Сравнение Whisper, Parakeet и GigaAM для локальной транскрибации русской и смешанной речи: шум, скорость, длинные записи и диаризация.
Собрано в Sveska из открытых обсуждений сообщества. Авторы сообщений не указываются.
Обновлено
Для шумных записей и нескольких наложенных голосов выбирают Whisper Large-v3; для более быстрой работы — Whisper Turbo. Для чистой речи одного человека и мгновенной расшифровки подходит Parakeet, а для русской и смешанной русско-английской речи в обсуждениях рекомендуют GigaAM v3 E2E-RNN-T.
Whisper Large-v3 рекомендуют для записей с шумом, дальним микрофоном, наложенными голосами и сильными акцентами. Модель также умеет переводить.
Whisper Turbo можно использовать, если важнее ускорить расшифровку.
Важно: Whisper может галлюцинировать на тишине и паузах.
Parakeet TDT 0.6B v3 подходит для чистой речи одного говорящего — в частности, для записи с петличного микрофона, когда нужна быстрая или мгновенная транскрибация.
По сравнению с Whisper Large-v3, Parakeet заметно меньше: 600 млн параметров против 1,5 млрд. На чистой речи модели сопоставимы по WER, но Parakeet работает заметно быстрее.
Для локального распознавания русской речи и записей примерно с 80% русского и 20% английского рекомендуют GigaAM v3 E2E-RNN-T. По описанному опыту, модель работает быстро, автоматически приводит предложения в порядок и хорошо справляется с такой смешанной речью.
В субъективных тестах на длинных русскоязычных записях продолжительностью около часа GigaAM показала лучший результат среди сравниваемых моделей, включая Parakeet. Также есть отзыв о заметном улучшении качества после перехода с Whisper на Giga, особенно в части диаризации.
Parakeet и Whisper не поддерживают диаризацию из коробки: для разделения спикеров нужен отдельный инструмент.
Важно: по одному отзыву, диаризация с одного микрофона часто работает плохо. Для более качественного разделения говорящих может понадобиться микрофонная решётка, но это было обозначено как предположение.
Статья собрана по сообщениям за сентябрь—октябрь 2026 года.