dokumentacja
Wybierz model mowy do swojego języka
Kreator wybiera rozsądny, a zmienić go można w każdej chwili w Języki i modele. Co ten wybór naprawdę rozstrzyga:
Zaktualizowano · Vitalii Yemets
Whisper Medium q5
Obejmuje wszystko i tłumaczy sam — na angielski porządnie, na pozostałe języki interfejsu eksperymentalnie. Około 1,5 GB.
wąski model pod twój język
GigaAM v3 zamienił 11-sekundowe zdanie w tekst w 0,47 s wobec 11,6 s u Whispera, przy jednej trzeciej pamięci.
strumieniowy Nemotron 3.5
Fragmenty tekstu pojawiają się na pasku kilka razy na sekundę, 40 języków.
Whisper Base albo Moonshine
Małe i szybkie; mniej dokładne przy długich zdaniach.
Katalog pokazuje, ile pamięci model zajmie naprawdę, w odniesieniu do tego, ile jest wolnej w tej chwili, i wprost mówi, czy potrafi tłumaczyć.
Co oferuje katalog
Modele pobiera się na żądanie, z repozytoriów poniżej, a każdy plik porównuje się z opublikowanym SHA-256 przed użyciem. Żaden nie jest dołączony do programu.
Domyślny wybór dla każdego języka i modele, na których stoi tłumaczenie: na angielski własnym zadaniem tłumaczenia, na pozostałe języki przez powiedzenie im, że mowa jest już w języku docelowym. Wersje kwantyzowane oznaczone są q5.
Model jednojęzyczny, który sam stawia znaki interpunkcyjne. Na zdaniu 11-sekundowym zajęło mu to 0,47 s wobec 11,6 s u Whisper Medium, przy 277 MB pamięci wobec 814 MB.
Poprzednie pokolenie tego samego modelu: ta sama szybkość, bez interpunkcji.
25 języków europejskich w jednym wąskim modelu, interpunkcję stawia sam.
Pisze w trakcie mówienia: fragmenty tekstu na pasku, 40 języków, z interpunkcją.
Angielski, niemiecki, hiszpański i francuski — i tłumaczy między nimi bez Whispera.
Około 30 języków, najcięższy i najdokładniejszy w katalogu.
Mały i szybki, na jeden język naraz i na skromny sprzęt.
Obróbka uruchamia dowolny model GGUF, który jej wskażesz; wyszukiwanie i pobieranie z Hugging Face jest w programie.
Który model do którego języka
Jedna krótka odpowiedź na każdy język: który model wybrać, co zyskujesz i co zrobić na słabej maszynie. Szczegóły każdego modelu są w katalogu powyżej.
Angielski
Angielski to język, na którym każdy model w katalogu był trenowany najwięcej, więc wybór sprowadza się do szybkości i tego, czego jeszcze potrzebujesz. Dla słów pojawiających się, gdy jeszcze mówisz, weź Nemotron 3.5: strumieniuje częściowy tekst na plakietkę i sam stawia interpunkcję. Dla najmniejszego opóźnienia po puszczeniu klawisza Parakeet TDT 0.6B v3 zamienia zdanie na tekst znacznie poniżej sekundy na procesorze i dodaje interpunkcję. Whisper Medium q5 to bezpieczny domyślny wybór, jeśli dyktujesz też w innych językach albo chcesz tłumaczenia, kosztem szybkości i około 1,5 GB pamięci. Na starym laptopie Whisper Base albo Small, albo Canary 180M utrzymują program lekkim; Canary tłumaczy też między angielskim, niemieckim, hiszpańskim i francuskim bez Whispera. Qwen3 ASR to najcięższa i najdokładniejsza opcja, gdy pamięć nie jest zmartwieniem.
Ukraiński
Dla ukraińskiego program zaleca Parakeet TDT 0.6B v3: wąski model dla 25 języków europejskich, który sam stawia interpunkcję i odpowiada w ułamku czasu, jakiego potrzebuje Whisper. Nemotron 3.5 dodaje tekst na żywo na plakietce podczas mówienia i wymienia ukraiński wśród swoich języków; jeśli fraza wychodzi źle, wróć do Parakeeta. Whisper Medium q5 pozostaje ogólnym wyborem, gdy chcesz też tłumaczenia na angielski albo inny język interfejsu, a program trzyma do tego w pogotowiu najlepszego zainstalowanego Whispera, nawet gdy język obsługuje Parakeet. Na słabej maszynie Moonshine Base uk to mały jednojęzyczny model działający na skromnym sprzęcie; pobiera się go ręcznie z jego wiersza w katalogu. Qwen3 ASR też obsługuje ukraiński i jest najdokładniejszy ze wszystkich, ale jest najcięższy w katalogu i potrzebuje komputera z zapasem.
Rosyjski
Rosyjski ma własny model: GigaAM v3 rozpoznaje tylko rosyjski, sam stawia interpunkcję i jest najszybszą rzeczą w katalogu. We własnym teście programu zamienił jedenastosekundową frazę na tekst w 0,47 sekundy wobec 11,6 sekundy dla Whisper Medium, w 277 MB pamięci zamiast 814. GigaAM v2 to poprzednia wersja, równie szybka, ale bez interpunkcji. Parakeet TDT 0.6B v3 obsługuje też rosyjski i jest dobrym drugim wyborem, jeśli przełączasz się między kilkoma językami europejskimi. Dla słów pojawiających się podczas mówienia Nemotron 3.5 strumieniuje tekst na żywo na plakietkę. Whisper Medium q5 pozostaje modelem do tłumaczenia: gdy rosyjski obsługuje GigaAM, program trzyma w pogotowiu najlepszego zainstalowanego Whispera, a plakietka proponuje przekazanie mu frazy. Qwen3 ASR jest cięższy i wolniejszy, ale najdokładniejszy, gdy pamięć pozwala.
Niemiecki
Dla niemieckiego zalecany model to Parakeet TDT 0.6B v3: obsługuje 25 języków europejskich, sam stawia interpunkcję i zamienia zdanie na tekst znacznie poniżej sekundy. Nemotron 3.5 pokazuje słowa na plakietce, gdy jeszcze mówisz, i obsługuje niemiecki wśród swoich 40 języków, więc wybierz go, jeśli tekst na żywo znaczy więcej niż ostatni ułamek dokładności. Canary 180M to mała opcja: angielski, niemiecki, hiszpański i francuski w modelu działającym na skromnym sprzęcie, a tłumaczy między tymi czterema językami bez Whispera. Whisper Medium q5 to ogólny wybór, gdy dyktujesz w wielu językach albo chcesz tłumaczenia na angielski; program trzyma w pogotowiu najlepszego zainstalowanego Whispera, nawet gdy niemiecki obsługuje Parakeet. Qwen3 ASR to najdokładniejszy model w katalogu i zarazem najcięższy, dla komputerów z zapasem pamięci.
Francuski
Dla francuskiego program zaleca Parakeet TDT 0.6B v3, wąski model dla 25 języków europejskich, który sam stawia interpunkcję i odpowiada w ułamku czasu, jakiego potrzebuje Whisper. Jeśli chcesz słów na plakietce, gdy jeszcze mówisz, weź Nemotron 3.5, który strumieniuje tekst na żywo i wymienia francuski wśród swoich 40 języków. Canary 180M to lekka opcja na starszy komputer: angielski, niemiecki, hiszpański i francuski w jednym małym modelu, z wbudowanym tłumaczeniem między tymi czterema, więc francuska fraza może wyjść po angielsku bez Whispera. Whisper Medium q5 pozostaje ogólnym wyborem dla wielu języków naraz i do tłumaczenia na pozostałe języki interfejsu; program trzyma w pogotowiu najlepszego zainstalowanego Whispera, nawet gdy francuski obsługuje Parakeet. Qwen3 ASR to najdokładniejszy i najcięższy model w katalogu, dla komputera z zapasem pamięci.
