22 ноября воскресенье
(44 минуты назад), Редакция Рунет | 👁 242

Vibe расшифровывает аудио и видео в текст офлайн и бесплатно

Часовое интервью, лекцию или созвон можно перевести в текст без подписок на онлайн-сервисы. Для этого подойдёт Vibe — бесплатное приложение для macOS, Windows и Linux. Программа распознаёт речь нейросетями прямо на компьютере, поэтому записи никуда не уходят. Об этом сообщает «Код Дурова».

«У проекта больше 8 тысяч звёзд на GitHub, а свежая версия 3.3.8 вышла 21 ноября. Распространяется программа по лицензии MIT», — пишет «Код Дурова».

Vibe расшифровывает аудио и видео почти на любом языке, включая русский, и работает полностью офлайн: после загрузки модели интернет не нужен. Поддерживаются модели Whisper, Nemotron и Parakeet. Программа обрабатывает сразу несколько файлов, записывает и расшифровывает звук с микрофона и системный звук компьютера, а также берёт звук из роликов на YouTube, Vimeo и других площадках по ссылке. Vibe различает говорящих, что удобно для интервью и совещаний, сохраняет текст в TXT, DOCX, PDF, HTML и JSON, а субтитры — в SRT и VTT с таймкодами. Кроме того, программа переводит речь с любого языка на английский и использует видеокарты Nvidia, AMD, Intel и Apple для ускорения.

Для установки нужно открыть официальный сайт Vibe и скачать версию для своей системы, установить программу как обычное приложение и запустить её. При первом запуске Vibe предложит скачать модель распознавания — это единственный момент, когда понадобится интернет. Модель весит от нескольких сотен мегабайт до пары гигабайт, так что загрузка займёт время.

Чтобы расшифровать запись, нужно перетащить аудио- или видеофайл в окно программы или выбрать его через кнопку загрузки, а для ролика из интернета вставить ссылку на него. Затем следует указать язык записи: автоопределение тоже работает, но с явно выбранным русским ошибок обычно меньше. Если в записи несколько собеседников, включается разделение по говорящим в расширенных настройках. После нажатия кнопки расшифровки текст появляется на экране по ходу обработки, а когда работа закончится, можно выбрать формат и сохранить результат. Для монтажа удобнее SRT, для редактуры — DOCX или TXT.

Vibe умеет собирать краткое содержание расшифровки. Локально это делается через Ollama: нужно установить её, скачать подходящую модель и выбрать Ollama в настройках Vibe. Есть и вариант с Claude через API, но тогда текст уйдёт на серверы Anthropic, и смысл офлайн-работы пропадает.

Скорость зависит от мощности компьютера и выбранной модели. Крупные модели распознают точнее, но занимают больше места и работают медленнее, на слабом ноутбуке без видеокарты лучше начать с лёгкой. Готовый текст всё равно стоит перечитать: нейросеть ошибается в именах, терминах и на шумных записях, особенно когда люди говорят одновременно. Vibe пригодится журналистам, студентам, авторам видео и всем, кто регулярно работает с голосовыми записями и не хочет загружать личные разговоры или рабочие материалы на чужие серверы.

Подписывайтесь на наш Telegram-канал, чтобы быть в курсе всех новостей и событий Рунета.

Комментарии 0
Зарегистрируйтесь или , чтобы оставлять комментарии.
Читайте нас в удобном формате: