whisper-skill - Whisper: расшифровка и диктовка без API

Когда звать

• Когда нужна расшифровка урока, созвона, подкаста или ролика по ссылке, и не хочется платить за минуты облачному сервису.
• Когда нужны субтитры с подсветкой слова для Reels и Shorts или диктовка голосом в любое поле вместо клавиатуры.

Что делает

Whisper - открытая модель распознавания речи. Обычно за расшифровку платят облачному сервису поминутно. Этот скилл учит Claude Code и Codex поставить Whisper прямо на твой компьютер и работать с ним без интернета и без ключей: после первой загрузки модели расшифровка ничего не стоит.

Главное в скилле - он сам смотрит на железо. Скрипт-детектор определяет систему, процессор, видеокарту и память и подбирает, чем расшифровывать и какую модель брать. На Mac с чипом M1-M4 это mlx-whisper, на компьютере с видеокартой NVIDIA - faster-whisper, на процессорах Intel Core Ultra - openvino, на слабом ноутбуке без видеокарты - whisper.cpp. Агент не угадывает, а ставит то, что подходит именно тебе.

Скилл открытый, автор - Mobiss11. Автор ClaudeBase пользуется им в работе на Mac M1.

Что умеет

• Расшифровка файла - аудио или видео в текст и субтитры .srt, .vtt, .txt, с метками времени до слова.
• Папка целиком - пакетная расшифровка всех роликов в папке.
• По ссылке - ролик из YouTube, TikTok или Instagram скачивается через yt-dlp и сразу расшифровывается.
• Кто что сказал - разметка спикеров для подкастов, интервью и созвонов.
• Субтитры в ролик - вшивает субтитры прямо в MP4 с подсветкой текущего слова, как в CapCut. Есть готовые стили под TikTok, Shorts, Reels и нарезки подкастов.
• Диктовка голосом - держишь горячую клавишу, говоришь, текст вставляется в любое поле: в чат, в письмо, в окно агента.
• Мастер установки - wizard.py задаёт три вопроса и сам ставит всё нужное, от ffmpeg до модели, и проверяет, что работает.

Языков около сотни, русский в том числе. Для коротких роликов скилл советует быструю модель large-v3-turbo, для длинных записей и редких языков - более точную large-v3.

Когда звать

Скилл включается сам, когда задача про речь: «расшифруй», «сделай субтитры», «хочу диктовать голосом». Чтобы не переделывать, называй файл, язык и что нужно на выходе.

расшифруй видео

Расшифруй lesson.mp4 на русском, сохрани текст и субтитры .srt
рядом с файлом. Если Whisper ещё не стоит - сначала проверь моё железо
детектором из скилла и скажи, что будешь ставить.

Вшей субтитры в reel.mp4 в стиле reels, не больше трёх слов в строке.
Сначала сделай пробу на первые 15 секунд.

Что внутри

• SKILL.md - порядок работы: детектор, выбор движка и модели, готовые команды, типовые ошибки.
• scripts/detect_env.py - определяет железо и выдаёт рекомендацию с командами установки.
• wizard.py - мастер, который ставит всё одной командой.
• examples/ - рабочие скрипты: один файл, папка, ссылка, подкаст со спикерами, субтитры в видео, диктовка.
• backends/ - карточки пяти движков: faster-whisper, whisper.cpp, whisperx, mlx-whisper, openvino.
• docs/ - установка под Mac, Linux и Windows, диктовка, субтитры, разметка спикеров, ускорение, типовые грабли, сравнение с платными сервисами.
• models/README.md - какую модель брать под задачу и сколько ей нужно памяти.
• tools/ и launcher/ - ярлык и автозапуск диктовки для Windows.

Что нужно для работы

• Python 3 и ffmpeg. Детектор проверит, мастер поставит недостающее.
• Место на диске под модель: самая ходовая large-v3-turbo по таблице скилла занимает около 1,6 ГБ на диске, large-v3 - около 3 ГБ.
• yt-dlp - только для расшифровки по ссылке.
• Ключ Hugging Face - только для разметки спикеров. Бесплатный, задаётся переменной окружения HF_TOKEN. Взять на странице https://huggingface.co/settings/tokens (тип Read) и там же принять условия моделей pyannote/speaker-diarization-3.1 и pyannote/segmentation-3.0.
• Разрешения на Mac для диктовки - доступ к микрофону и «Универсальный доступ» для терминала, иначе горячая клавиша не сработает.

Больше никаких ключей не нужно. Ключ Anthropic понадобится, только если захочешь доочищать текст через Claude по примерам из документации скилла.

Как поставить

Команды взяты из README репозитория Mobiss11/Whisper-Skill на 28 сентября 2026 года.

Claude Code. Команда из README клонирует репозиторий в папку личных скиллов: git clone https://github.com/Mobiss11/Whisper-Skill.git ~/.claude/skills/whisper-skill. После этого перезапусти Claude Code и попроси: «помоги поставить локальный Whisper». Как проверить, что агент видит скилл, - в статье как установить скилл в Claude Code.

Codex. По документации Codex личные скиллы лежат в ~/.agents/skills, поэтому та же команда клонирует репозиторий туда. Отдельной инструкции для Codex в README нет. Подробнее - в статье Codex skills.

Копия от ClaudeBase. В полном доступе лежит наша копия скилла: в ней добавлен раздел про ключи и переменные окружения, исправлены ссылки на файлы, которых нет в оригинале. Её достаточно положить папкой в ~/.claude/skills/whisper-skill или ~/.agents/skills/whisper-skill.

Чего скилл не делает

• Не озвучивает текст и не клонирует голос - это другие инструменты.
• Не переводит на любой язык: сам Whisper переводит только на английский.
• Не чистит текст от слов-паразитов и не делает конспект - это следующий шаг поверх расшифровки.
• Не работает без первой загрузки модели: один раз нужен интернет и несколько гигабайт места.

Вопросы и ответы

Это бесплатно? Да. Скилл открытый, лицензия MIT. Whisper и движки тоже бесплатные, расшифровка идёт на твоём компьютере.

Насколько точно на русском? Хорошо, но не идеально: имена, термины и английские слова в русской речи иногда пишутся с ошибками. Важный текст перечитывай.

Работает на Windows? Да, есть установка под Windows и ярлык с автозапуском для диктовки. Для видеокарты NVIDIA автор советует ставить через WSL2.

Агент поставил не то. Попроси его сначала запустить детектор из скилла: он покажет, какой движок и модель подходят твоему железу.

Автор и источник

Скилл открытый, автор - Mobiss11. Описание сверено с файлами README.md, SKILL.md и LICENSE репозитория Mobiss11/Whisper-Skill на 28 сентября 2026 года. Скилл обновляется, поэтому детали сверяй по первоисточнику.