Hiszpański
Dla hiszpańskiego zalecany model to Parakeet TDT 0.6B v3: 25 języków europejskich w wąskim modelu, który sam stawia interpunkcję i zamienia zdanie na tekst znacznie poniżej sekundy na procesorze. Nemotron 3.5 pokazuje słowa na plakietce podczas mówienia i obsługuje hiszpański wśród swoich 40 języków; wybierz go, gdy tekst na żywo znaczy więcej niż ostatni ułamek dokładności. Canary 180M to mała opcja na starszy komputer: angielski, niemiecki, hiszpański i francuski w jednym modelu, z wbudowanym tłumaczeniem między tymi czterema, więc hiszpańska fraza może wyjść po angielsku bez Whispera. Whisper Medium q5 pozostaje ogólnym wyborem dla wielu języków i do tłumaczenia na pozostałe języki interfejsu; program trzyma w pogotowiu najlepszego zainstalowanego Whispera, nawet gdy hiszpański obsługuje Parakeet. Qwen3 ASR to najdokładniejszy model w katalogu i zarazem najcięższy.
Włoski
Dla włoskiego program zaleca Parakeet TDT 0.6B v3: 25 języków europejskich w wąskim modelu, który sam stawia interpunkcję i zamienia zdanie na tekst znacznie poniżej sekundy na procesorze. Nemotron 3.5 pokazuje słowa na plakietce podczas mówienia i obsługuje włoski wśród swoich 40 języków; wybierz go, gdy tekst na żywo znaczy więcej niż ostatni ułamek dokładności. Whisper Medium q5 to ogólny model dla wielu języków naraz i do tłumaczenia na angielski albo inny język interfejsu, a program trzyma w pogotowiu najlepszego zainstalowanego Whispera, nawet gdy włoski obsługuje Parakeet. Na słabej maszynie Whisper Small albo Base utrzymują program lekkim kosztem pewnej dokładności, a Canary 180M nie obsługuje włoskiego. Qwen3 ASR to najdokładniejszy model w katalogu i zarazem najcięższy, dla komputera z zapasem pamięci.
Polski
Dla polskiego zalecany model to Parakeet TDT 0.6B v3: wąski model dla 25 języków europejskich, który sam stawia interpunkcję i odpowiada w ułamku czasu, jakiego potrzebuje Whisper, co ma znaczenie dla języka z długimi słowami i bogatymi końcówkami. Nemotron 3.5 strumieniuje słowa na plakietkę, gdy jeszcze mówisz, i wymienia polski wśród swoich 40 języków; wróć do Parakeeta, jeśli fraza wychodzi źle. Whisper Medium q5 pozostaje ogólnym wyborem, gdy chcesz też tłumaczenia na angielski albo inny język interfejsu, a program trzyma w pogotowiu najlepszego zainstalowanego Whispera, nawet gdy polski obsługuje Parakeet. Na słabej maszynie Whisper Small albo Base utrzymują program lekkim kosztem pewnej dokładności. Qwen3 ASR też obsługuje polski i jest najdokładniejszym modelem w katalogu, ale też najcięższym.
Twoje własne modele
Katalog to nie płot. Wrzuć plik modelu Whisper (ggml-*.bin) albo folder modelu sherpa-onnx do folderu models obok programu, a pojawi się na liście pod własną nazwą, oznaczony jako znaleziony lokalnie. To samo z redaktorem: obróbka końcowa uruchamia dowolny plik GGUF, który wskażesz, a wyszukiwarka w programie pobiera go z Hugging Face.
Jak działa tłumaczenie
Whisper tłumaczy na angielski własnym zadaniem translate, a na pozostałe języki interfejsu, gdy powie mu się, że mowa jest już w języku docelowym. Canary sam tłumaczy między angielskim, niemieckim, hiszpańskim i francuskim. Wąskie modele tylko spisują: gdy jeden z nich obsługuje twój język, program trzyma w gotowości najlepszego zainstalowanego Whispera, a plakietka proponuje przekazać mu frazę.
Gdzie ustawia się model każdego języka i jak działają wiersze, opisano w przewodniku Języki i modele.
Dłuższa lektura o trzech rodzinach modeli, z rozmiarami i sekundami: Whisper, Parakeet czy Nemotron. I jedna strona o dyktowaniu w twoim języku: Dyktowanie po polsku w Windows, bez internetu.