9 нейросетей для транскрибации аудио и видео в текст

В Индексе знают сервисы, а расшифровку люди ищут словами задачи, без названий. В первой строке Яндекса по запросу «транскрибация» стоит сайт Speech2Text, а не Яндекс или Сбер.

Ниже места подборки в Индексе. Он показывает, насколько о сервисе говорят в рунете: запросы в поиске, упоминания, вакансии.

Whisper и GigaAM в Индексе нет, у открытых моделей нет сайта-продукта. TurboScribe тоже нет, это сайт-обёртка над Whisper.

Модель распознавания речи учится на тысячах часов записей с готовыми текстами. Потом она слушает новую запись и подбирает слова, которые на этом месте сказал бы человек: с пунктуацией, числами и именами.

Старые диктовки требовали говорить медленно и по словам. Новые модели разбирают быструю речь, шум и нескольких собеседников. Сервис расшифровки отдаёт сказанное слово в слово и ставит таймкоды, а чат может ещё и пересказать.

Почти везде немного минут дают бесплатно, дальше платят за минуты, часы или подписку. Открытые модели работают у вас на компьютере без счётчика.

Вот что уже умеют сервисы расшифровки:

расшифровывают запись в текст с пунктуацией и отдают txt, docx или субтитры srt.

делят текст на говорящих и ставят таймкоды к каждой реплике.

пересказывают встречу итогами с задачами по людям.

берут ссылку на ролик или приходят ботом на онлайн-встречу.

Цены и лимиты я собрал по страницам вендоров 17 октября 2026. Доступ зарубежных сервисов из РФ проверил сам: открываются ли сайты с серверов в Москве и Петербурге.

Скорость Whisper проверил на своих роликах. Точность беру из чужих замеров: Сбера, Mistral, OpenAI и четырёх независимых тестов на Хабре. Наборы записей у них разные, поэтому числа сравниваю только внутри одного замера. Доллары я пересчитал по курсу ЦБ на 17.10.2026, 83,62 ₽.

🌎 Доступность в России. Из РФ целиком работают три российских сервиса и две открытые модели, с оплатой в рублях или бесплатно. SpeechKit с 11 октября помечен недоступным, TurboScribe открывается без смены адреса. Gemini и ElevenLabs требуют зарубежный адрес и карту.

😃 Можно начать без оплаты. Бесплатно попробовать можно восемь сервисов из девяти, только у SpeechKit постоянного бесплатного лимита нет. Больше всего бесплатного из РФ дают GigaChat с записью до часа и mymeet.ai с тремя часами в месяц.

🎧 Шум и термины ломают всех. На чистой речи модели ошибаются в трёх-пяти словах из ста, на записях рабочих встреч без видеокарты Whisper путал каждое четвёртое слово, а GigaAM — каждое седьмое.

Одного победителя я не искал: у каждого сервиса своя роль. Задача — показать, что работает из России и во что обходится.

GigaChat — чат Сбера. Загружаете запись в окно чата, пишете «расшифруй дословно» и получаете текст с пунктуацией. Голосовое можно надиктовать прямо в чат.

По справке вендора модель слушает звук сама, без отдельной программы-расшифровщика. Поэтому в одном запросе можно получить и текст, и итоги встречи.

Один файл — до часа и до 30 МБ, длинную запись придётся резать. Таймкодов и субтитров чат не даёт.

В подборке Т—Ж за август 2026 про GigaChat сказано: делит на спикеров, но может сгаллюцинировать. Цифры и фамилии в протоколе я бы сверил с записью.

Из РФ работает, для входа нужен Сбер ID.

Карточка GigaChat

Whisper — открытая модель распознавания речи от OpenAI. Её ставят на свой компьютер программами MacWhisper на Mac, Buzz на Windows и Linux, whisper.cpp в терминале. Все три принимают файл и отдают текст и субтитры.

Свои ролики мы расшифровываем whisper.cpp с моделью large-v3-turbo. Ролик на двенадцать минут MacBook Pro разобрал за 53 секунды, при этом на машине работали ещё несколько программ.

Жаргон вроде «пул-реквесты» и имя Codex модель записала верно. Название нашего сайта она превратила в латиницу и не ставит букву «ё». Говорящих базовая модель не делит, это умеют Buzz и надстройка WhisperX.

Слабое место Whisper — шум и звонки. В замере Сбера на записях колл-центра он ошибался вдвое чаще GigaAM, а в октябрьском тесте на Хабре на рабочих встречах без видеокарты путал каждое четвёртое слово.

Та же модель продаётся в облаке OpenAI через API, рядом с новой gpt-transcribe. Но из РФ сайт OpenAI не открывается и карту РФ не берёт, поэтому к API нужны зарубежный адрес и карта .

