Whisper na Maca

Narzędzia na Maca, które opakowują Whispera, i do czego każde z nich służy

Większość osób szukających "Whisper na Maca" nie chce dotykać pip. Chcą aplikacji. Jest kilka dobrych, i nie są one wymienne. Dzielą się na dwa obozy.

Whisper by Remskill, aplikacja, którą tworzę, należy do obozu drugiego. Dyktowanie przede wszystkim. Warto wiedzieć, w którym obozie jesteś, zanim cokolwiek pobierzesz.

Co Whisper by Remskill robi na Macu

Opiszę rzecz, którą zbudowałem, a potem możesz ocenić ją na tle reszty.

To aplikacja do dyktowania. Naciskasz skrót, mówisz, a tekst pojawia się przy kursorze w dowolnej aplikacji: Mail, Notatki, Slack, Twój edytor kodu, pole, w którym wpisujesz tegoroczną zgodę na wycieczkę szkolną. Domyślny skrót na Macu to wciśnięte razem Command i Option, w pełni przekonfigurowalny. Cała transkrypcja odbywa się na Twoim Macu. Żadnego pliku do przesłania, żadnego nagrania do ogarnięcia.

Nie uruchamiasz też Pythona. Żadnego pip, żadnego ffmpeg, żadnego terminala, żadnego GPU. Całość to czysty Rust. Silniki Whisper i Parakeet działają przez bibliotekę o nazwie transcribe-rs, bez dołączonego pythonowego sidecara. Lokalna transkrypcja działa na Twoim CPU, bez potrzeby dedykowanego GPU, a aplikacja zajmuje na dysku około 25 MB.

Co do samego modelu — wybierasz Ty. Lokalny Whisper daje Ci 8 modeli, 99 języków, tłumaczenie na angielski, własne słownictwo, kontrolę rozmiaru wiązki (beam-size) i wpływanie na rozpoznawanie słów kluczowych. Wolniejszy, ale daje najwięcej kontroli. Parakeet to silnik NVIDIA TDT, około 600 MB, działa od 5 do 10 razy szybciej niż Whisper na CPU, obejmuje angielski plus 24 inne języki europejskie, bez tłumaczenia na angielski. Tryb chmurowy to trzecia droga: korzystasz z własnego klucza OpenAI, a my nie pobieramy żadnej prowizji. Celowo nie wybieram za Ciebie. Rozkładamy różnice na czynniki pierwsze w Whisper kontra Parakeet, jeśli chcesz dłuższą wersję.

Lokalna dokładność zwykle mieści się między 95% a 99%. Cały lokalny mechanizm jest darmowy dla każdego zalogowanego użytkownika: Whisper, Parakeet, czyszczenie tekstu przez AI w trybie offline za pomocą Ollama, historia transkrypcji, ustawienia wstępne, słowa kluczowe, akceleracja sprzętowa, pobieranie modeli oraz własny skrót klawiszowy. Bez metody płatności przy rejestracji. Możesz z niej korzystać na maksymalnie 3 urządzeniach. Plan płatny, Whisper Pro, dodaje wyłącznie warstwę chmurową: transkrypcję chmurową OpenAI, czyszczenie tekstu przez AI w chmurze oraz wyszukiwanie w sieci. Ceny znajdziesz na stronie z cennikiem. Nie podaję tu kwot, bo strony z cennikiem się zmieniają i lepiej, żebyś przeczytał je prosto u źródła.

Jedno uczciwe ograniczenie: nasza wersja na Maca działa wyłącznie na Apple Silicon, od M1 do M4. Jeśli masz Maca z procesorem Intela, ta aplikacja nie jest dla Ciebie — i za chwilę powiem, co nią jest.

Tak właśnie wygląda Twoje pierwsze dyktowanie. Naciskasz skrót, pojawia się mały wskaźnik nagrywania, mówisz, zwalniasz, a oczyszczony tekst wskakuje tam, gdzie stał Twój kursor. Nakładka poniżej to prawdziwa rzecz, którą pokazuje aplikacja, a nie makieta.

Konfiguracja jest krótka. Pobierz aplikację, zaloguj się, pozwól jej ściągnąć jeden model. Parakeet jest najmniejszy, około 600 MB, albo wybierz model Whisper, jeśli zależy Ci na językach lub tłumaczeniu. Wybierz swój skrót albo zostaw Command i Option. Potem otwórz Mail, przytrzymaj skrót i powiedz zdanie. To całe wdrożenie. Moja młodsza córka zrobiła to bez zadawania mi ani jednego dodatkowego pytania, a to jedyny test użyteczności, któremu w pełni ufam. Jeśli chcesz dłuższy, przeprowadzony krok po kroku przewodnik ze zrzutami ekranu i wszystkimi trzema ścieżkami modeli, napisałem dedykowany poradnik: zamiana głosu na tekst na Macu.

Dlaczego trzymam to lokalnie na Macu

Oto moja jedna mocna opinia do tego artykułu: dyktowanie wyłącznie w chmurze to katastrofa dla prywatności.

Arkusz z pensjami Twojego szefa, mail do szkoły Twojego dziecka, pismo procesowe, które piszesz w pociągu. Nic z tego nie powinno przechodzić przez serwery dostawcy tylko dlatego, że chciałeś pisać głosem. Twój Mac ma już mikrofon i procesor. Dla jednego akapitu dyktowania nie potrzebuje serwera w obiegu. Przy silnikach lokalnych dźwięk nigdy nie opuszcza Twojego komputera. To domyślne ustawienie, po które bym sięgnął, i jest darmowe.

Tryb chmurowy istnieje na chwile, gdy naprawdę chcesz najnowszych modeli OpenAI albo odpowiedzi z sieci, na własnym kluczu. To wyjście awaryjne, a nie drzwi frontowe.

Kiedy MacWhisper, VoiceInk albo wiersz poleceń to lepszy wybór

Byłbym kiepskim przewodnikiem, gdybym udawał, że jedna aplikacja wygrywa w każdym przypadku. Nie wygrywa. Oto, gdzie odesłałbym Cię gdzie indziej.

Jeśli masz zapamiętać tylko jedną rzecz

Model jest darmowy i otwarty. Decyzją, która ma znaczenie, jest to, co wokół niego opakujesz: terminal, graficzne narzędzie do transkrypcji plików albo skrót, który wpisuje Twoją mowę na żywo wszędzie tam, gdzie patrzysz. Dopasuj opakowanie do zadania, a na Macu zignoruj Pythona, chyba że naprawdę go lubisz. Są trzy rodzaje ludzi, którzy szukają Whispera na Macu: ci z folderem nagrań, ci, którzy nigdy więcej nie chcą pisać, i ci, którym po prostu spodobała się nazwa. Dwoje z nich jest w niewłaściwym obozie — dopóki nie doczytają do tego miejsca.

Większość tego artykułu podyktowałem zamiast wpisywać, co wydawało się odpowiednie. W jedynym akapicie, który napisałem ręcznie, było więcej literówek.