---
title: "Голосовой ввод текста на маке и Windows — офлайн, бесплатно, без оплаты по минутам"
description: "Нажали хоткей где угодно, сказали — слова появились там, где стоит курсор. Распознавание идёт на вашей машине через Whisper: ничего не загружается, ничего не тарифицируется. Внутри — измеренная задержка, размеры моделей и единственное разрешение, которое понадобится."
url: https://mediachef.app/ru/golosovoy-vvod/
language: ru
---

# Голосовой ввод, который не покидает компьютер

Нажмите где угодно правый ⌥ на маке или правый Ctrl на Windows, скажите фразу, нажмите ещё раз — и текст напечатается прямо в то поле, где стоит курсор: в терминале, в чате, в форме браузера. Распознаёт тот же самый Whisper, который MediaChef уже носит с собой, поэтому звук не уходит с диска и по минутам никто не считает. В нашем замере пятисекундная фраза вернулась за 780 миллисекунд.

- **Статус:** На macOS с версии 0.8.0, на Windows и Linux — с 0.8.5
- **Где считается:** Целиком на вашей машине, без аккаунта и загрузок
- **Скорость:** 780 мс от клавиши до текста на пятисекундной фразе (замер)
- **Сколько стоит:** Нисколько. Ни подписки, ни оплаты по минутам
- **Платформа:** macOS, Windows 10/11, Linux в сеансе X11
- **Разовая загрузка:** Речевая модель, 488 МБ у той, что по умолчанию

[Скачать для macOS 66 MB · Apple Silicon](https://github.com/Kom1sh/mediachef/releases/download/v0.8.7/MediaChef_0.8.7_aarch64.dmg) [Windows 82 MB · 64-разрядная](https://github.com/Kom1sh/mediachef/releases/download/v0.8.7/MediaChef_0.8.7_x64-setup.exe) [Linux 181 MB · x86\_64](https://github.com/Kom1sh/mediachef/releases/download/v0.8.7/MediaChef_0.8.7_amd64.AppImage)

Бесплатно и с открытым кодом — [код на GitHub](https://github.com/Kom1sh/mediachef)  [Все файлы и заметки о релизе](https://github.com/Kom1sh/mediachef/releases/latest)

## Как устроен голосовой ввод

1.  ### Один раз включить
    
    На вкладке «Диктовка» — переключатель и выбор триггера: на маке правый ⌥ или правый ⌘, на Windows правый Ctrl, правый Alt или Caps Lock, и везде — две комбинации. Пока не включите — MediaChef не регистрирует глобальный хоткей вообще: приложение, которое молча занимает системное сочетание, ломает чужие приложения.
    
2.  ### Нажать хоткей где угодно
    
    Работает, когда MediaChef в фоне или его окно закрыто. Два способа: держать клавишу, пока говорите, либо нажать один раз чтобы начать и второй чтобы закончить — смотря какой длины мысль.
    
3.  ### Сказать
    
    Микрофон открывается только на время диктовки, поэтому оранжевая точка в строке меню гаснет, как только вы закончили. Между нажатиями никто не слушает.
    
4.  ### Текст появляется там, где курсор
    
    Печатается прямо в активное поле и не трогает буфер обмена. Если удобнее наоборот, в буфер, — это соседняя настройка.
    

 ![MediaChef готов к конвертации: рабочий стол ждёт видеофайл, очередь задач справа.](https://mediachef.app/_astro/app-main-ru-light.Ddg3HDpL.png)

Вкладка «Диктовка» в MediaChef: триггер, модели, язык, словарь и состояние разрешения — всё в одном месте.

## Насколько это быстро на самом деле

Замер сквозной, на ноутбуке с M5: от отпускания клавиши до доставленного текста. Первая строка — настоящая диктовка из живой сборки, остальные — фиксированная пятнадцатисекундная фраза через каждую модель.

| Что мерили | Модель | Время |
| --- | --- | --- |
| Настоящая фраза на пять секунд, от клавиши до текста | small | 780 мс |
| Фраза на пятнадцать секунд | tiny | отдельно не мерили |
| Фраза на пятнадцать секунд | small | 0,66–0,75 с |
| Фраза на пятнадцать секунд | large-v3-turbo | 1,64–1,97 с |

Две вещи эти цифры скрывают, и обе стоит знать. Микрофон отдаёт первый сэмпл через 56 миллисекунд, поэтому слово, начатое одновременно с нажатием, может подрезаться — на практике говорить начинают после клавиши, и никто этого не замечает. И самая первая диктовка после выдачи разрешения на микрофон пропадает: система в это время около 1,8 секунды показывает свой диалог. Нажмите ещё раз — всё работает.

