Onko Whisper ilmainen?

Mitä Whisper oikeastaan on

Whisper on puheentunnistusmalli, jonka OpenAI julkaisi vuoden 2022 lopulla. Annat sille ääntä, se antaa sinulle tekstiä. Se on siinä hyvä — koulutettu valtavalla monikielisellä ääniaineistolla, joten se käsittelee aksentteja, taustamelua ja kymmeniä kieliä paremmin kuin se sanelujärjestelmä, jota useimmat meistä kiroilivat ennen. Se osaa myös kääntää muilla kielillä puhutun puheen englanninkieliseksi tekstiksi, mitä vanhat työkalut eivät koskaan hallinneet kunnolla.

Tärkeä sana on "malli". Whisper ei ole sovellus, jota kaksoisnapsautat. Se on aivot — tiedosto opituista painoista ja koodi niiden ajamiseen. Yksinään sillä ei ole ikkunaa, nappia eikä mikrofoniliityntää. Se on moottori, ei auto. Moni tuttu tuote on hiljaa vain Whisper pinnoitettuna, mikä on ihan fine, mutta on hyvä tietää, että pohjamoottori on sama ilmainen osa jokaisessa niistä.

Tästä erottelusta johtuu koko kysymyksen hämmentävyys. Kun joku sanoo "Whisper maksaa 30 dollaria kuukaudessa", hän ei tarkoita mallia — hän tarkoittaa sovellusta, joka on käärinyt mallin ja laskuttaa kuoresta. Kun joku sanoo "Whisper on ilmainen", hän tarkoittaa OpenAI:n luovuttamaa moottoria. Molemmat väitteet ovat totta samanaikaisesti, eri asioista — juuri siksi päädyit etsimään suoraa vastausta.

Kyllä, MIT-lisenssi tekee siitä aidosti ilmaisen

Kyse ei ole markkinointi-ilmaisesta, jossa "ilmainen" tarkoittaa päättyvää kokeilujaksoa tai tasoa, joka narisee korvaasi. OpenAI julkaisi Whisperin koodin ja mallipainot MIT-lisenssillä. MIT-lisenssi on salliva, hyvin tunnettu avoimen lähdekoodin lisenssi: se antaa sinun käyttää, kopioida, muokata ja levittää ohjelmistoa, myös kaupallisesti, käytännössä yhdellä ehdolla — pidä tekijänoikeusmerkintä mukana. Ei maksua, ei rojaltia, ei istumapaikkakustannusta, ei lupien pyytämistä.

Käytännössä siis: voit ladata Whisperin henkilökohtaiseen käyttöön, ajaa sitä yritystoiminnassa, rakentaa sen myymääsi tuotteeseen ja kääntää podcastin asiakkaalle — kaikki ilman OpenAI:lle maksamista. Mallipainot — koulutettu osa, jonka tuottaminen on kallista — ovat myös ilmaiset, eivät vain käärekoodit. Tähän ihmiset eivät ihan tahdo uskoa, koska yritykset yleensä pitävät koulutetut painot lukittuina. OpenAI ei tehnyt niin tässä.

Yksi rehellinen varaus, jottei kukaan lainaa minua väärin myöhemmin. "Ilmainen MIT:n alla" koskee lisenssiä, ei lupausta siitä, ettei käyttäminen maksa mitään. Sähkö ei ole ilmaista. Tietokone ei ole ilmainen. Aikasi ei ole ilmaista. Mutta ohjelmisto ja malli — osat, joista yritys tavallisesti periisi tilausmaksun — ne ovat aidosti, pysyvästi, tähdetöntä ilmaisia. (Se ilmaistyyppi, jossa luet lisenssin kahdesti, koska olet varma, että missasit jotain. Et missannut.)

