Autor: Denys MedvedievPorównanie
Lokalna vs chmurowa transkrypcja
Lokalna transkrypcja uruchamia model rozpoznawania mowy bezpośrednio na Twoim komputerze — audio nigdy nie opuszcza urządzenia, działa offline i nie kosztuje ani grosza za minutę. Transkrypcja w chmurze przesyła nagranie na serwer z najnowszymi modelami, co sprawdza się na słabszym sprzęcie i umożliwia wyszukiwanie w sieci na żywo, ale audio wychodzi z Twojego komputera i płacisz za użycie.
Ostatnia aktualizacja: czerwiec 2026
Lokalna transkrypcja trzyma audio na urządzeniu, działa offline i nie generuje kosztów za minutę po jednorazowym pobraniu modelu. Transkrypcja w chmurze uruchamia najnowszy model dostawcy i może przeszukiwać sieć, ale wymaga połączenia i jest rozliczana za użycie. Nasza aplikacja oferuje obie opcje za jednym przełącznikiem — zmieniasz tryb w zależności od potrzeby, zamiast raz na zawsze stawiać na jedną kartę.
Na tym polega cały kompromis — dwa krótkie akapity. Wszystko poniżej to szczegóły.
Mogę pisać o tym bez opowiadania się po żadnej stronie, bo nasza aplikacja oferuje obie. Lokalny silnik uruchamia osiem modeli Whisper plus Parakeet od NVIDIA — wszystko w czystym Rust na Twoim procesorze, bezpłatnie dla każdego zalogowanego użytkownika bez karty. Tryb chmurowy to transkrypcja OpenAI z własnym kluczem API, dostępna jako dodatek Pro. Ten sam skrót, ta sama nakładka, jeden przełącznik. Kiedy więc mówię, że dla większości ludzi lepsza jest opcja lokalna, to nie dlatego, że sprzedajemy tylko local. Tak mówią liczby.
Lokalna oznacza: model mieszka na Twoim dysku
Lokalna transkrypcja pobiera model mowy raz, a potem uruchamia go na Twoim procesorze. Żadnego przesyłania, żadnego serwera, żadnego pingowania podczas nagrywania. Odłącz kabel sieciowy — i tak będzie pisać.
Nasza aplikacja robi to w czystym Rust przez bibliotekę transcribe-rs, bez żadnego środowiska Python przykręconego na boku. Możesz wybrać spośród ośmiu modeli Whisper — od Base (~140 MB) przez Large v3 (~3 GB) — albo Parakeet od NVIDIA (~600 MB), który działa pięć do dziesięciu razy szybciej niż Whisper na CPU. GPU nie jest wymagane. Model ładuje się do RAM-u, wchodzi głos, wychodzi tekst — i nic w tym obiegu nie dotyka internetu.
Jedyną przeszkodą jest pobieranie. Model 3 GB to prawdziwe wyzwanie na hotelowym Wi-Fi, a laptop z 2018 roku poradzi sobie z małym modelem, ale ugnie się pod dużym. Po tym pierwszym pobraniu nie ma jednak kosztów za minutę ani żadnego serwera w grze. Jeśli chcesz poznać szczegóły, napisałem osobny artykuł o uruchamianiu offline. Zobacz transkrypcja offline na komputerze.
Chmurowa oznacza: Twoje audio wyrusza w podróż
Transkrypcja w chmurze nagrywa Twój głos, wysyła go na serwer dostawcy, a serwer odsyła tekst. Wynajmujesz czyjś sprzęt i ich najnowszy model.
W naszej aplikacji tryb chmurowy działa na zasadzie "przynieś własny klucz" — OpenAI. Transkrypcja działa na gpt-4o-mini-transcribe lub wyższej jakości gpt-4o-transcribe, a do tego możesz dołożyć czyszczenie tekstu przez AI i wyszukiwanie w sieci na żywo za pomocą tego samego klucza. Podajesz własny klucz OpenAI i płacisz bezpośrednio do OpenAI. My nie bierzemy prowizji i nie doliczamy marży. Nie ma żadnego dużego modelu do pobrania. Działa tak samo na pięcioletnim netbooku jak na nowej stacji roboczej, bo ciężka robota odbywa się na serwerze — a do tego może odpowiedzieć na pytanie, przeszukując sieć, czego lokalny model po prostu nie potrafi.
Koszt jest wpisany w samą nazwę. Twoje audio opuszcza komputer. Potrzebujesz aktywnego połączenia. I płacisz za minutę — ułamki grosza, ale to się sumuje i jest odmierzane.
Uczciwe zestawienie
Celowo nie ma tu żadnych kwot. Zajrzyj na naszą stronę z cenami, żeby zobaczyć konkretne liczby. Tu chodzi o ogólny charakter każdego wyboru.
| Co Cię interesuje | Transkrypcja lokalna | Transkrypcja w chmurze |
|---|---|---|
| Prywatność | Audio nigdy nie opuszcza Twojego komputera | Audio trafia na serwer dostawcy |
| Praca offline | Tak, po jednorazowym pobraniu modelu | Nie, wymaga aktywnego połączenia |
| Model kosztowy | Brak opłat za minutę po pobraniu | Rozliczane za użycie, płacisz za minutę |
| Szybkość zależy od | Twojego procesora i rozmiaru modelu | Sprzętu dostawcy i Twojego łącza |
| Aktualność modelu | Model, który pobrałeś — aktualizujesz kiedy chcesz | Zawsze najnowszy model dostawcy |
| Dostęp do sieci na żywo | Nie | Tak, chmura może przeszukiwać i odpowiadać |
Czytaj od góry do dołu — wzorzec jest czytelny. Lokalna zamienia wygodę na prywatność, tryb offline i stały koszt. Chmurowa zamienia prywatność i naliczanie opłat na najnowszy model i dostęp do sieci. Żadna nie jest lepsza. Są dobre do różnych zadań.
