Расшифровка интервью, лекций, созвонов и подкастов в текст с разделением по спикерам и временными метками. Whisper-large-v3 (в составе ChatGPT) — индустриальный стандарт по русскому, Gemini лидирует на длинных аудио (>1 часа) за счёт большого контекста и одновременной саммаризации.
Ниже — топ-2 аудио-моделей под эту задачу (лидер по нашему ранжированию — ChatGPT от OpenAI), с обоснованием выбора, ценами в рублях и доступностью из России. Все модели работают в AI-Kabinet на едином рублёвом балансе без VPN.
Ранжирование основано на бенчмарках, ценах в рублях, доступности из РФ и специализации каждой модели в этой нише.
Сильна в: чат и ассистенты, перевод, резюме документов. Универсальность
Сильна в: анализ длинных pdf, обработка видео, транскрипция аудио. Контекст 2 млн токенов
Параметры всех 2 моделей в одной таблице — цены ₽, контекст, доступ из РФ.
Другие задачи из той же категории — топы моделей под каждую.
Транскрипция выглядит простой задачей, но на деле это сложный инженерный процесс: фоновые шумы и эхо, наложение голосов, быстрый или невнятный говор, разные акценты и диалекты, специализированная терминология, требование пунктуации, разметки говорящих и меток времени, а также соответствие требованиям конфиденциальности и точности.
ChatGPT лидирует благодаря масштабной языковой модели и донастройкам на аудио: средний WER ≈8% против ≈12% у Gemini в тестах интервью, корректная расстановка пунктуации ≈94% vs ≈88%, точность диаризации ≈92% vs ≈85% и меньше ложных срабатываний на шум.
Бюджетные решения (локальные модели, дешёвые API) подходят для быстрых черновых расшифровок: низкая стоимость, но выше WER, слабая пунктуация и ограниченная диаризация. Премиум (платные режимы ChatGPT/Gemini) даёт точнее метки времени, лучшую адаптацию под домен, SLA и безопасность, но стоит дороже.
1) Подготовка аудио: шумоподавление, нормализация громкости и устранение эха заметно снижают WER. 2) Дробите длинные записи на фрагменты 1–3 мин с перекрытием 5–10 с — это улучшает диаризацию и стабильность распознавания. 3) Используйте пользовательский словарь, правила постобработки, автоматические замены и проверку терминов для повышения читаемости.
Другие материалы в AI-Kabinet на близкие темы — отдельные модели, тематические подборки и сравнения.