GigaAM — открытая модель распознавания русской речи от Сбера. Программы для расшифровки файлов у неё нет: ставите через pip, пишете три строки на Python и получаете текст. Для диктовки GigaAM ставится в один клик в бесплатной программе Handy.

По замеру самого Сбера на чтении вслух из набора Common Voice модель в ноябре 2025 ошибалась в одном слове из ста, Whisper — в пяти. На звонках колл-центра GigaAM путала каждое десятое слово, Whisper — каждое четвёртое.

Независимый тест на Хабре вышел 17 октября 2026, в день этой подборки. Автор прогнал полтора часа живой речи на процессоре без видеокарты: на рабочих встречах GigaAM ошибалась в каждом седьмом слове, Whisper — в каждом четвёртом.

На русской речи с английскими терминами GigaAM проиграла и открытой Parakeet от NVIDIA, и Whisper. Егор Соколов в своём тесте на Хабре (август 2026) назвал её «SOTA для чистого русского, на миксе валится».

Базовый вызов GigaAM берёт кусок до 25 секунд. Длинный файл режут модулем pyannote, а ему нужен токен Hugging Face. Летом 2026 вышла многоязычная версия, число языков — в плашке.

Yandex SpeechKit — движок распознавания речи Яндекса. Без кода работает песочница Playground: загрузили файл, выбрали язык и число дикторов, получили текст.

Playground принимает MP3, WAV и OGG до 60 МБ, умеет нормализовать числа и доработать текст языковой моделью. Для входа нужны Yandex ID и платёжный аккаунт.

Платят за каждые 15 секунд записи. Обычная расшифровка обходится около 39 ₽ за час, отложенная, когда результат не нужен сразу, — около девяти рублей.

Стартового гранта новым аккаунтам больше нет: с 14.10.2026 справка Yandex Cloud советует сразу переходить на платную версию. На странице статуса облака SpeechKit с 11.10 помечен недоступным, проверьте её перед первой загрузкой.

В чужом тесте на Хабре в феврале 2026 SpeechKit стоял последним среди одиннадцати облаков по доле ошибок. Мерили по авторским субтитрам YouTube с описанием звуков, они завышают долю ошибок, поэтому смотреть там можно только порядок.

Карточка Yandex SpeechKit

Teamlogs — российский сайт расшифровки файлов от компании ТУДИЛАБ. Загружаете запись, получаете текст с таймкодами и говорящими, правите в браузере и скачиваете docx, xlsx или srt.

Языков 78. Сайт берёт файл до полутора гигабайт и до пяти часов.

Час записи сервис обрабатывает за три минуты, по словам Т—Ж. Для компаний есть версия на своих серверах.

В выдаче Яндекса реклама Teamlogs стояла по всем шести запросам нашей пробы 17 октября.

mymeet.ai — российский секретарь онлайн-встреч. Бот подключается к созвону, записывает его и через несколько минут присылает расшифровку, краткие итоги и список задач.

Бесплатный тариф даёт три часа в месяц без привязки карты и файл до гигабайта. Lite за 1 100 ₽ в месяц открывает пятьсот минут, при оплате за год месяц выходит в 790 ₽.

На тарифе Pro онлайн-встречи идут без счётчика, а файлы — до двух тысяч минут в месяц. В подборке Т—Ж об итогах созвонов mymeet.ai назван первым.

Карточка mymeet.ai

TurboScribe — сайт-обёртка над Whisper. По запросу «транскрибация аудио в текст бесплатно» он стоит первым в Яндексе, и бесплатного у него больше, чем у соседей по выдаче.

Без оплаты сайт берёт три файла в день, каждый до получаса, и ставит их в очередь с пониженным приоритетом. Безлимит стоит $20 в месяц или вдвое дешевле при оплате за год.

На платном тарифе файл может быть длиной до десяти часов, за раз загружается до полусотни файлов. Есть перевод расшифровки на другие языки.

Сайт открывался с серверов в Москве и Петербурге без смены адреса. Кто владелец сервиса и принимает ли касса российские карты, я не выяснил.

Gemini — ассистент Google. В чат можно загрузить запись и попросить расшифровать, но без подписки она не длиннее десяти минут.

Для длинных записей есть блокнот Gemini Notebook, бывший NotebookLM. Загруженное аудио он расшифровывает при импорте и дальше отвечает на вопросы по этому тексту со сносками.

Разработчикам API принимает до девяти с половиной часов аудио одним запросом. Отдельная модель расшифровки Google делит на говорящих, ставит таймкоды по словам и стоит около 15 ₽ за час.

Из РФ всё это требует двух шагов. Сначала поменяйте российский IP-адрес на иностранный: РФ нет в списке стран Google. Потом платите зарубежной картой, пути собраны на странице «Оплатить ИИ из РФ».

С середины августа 2026 часть россиян потеряла доступ к Gemini и с зарубежных адресов, у части он потом вернулся (kod.ru, по нашей карточке Gemini от 05.09.2026).