Hankaluus on sen ajaminen itse

Tässä ilmaisversiolla on hintaetiketti, joka maksetaan ajassa eikä rahassa. Whisperin ajaminen raakamuodossa, avoimen lähdekoodin tapaan, tarkoittaa komentorivillä toimimista. Standardiasennus on Python-paketti, mikä tarkoittaa, että tarvitset ensin oikein asennetun Pythonin. Whisper tarvitsee myös ffmpegin, erillisen äänityökalun, asennettuna ja järjestelmäpolulle lisättynä. Joillakin koneilla tarvitaan vielä Rust, jotta tokenisaattorin riippuvuus saadaan rakennettua. Kehittäjälle mikään tästä ei ole vierasta. Muille se on iltapäivä.

Sitten on laitteisto. Whisper tekee oikeaa matematiikkaa, ja isommat, tarkemmat mallit tekevät sitä paljon. Tavallisella suorittimella iso malli voi kestää klipin transkriptoimisessa kauemmin kuin klipin kesto itse. Nopeuden saavuttamiseksi tarvitaan kunnon näytönohjain, jota useimmissa kannettavissa ei ole. Joten ilmaisversion todellinen hinta ei ole dollareissa — se on Python-ympäristö, jota ylläpidät, komento, jonka suoritat käsin jokaista tiedostoa varten, ja tarpeeksi nopea tietokone. (Olen seurannut ei-kehittäjää seuraamassa "5 minuutin Whisper-asennus" -blogipostausta. Se ei kestänyt viittä minuuttia. Se oli lauantai ja puhelu minulle.)

Ja vielä yksi asia, jota raakaversio ei tarjoa: reaaliaikainen sanelu. Komentorivin Whisper transkriboi jo nauhoittamasi tiedoston. Se ei istu taustalla, odota pikanäppäintä ja liitä tekstiä kursorisi kohtaan puhuessasi. Siihen — siihen, mitä useimmat oikeasti haluavat hakiessaan tätä — tarvitaan mallin ympärille kääre. Hyvä uutinen on, että paras kääre on myös ilmainen, mistä seuraava osio kertoo.

Ilmainen ja helppo tapa: aja Whisperia sovelluksessa

Voit pitää kaiken avoimen lähdekoodin mallin "ilmaisuuden" ja ohittaa koko "aja itse" -verotuksen. Juuri siksi rakensimme Whisper by Remskill -sovelluksen — se ajaa samaa avoimen lähdekoodin Whisper-mallia paikallisesti koneellasi ilman Pythonia, ffmpegiä tai komentoriviä. Koko paikallinen putkisto on ilmainen kaikille kirjautuneille käyttäjille, eikä maksutapaa kysytä rekisteröitymisvaiheessa. Saat avoimen lähdekoodin moottorin ilman avoimen lähdekoodin kotiläksyjä. Tässä ohjeet.

Hidas osuus on kertaluonteinen mallin lataus, ei mikään asennusrituaali. Sen jälkeen sama avoimen lähdekoodin malli, joka halusi Python-ympäristön ja komennon jokaiselle tiedostolle, istuu vain alustakonssa ja liittää tekstiä näppäintä painettaessa. Jos olet punninnut saneluvaihtoehtoja Windowsilla tai Macilla, tässä on versio, jossa Whisper tuntuu vihdoin sovellukselta eikä projektilta.

Paikallinen Whisper on ilmainen, pilvi on maksullinen osa

Tässä kohtaa "onko se ilmainen" -vastaukseen tarvitaan yksi selkeä raja. Whisperin ajaminen paikallisesti on ilmaista — sinun koneesi, sinun suorittimesi, ei palvelinta, ei minuuttilaskutusta. Maksullinen osa on pilvi: OpenAI:n isännöity transkriptio-API laskuttaa minuuteittain, ja mikä tahansa sovelluksen pilvipalvelutaso siirtää sen sinulle. Sovelluksessamme koko paikallinen putkisto on ilmainen; Cloud-pinta on ainoa asia Whisper Pron takana. Näin kolme reittiä todella eroavat toisistaan, koska sinulla on valinnanvapaus:

• Paikallinen Parakeet — ilmainen — NVIDIA:n TDT-moottori, noin 600 Mt, ja nopein paikallinen vaihtoehto — 5–10 kertaa nopeampi kuin Whisper suorittimella. Kattaa englannin ja 24 muuta eurooppalaista kieltä, 25 yhteensä. Ei käännöstä englanniksi. Jos puhut pääasiassa englantia ja haluat nopeutta kohtuullisella laitteistolla, tämä on nopea, täysin offline-toimiva, ilmainen valinta.
• Paikallinen Whisper — ilmainen — todellinen avoimen lähdekoodin Whisper-malli, joka toimii koneellasi ilmaiseksi. Monikieliset versiot kattavat 99 kieltä ja voivat kääntää englanniksi; vain englantia tukevat versiot ovat englantiin rajattuja. Hitaampi kuin Parakeet samalla laitteistolla, mutta oikea valinta kiinaksi, japaniksi, koreaksi tai mihin tahansa käännöstyöhön. Oletusenglantilainen malli on noin 480 Mt.
• Pilvi (OpenAI, BYOK) — maksullinen minuuteittain — paras tarkkuus ja reaaliaikainen verkkopääsy, käyttäen omaa OpenAI-avaintasi, jonka OpenAI laskuttaa suoraan — transkriptio toimii oletuksena gpt-4o-mini-transcribe-mallilla. Tämä on se osa, joka maksaa, OpenAI laskuttaa minuuteittain, ei me. Tarvitsee internet-yhteyden. Cloud-pinta on ainoa asia Whisper Pron sisällä.

Tylsä totuus on, että useimmassa arjen sanelussa paikallinen Whisper tai Parakeet riittää, ja se on ilmainen reitti koko matkan. Molemmat toimivat täysin koneellasi ilman palvelimelle lähetettävää dataa. Pilvi ansaitsee minuuttikustannuksensa vain, kun haluat huippuluokan tarkkuutta vaikean nauhoituksen kanssa tai tarvitset mallin hakemaan faktan verkosta kesken lauseen. Jos kysymyksesi oli tiukasti "onko Whisper ilmainen", tärkein vastaus on: paikallinen reitti on, aloita sieltä.

Mallit, tarkkuus ja raakatekstin siistiminen

Ilmainen malli ei ole yksi malli — se on perhe, ja valitsemasi malli on todellinen tarkkuusvipuasi. Pienemmät mallit ovat nopeita ja kevyitä; suuri monikielinen malli on tarkin ja raskain. Avoimen lähdekoodin komentoriviversiossa valitset mallikoon ja elät nopeuden kanssa. Sovelluksessa valitset listalta, ja malli latautuu kerran. Suurempi pointti: tarkkuus tulee mallista ja mikrofonistasi paljon enemmän kuin mistään mitä maksat. 20 dollarin USB-mikrofoni tekee enemmän transkriptioillesi kuin mikään päivitys.

Malli valinnasta riippumatta raaka sanelu tulee ulos pilkottomana virtana. Sanot "okei joten malli on ilmainen MIT:n alla mutta itsekseen ajaminen tarvitsee pythonin ja ffmpegin", ja se on välimerkkitön seinä, jonka mikä tahansa puheentuottamismoottori sinulle tarjoaa. Sen siistiminen on oma vaiheensa. Whisper by Remskill voi ajaa tekoälykierroksen transkription yli: sano aktivointilause "Hey whisper" ja teksti parannetaan ennen kuin se laskeutuu paikalleen — täytesanat poistetaan, välimerkit korjataan. Paikallisella mallilla se toimii Ollaman kautta ilmaiseksi; pilvitilassa oletuksena on gpt-5-mini.