Kiedy chmura jest lepszym wyborem
Nie będę udawać, że lokalna wygrywa zawsze. Są sytuacje, w których sam sięgnąłbym po chmurę.
Jeśli Twój sprzęt jest stary albo cierpi na brak RAM-u, chmura jest łaskawszą opcją. Laptop z 2017 roku z 8 GB RAM-u będzie się szarpał z dużym modelem lokalnym, podczas gdy chmura wykona ciężką robotę gdzie indziej, a Twój komputer zajmie się tylko mikrofonem. Jeśli potrzebujesz absolutnie najlepszej jakości na trudnym audio — silne akcenty, nakładające się głosy, branżowy żargon — najnowsze hostowane modele mają tu pewną przewagę nad tym, co możesz uruchomić u siebie. A jeśli chcesz podyktować pytanie i dostać odpowiedź z sieci wklejoną prosto przy kursorze, bez chmury się nie obejdzie. Lokalny model nie ma internetu, po którym mógłby szukać.
Wspólny mianownik: chmura to wyjście awaryjne dla słabego sprzętu, maksymalnej jakości i dostępu do sieci na żywo.
Kiedy lokalna jest lepszym wyborem
Dla większości ludzi, przez większość czasu, od lokalnej bym zaczynał.
Jeśli słowa, które dyktujysz, są prywatne — arkusz z wynagrodzeniami, e-mail do szkoły dziecka, projekt pisma prawnego — nie powinny trafiać do logów dostawcy tylko dlatego, że chciałeś pisać głosem. Lokalna trzyma to audio na Twoim komputerze, kropka. Jeśli pracujesz w samolotach, pociągach albo kawiarniach z nieprzewidywalnym Wi-Fi, lokalna nie przejmuje się tym, czy masz zasięg. A jeśli dużo dyktujysz, stały koszt ma znaczenie.
Oto opinia, przy której naprawdę stoję: zacznij od lokalnej, a chmurę traktuj jako wyjście awaryjne, nie domyślną opcję. Jeśli Twój Mac to Apple Silicon albo Twój PC pochodzi z ostatnich czterech lat, lokalna poradzi sobie z codziennym dyktowaniem z dokładnością 95–99% bez żadnego serwera w grze. Sięgaj po chmurę dopiero gdy trafisz na ścianę — słaby sprzęt, wyjątkowo trudne audio albo potrzeba wyszukiwania w sieci. Większość ludzi tej ściany nigdy nie napotka.
Mam osobisty powód, żeby być nieufnym wobec chmury jako domyślnej opcji. Pewien zespół, z którym kiedyś pracowałem, zlecił podwykonawcy zbudowanie wewnętrznego prototypu dyktowania z AI w chmurze, który wywoływał API przy każdej wypowiedzi. Sprytna pętla ponawiania przepisała te same nagrania ze standupów cztery razy. Menedżer otworzył panel kosztów na koniec kwartału i znalazł rachunek z pięciocyfrową kwotą. Remedium podwykonawcy: zoptymalizować prompt. Remedium CFO: przestać płacić za transkrypcję spotkań, które i tak mają notatki. Odmierzana chmura jest w porządku — dopóki coś nie pójdzie w pętlę. Lokalna nie ma licznika, który mógłby uciec spod kontroli.
Oba tryby w jednej aplikacji
Podział opisany powyżej jest realny, ale to nie jest rozwidlenie drogi, przy którym raz na zawsze się zatrzymujesz. W naszej aplikacji oba tryby działają za tym samym skrótem i tą samą nakładką nagrywania, a przełącznik to jeden ruch. Rano podyktuj prywatny e-mail lokalnie, po południu przełącz się na chmurę, żeby sprawdzić fakty z wyszukiwarki, potem wróć. Nic nie reinstyalujesz. Nie stawiasz raz na zawsze na jedną kartę.
To właśnie tendencja do pomijania w dyskusji "lokalna vs chmurowa". To nie jest ideologiczna wojna. To dwa narzędzia w jednej szufladzie, a właściwe zależy od zdania, które zaraz powiesz. Jeśli chcesz porównać lokalne silniki ze sobą — szybkość kontra obsługa języków — to temat na osobny artykuł: Whisper vs Parakeet. A jeśli rozważasz nas w zestawieniu z konkretnym konkurentem, porównanie z superwhisper omawia jeden przykład szczegółowo.
Jeśli masz zapamiętać tylko jedno
Lokalna — dla prywatności, pracy offline i stałego kosztu. Chmurowa — dla najnowszego modelu, słabego sprzętu i dostępu do sieci. Zacznij od lokalnej i trzymaj chmurę jako wyjście awaryjne. Najlepsza część: nie musisz wybierać na zawsze — jeden przełącznik, oba tryby, ten który pasuje do zdania, które zaraz powiesz.
Wypróbuj oba tryby
Lokalne silniki są bezpłatne dla każdego zalogowanego użytkownika, a tryb chmurowy możesz dodać wtedy, gdy naprawdę go potrzebujesz. Pobierz aplikację, podyktuj jeden prywatny e-mail lokalnie, potem przełącz i sprawdź, co zmienia chmura.
Lokalna transkrypcja bezpłatnie na zawsze. Karta płatnicza nie jest potrzebna przy rejestracji.
