Whisper AI локално: инсталация стъпка по стъпка за безплатна транскрипция и субтитри (2026)

Ако редовно обработваш видео или аудио — обаждания, интервюта, YouTube клипове — и ти писна да плащаш за облачна транскрипция или да качваш чувствителни записи в чужд облак, Whisper AI на OpenAI може да работи изцяло локално на твоя компютър. Безплатно, без лимит на минути, без интернет връзка по време на самата транскрипция.

В това ръководство минаваме през реална инсталация стъпка по стъпка, сравняваме моделите на Whisper, показваме конкретни команди и малък скрипт за автоматизация на цяла папка с файлове — точно както бих го направил, ако трябва да обработя записи от поддръжка или видео анализ на работа.

• Защо локално, а не облачна услуга
• Изисквания
• Инсталация стъпка по стъпка
• Кой модел на Whisper да избереш
• Как да транскрибираш файл
• Автоматизация на цяла папка
• Чести грешки и решения
• Въпроси и отговори

Защо локално, а не облачна услуга

Облачните инструменти за субтитри (Vizard, Descript, различни онлайн генератори) са удобни, но имат три общи ограничения: месечен лимит на минути, качване на файла към чужд сървър и абонамент. Локалният Whisper няма нито едно от трите:

• Поверителност — записът никога не напуска компютъра ти. Важно, ако транскрибираш обаждания на клиенти или вътрешни срещи.
• Без лимит — можеш да пуснеш 10 часа видео наведнъж, ако имаш търпение (или добра видеокарта).
• Безплатно завинаги — моделът е с отворен код, плащаш само електричество.
• Работи офлайн — веднъж изтеглен моделът, интернет не е нужен.

Изисквания

Без GPU Whisper работи на процесора — по-бавно, но перфектно използваемо за модели tiny/base/small.

Инсталация стъпка по стъпка (Windows)

1. Инсталирай Python от python.org — при инсталация отбележи Add python.exe to PATH.
2. Инсталирай FFmpeg. Най-лесно през Chocolatey:

   choco install ffmpeg

   Ако нямаш Chocolatey, свали статичен build от gyan.dev и добави папката bin в PATH ръчно.

3. Създай виртуална среда (препоръчително, за да не се сблъскат версии на библиотеки):

   python -m venv whisper-env
   whisper-envScriptsactivate

4. Инсталирай Whisper:

   pip install -U openai-whisper

5. (По желание) Инсталирай PyTorch с CUDA, ако имаш NVIDIA видеокарта — ускорява транскрипцията 5-10 пъти:

   pip install torch --index-url https://download.pytorch.org/whl/cu121

6. Провери инсталацията:

   whisper --help

   Ако видиш списък с параметри — готово.

На Linux/macOS стъпките са идентични, само активирането на виртуалната среда е source whisper-env/bin/activate, а FFmpeg се инсталира с sudo apt install ffmpeg или brew install ffmpeg.

Кой модел на Whisper да избереш

Whisper предлага пет основни размера. По-голям модел = по-точен резултат, но по-бавен и по-тежък за хардуера. За български език препоръчвам поне small, а идеално medium — по-малките модели грешат забележимо повече при кирилица.

Ако нямаш видеокарта, стартирай с small — medium на чист процесор може да отнеме няколко пъти повече от продължителността на самия запис.

Как да транскрибираш файл

Базова команда за файл на български, с експорт на субтитри:

whisper razgovor.mp3 --model medium --language Bulgarian --output_format srt

Полезни флагове:

За видео файл (.mp4, .mkv) командата е същата — Whisper извлича аудиото автоматично през FFmpeg.

Автоматизация на цяла папка

Ако обработваш повече от един файл наведнъж (например записи от support обаждания за седмицата), не е нужно да пускаш командата ръчно за всеки. Малък Python скрипт върши работа:

import os, subprocess

INPUT_DIR = "zapisi"
MODEL = "medium"

for filename in os.listdir(INPUT_DIR):
    if filename.lower().endswith((".mp3", ".wav", ".mp4", ".m4a")):
        path = os.path.join(INPUT_DIR, filename)
        subprocess.run([
            "whisper", path,
            "--model", MODEL,
            "--language", "Bulgarian",
            "--output_format", "srt",
            "--output_dir", "subtitri"
        ])
print("Готово — виж папка 'subtitri'.")

За по-голяма скорост на batch обработка си струва да пробваш faster-whisper — преработка на същите модели върху CTranslate2, до 4 пъти по-бърза при същата точност. За машини без видеокарта пък whisper.cpp е по-лек C++ вариант, оптимизиран за CPU.

Чести грешки и решения

Въпроси и отговори

Последна проверка на инструкциите: август 2026. Whisper се обновява периодично — при проблем с инсталацията провери официалния GitHub за текущите изисквания.