Whisper — открытая модель OpenAI для транскрибации речи на 99 языках. Шаблон gpu.nz запускает веб-интерфейс и API: вы загружаете запись и получаете текст или субтитры SRT и VTT. Расшифровка идёт на видеокарте, поэтому час записи обычно обрабатывается за несколько минут.
Коротко
Whisper работает на видеокартах от 8 ГБ. Самая доступная подходящая сейчас — RTX 3060 12 ГБ от 7,20 ₽ в час, оплата по минутам.
Обновлено 13 октября 2026 г.
Для turbo и medium хватает 8 ГБ видеопамяти, а модель large-v3, которая точнее остальных, требует около 10 ГБ. Поэтому для large-v3 берите карту от 12 ГБ, например RTX 3060 12 ГБ. Для больших очередей записей быстрее справится RTX 4090 24 ГБ.
Цены и наличие берутся из живого каталога и обновляются автоматически.
| Модель | Видеопамять | Когда брать |
|---|---|---|
| tiny, base | около 1 ГБ | быстрая проверка звука, черновик |
| small | около 2 ГБ | быстрый черновик на слабой карте |
| medium | около 5 ГБ | хорошее качество на обычной речи |
| turbo | около 6 ГБ | быстрее large-v3 при небольшой разнице в точности |
| large-v3 | около 10 ГБ | максимальная точность: шумные записи, редкие языки, термины |
Значения памяти приведены по описанию моделей Whisper. Для обычной речи turbo часто даёт хороший баланс скорости и точности, а для важных записей берите large-v3.
SRT — распространённый формат субтитров: его понимают YouTube, монтажные программы и большинство плееров. VTT похож на SRT, но его читают браузеры и тег video. Так выглядит фрагмент SRT:
1
00:00:01,200 --> 00:00:04,800
Добро пожаловать на лекцию.
2
00:00:05,100 --> 00:00:09,300
Сегодня разберём, как устроены трансформеры.Если нужен только текст без таймкодов, скопируйте его из результата. Если записей много, забирайте результаты через API: отправьте файл и сохраните ответ.
Кнопка API на странице сервера открывает документацию в /docs: там описаны все методы и поля запроса. Вызывайте расшифровку из своего скрипта, а результаты сохраняйте на диск сервера или забирайте по SSH. Как подключиться, см. в гайде SSH-доступ к GPU-серверу.