Tarkkuuskysymyksessä on siis kaksi ilmaista vipua ja yksi maksullinen. Ilmaiset vivut: valitse laitteistoosi sopiva malli ja syötä sille puhdasta ääntä edes kohtuulliselta mikrofonilta. Maksullinen vipu: pilvitranskriptio, joka ostaa sinulle uusimmat isännöidyt mallit silloin, kun paikallinen laatu jää vajaaksi. Valtaosassa sanelua ilmaiset vivut ovat ne, joilla on merkitystä. Kukaan, joka lupaa "täydellisiä transkriptioita, nolla vaivaa", ei ole rehellinen — malli on ilmainen, mutta laadukas syöte tekee silti suurimman työn.

Sama puhu-sitten-siisti-kaava kannattaa kaikkialla, ei vain tässä — voit sanella puhdasta tekstiä mihin tahansa sovellukseen yhdellä pikanäppäimellä, joten pitkästä viestistä tulee muutama puhuttu lause kirjoitettavan kappaleen sijaan.

Milloin Whisperista maksaminen oikeasti kannattaa

Koska koko artikkeli on "se on ilmainen", olen sinulle velkaa rehellisen toisen puolen: on tilanteita, joissa maksaminen on oikea ratkaisu, ja muun väittäminen olisi myyntipuhe, ei vastaus. Jos ilmainen paikallinen reitti riittää sinulle, ota se ja sulje välilehti — useimmat ovat valmiita tässä. Mutta muutamat tilanteet aidosti ansaitsevat maksullisen tason.

Maksa pilvipalvelusta, kun tarkkuus vaikean nauhoituksen kanssa on tärkeämpää kuin rahasi — vahvasti aksentoitu haastattelu, meluisa kenttänauhoitus, juridinen transkriptio, jossa väärä sana maksaa. Isännöidyt OpenAI-mallit päihittävät paikalliset hankalissa kohdissa, ja maksat OpenAI:lle minuuteittain juuri siitä etulyöntiasemasta. Maksa myös, jos haluat avustajan hakevan reaaliaikaisen faktan verkosta kesken lauseen, mitä paikallinen malli ei yksinkertaisesti pysty tekemään offline-tilassa. Ja jos tarvitset ehdottomasti nolla-asennusta koneessa, jota et hallitse — lukittuna pidetyssä työkannettavassa, johon et voi asentaa Pythonia tai ladata mallia — isännöity palvelu saattaa olla ainoa auki oleva ovi. Muutoin ilmainen paikallinen reitti ei ole heikompi versio. Se on sama avoimen lähdekoodin malli, sama työ, ilmaiseksi.

Tartu maksulliseen, kun sisäänrakennettu ilmainen reitti alkaa sattua: huippuluokan tarkkuus vaikealla äänellä, reaaliaikaiset verkkohaut tai kone, johon et voi asentaa mitään paikallisesti. Sen rajan alapuolella ilmainen malli omalla laitteistollasi on oikea vastaus, enkä aio käskeä sinua maksamaan siitä, minkä OpenAI jo antoi ilmaiseksi. Ilmaisversio on olemassa, se toimii, ja se on sama moottori alla.

Ja jos haluat ilmaisen, paikallisen Whisperin tietosuojan vuoksi — jotta äänesi ei päädy kenenkään palvelimelle — perusteet täysin offline-toimivalle puheentunnistukselle kannattaa lukea seuraavaksi, koska juuri sitä mallin ajaminen omalla koneellasi ostaa sinulle.

Joten: onko Whisper ilmainen? Malli on, aidosti, MIT-lisensoitu ja sinun ajettavaksesi. Sen ilmainen käyttö tarkoittaa joko iltapäivää komentorivillä tai sovellusta, joka on tehnyt sen iltapäivän puolestasi. Maksullinen osa on aina vain pilvi — isännöinti, jota et arkipäiväisessä sanelussa välttämättä edes tarvitse. Kirjoitin suurimman osan tästä puhumalla tekstikenttään ilmaisen paikallisen mallin kuunnellessa, kannettavalla, joka ei ole kertaakaan pyytänyt luottokorttia lauseen transkriboimiseen. Se on koko vastaus, ja on harvinaista päästä antamaan sellainen.