Все системы распознавания речи молча решают за вас один вопрос: записывать то, что человек сказал, или то, что он имел в виду. Решают неосознанно — как получилось в обучающих данных, и каждый раз по-разному. CrisperWhisper 2.0 впервые делает этот выбор явным переключателем.
Одна запись — две расшифровки. Дословная, со всеми «э-э», запинками, оборванными словами и смехом. И чистая, где числа, даты и почта уже приведены к человеческому виду.
Пословные тайминги с ошибкой границы слова 29,6 мс на читаной речи и 41 мс на разговорной — первое место в бенчмарке, обгоняет Grok, ElevenLabs Scribe v2, Deepgram и WhisperX (у последнего 64,8 мс).
Детекция запинок 87,8 F1 в среднем по десяти языкам. Для сравнения: ElevenLabs Scribe v2 — 79,2, Deepgram Nova-3 — 37,8, AssemblyAI Universal-3 Pro — 30,5, прошлая версия самого CrisperWhisper — 64,8.
Verbatimize — самая необычная функция. Даёте аудио и уже готовую чистую расшифровку, а модель вставляет в неё ровно те запинки, что реально звучат. Узнаваемость редких слов взлетает с 6,8% до 96,1% по сравнению с повторной расшифровкой с нуля.
Длинное аудио обрабатывается без швов: каждое окно продолжает уже расшифрованные слова, поэтому на стыках не пропадают и не задваиваются куски.
Подавление галлюцинаций встроено прямо в декодер и включено по умолчанию — это та самая беда Whisper, когда он зацикливается и сочиняет текст на тишине.
Плюс спекулятивное декодирование: маленькая модель предлагает токены, большая проверяет — тот же результат в 1,3–1,4 раза быстрее.
Требования и установка: Windows, Linux или macOS, ставится одной командой через pip. На NVIDIA работает через CTranslate2, но есть и обычный PyTorch — то есть запустится даже на голом процессоре. Четыре размера моделей: turbo, small, medium и large.
За несколько дней вокруг релиза уже собралась экосистема: нативная сборка на C++ и CUDA с консольным интерфейсом под Windows и Linux, порт под Apple MLX и связка с Pyannote для разделения записи по спикерам.
Про лицензию честно: код инференса под MIT, делайте что хотите. А вот веса моделей отданы под некоммерческую исследовательскую лицензию — для коммерческого применения нужно договариваться с Nyra Labs.
🌐 Онлайн-демо для теста в браузере: nyra-labs.com/crisperwhisper