Карточка Gemini

ElevenLabs известен озвучкой, а Scribe — его модель расшифровки. Голос и расшифровку ElevenLabs списывает с одного счёта кредитов.

Бесплатного хватает на полчаса записей в месяц, и только для личных нужд. Через API час расшифровки стоит около 18 ₽, дешевле SpeechKit в обычном режиме.

На русском вендор ставит Scribe в высшую группу точности, но это его собственная заявка. В чужом замере Mistral потоковая версия Scribe на русском ошибалась чаще Whisper, а обычную версию там не мерили.

Из РФ нужны два шага. Россия стоит в списке стран, откуда ElevenLabs закрывает вход, поэтому сначала поменяйте российский IP-адрес на иностранный. Потом платите зарубежной картой.

Карточка ElevenLabs

В места брал сервисы, где частный человек получает дословный текст русской речи из файла или встречи и до которых из РФ можно добраться хотя бы через зарубежный адрес. Из похожих брал тот, у кого больше бесплатного, есть оплата в рублях, проще запуск или есть замер. Остальные — здесь, с причиной.

SaluteSpeech. С 15.07.2026 Сбер не продаёт пакеты физлицам и не продлевает бесплатный тариф. Бесплатная расшифровка Сбера осталась в GigaChat.

Otter. Русского нет в списке языков расшифровки, хотя чужие подборки его советуют.

Descript и Google Meet. Descript расшифровывает только языки с латиницей, Meet не называет русский среди языков расшифровки встреч.

ChatGPT. Кнопка записи встреч есть только на платных тарифах и только в приложении для Mac, а готовый файл в расшифровку сайт официально не принимает.

Telegram Premium и ВКонтакте. Расшифровывают только голосовые сообщения в переписке. Про них — в вопросах ниже.

Speech2Text. Лидер выдачи Google, российский сайт с оплатой в рублях. В подвале назван Whisper, три часа бесплатно даются один раз при регистрации, дальше тариф «Старт» 500 ₽ в месяц за шесть часов. Места не дал: внутри тот же Whisper, а бесплатное разовое, тогда как TurboScribe даёт три файла каждый день.

Any2Text и Transcripta. Соседи по выдаче с оплатой в рублях: у Any2Text четверть часа бесплатно без регистрации, у Transcripta четверть часа в месяц, движок ни один не называет. Any2Text берёт 3,5 ₽ за минуту разово, Transcripta — 590 ₽ в месяц за пятьсот минут.

Таймлист, Писец и Charla. Таймлист с сентября бесплатно расшифровывает записи до 45 минут, но кабинет физлица отдаёт только протокол совещаний по шаблону, а пакеты часов стоят около 450 ₽ за час, дороже mymeet.ai. Писец бесплатно берёт файлы до десяти минут и отдаёт текст в очереди до суток, Charla даёт пять дней пробы, у обоих бесплатного меньше, чем у GigaChat и mymeet.ai.

Notta, Sonix, Trint, Rev. Русский есть, но бесплатного почти нет: три минуты на запись у Notta, полчаса разово у Sonix. Trint и Rev рассчитаны на редакции и юристов, от $25 за место в месяц.

Deepgram, AssemblyAI, Speechmatics. API для разработчиков со стартовыми кредитами, из РФ сайты открываются. Мест не дал: без кода ими не воспользоваться, а точности на русском они не показывают.

T-one и Vosk. Открытые русские модели. T-one от Т-Банка заточена под телефонные звонки и не ставит пунктуацию, Vosk в замерах уступает GigaAM.

Parakeet и Voxtral. Открытые модели NVIDIA и Mistral с русским в списке, Parakeet в октябрьском тесте на Хабре была первой по всем записям вместе, её ставит бесплатная программа Vibe. Мест им не дал: ничего сверх взятых они не дают, Whisper проще поставить на любой системе, а GigaAM точнее на чистой русской речи.

Яндекс Телемост, SaluteJazz, Контур.Толк. Расшифровка встреч внутри корпоративных сервисов видеосвязи. В Телемосте конспект с полной расшифровкой приходит на почту только на тарифах Яндекс 360 для бизнеса, от 319 ₽ в месяц за сотрудника, личным аккаунтам он недоступен.

Автосубтитры YouTube. Текст чужого ролика штатно не скачать, только скопировать из панели, а из РФ сервис замедлен.

Карточки с полными фактами: GigaChat · Yandex SpeechKit · mymeet.ai · Gemini · ElevenLabs.

Озвучить текст обратно в голос — нейросети для озвучки. Как платить за зарубежные сервисы из РФ — «Оплатить ИИ из РФ».

Все инструменты для голоса — на карте ИИ-инструментов.

Наш курс «Агентная разработка»: как отдавать агенту проект целиком, от первой страницы до первого клиента.