонов лежат в рабочей папке статьи

• Официальная страница Whisper: свободная лицензия, шесть размеров модели, команды установки и запуска, оговорка про turbo и перевод - github.com, openai/whisper
• Карточка модели whisper-large-v3: число скачиваний за месяц 4 593 248, метка «99 languages» - huggingface.co, whisper-large-v3
• Ускоренная сборка whisper.cpp: работа на маковских процессорах, обещание ускорения больше чем втрое, вес версий на диске - github.com, whisper.cpp
• Готовая сборка whisper.cpp в каталоге программ: версия 1.9.2, лицензия MIT - formulae.brew.sh, whisper-cpp
• Цены поштучной расшифровки: 0.006 доллара за минуту у Whisper, 0.003 у младшей модели, 0.017 у живой расшифровки - platform.openai.com, цены
• Тарифы сервиса расшифровки встреч: бесплатный вариант на 300 минут в месяц и три загрузки за всё время, Pro за 16.99 доллара в месяц - otter.ai, цены
• Описание навыков Claude: устройство файла SKILL.md, адрес личной папки навыков, подхват без перезапуска, роль строки description - docs.claude.com, навыки

Памятка: расшифровка своих записей без оплаты

Восемь пунктов, которые держи под рукой на первой расшифровке

Частые вопросы