## Какую модель брать

Те же четыре модели, что и у рецептов транскрибации, — поэтому если вы уже расшифровываете файлы в MediaChef, модель у вас на диске и голосовой ввод не стоит ни одной загрузки.

| Модель | Загрузка | Характер |
| --- | --- | --- |
| tiny | 78 МБ | Самая быстрая, черновая — для заметки себе сойдёт |
| base | 148 МБ | Быстрая, приличная |
| small — по умолчанию | 488 МБ | Баланс, и её же используют рецепты |
| large-v3-turbo | 1,62 ГБ | Лучшее качество, ждать примерно вдвое дольше |

Начинайте с small. Она стоит по умолчанию по практической причине, а не по технической: это та же модель, что у рецептов, поэтому у действующего пользователя голосовой ввод заработает вообще без скачивания. Переходите на large-v3-turbo, если звук трудный — сильный акцент, шумная комната, два языка в одной фразе, — и примите примерно двукратное ожидание.

## Как научить его вашим словам

В каждом деле есть слова, которые распознавание коверкает: названия продуктов, жаргон, фамилия коллеги. Список таких слов можно отдать модели, и она перестаёт гадать. Ниже одна и та же запись — без словаря и со словарём из сорока терминов.

| Без словаря | Со словарём |
| --- | --- |
| «медиашиф» | MediaChef |
| «ходкий» | хоткей |
| «виспер» | whisper |
| «распознаванию» | распознавание |

Стоило это 0,04 секунды: 0,87 против 0,83 на той же записи. Потолок — около 224 токенов, то есть примерно 400 знаков кириллицы или втрое больше латиницы; MediaChef считает за вас и обрезает сам, потому что Whisper слишком длинный список молча отрезает. Именно этого встроенная диктовка macOS не умеет: научить её вашему словарю нельзя.

## Куда попадает текст

Два варианта, и разница между ними ощутимее, чем кажется, когда диктуешь несколько раз в час.

| Настройка | Что происходит | Что требуется |
| --- | --- | --- |
| Печатать | Слова появляются в активном поле. Буфер обмена не тронут | Разрешение «Универсальный доступ», один раз |
| В буфер | Текст копируется, вставляете сами через ⌘V | Ничего, кроме микрофона |

Печать не трогает буфер, и ради этого её и стоит предпочесть: если бы каждая диктовка затирала буфер, держать в нём ссылку во время работы было бы нельзя. Печать в чужое окно macOS считает синтетическим вводом и просит разрешение «Универсальный доступ» — первая же попытка сама откроет нужный раздел системных настроек. Когда разрешения нет, текст всё равно оказывается в буфере: надиктованное не теряется никогда.

## Зачем это делать именно локально

**Голос никуда не загружается.** Диктуют как раз то, что не станешь вставлять в веб-форму: недодуманные мысли, имена клиентов, фразу, которую сейчас отправишь. Облачная диктовка — это по определению копия всего этого на чужом сервере.

**Нет счётчика по минутам.** Сервисы расшифровки считают деньги по минутам, и это заставляет думать, прежде чем говорить. Здесь модель качается один раз, а сотая за день диктовка стоит ровно столько же, сколько первая.

**Работает с выключенной сетью.** В самолёте, на закрытой машине, в комнате, где вайфай — самая ненадёжная из присутствующих вещей. Как только модель на диске, интернет не нужен вовсе.

**Знает ваши слова.** Словарь — это просто список ваших терминов, и это единственное, чего встроенная в macOS диктовка не умеет.

**Открытый код, без подписки.** GPL-3.0, всё целиком читается на GitHub. Платные инструменты в этой нише берут помесячно за то, что внутри устроено на той же открытой модели.

## Когда это не поможет

Говорим прямо, потому что узнать об этом потом хуже, чем прочитать сейчас.

1.  ### У вас Linux под Wayland.
    
    Сеанс Wayland не даёт приложениям ловить глобальные клавиши и печатать в чужие окна, поэтому диктовка там пока не работает — вкладка «Диктовка» так и пишет. В сеансе X11 работает, на Ctrl+Alt+D или Ctrl+Alt+Space: триггера в одну клавишу на Linux пока нет.
    
2.  ### Нужно, чтобы печатало по ходу речи.
    
    В поле текст приходит, когда вы закончили, а не по слову во время разговора: так фраза распознаётся целиком и точнее. Пока говорите, черновик распознавания виден в плашке под монобровью — но печатается один чистый итог, а не череда правок.
    
3.  ### Нужно различать говорящих.
    
    Пишется то, что сказано, а не кем. Для интервью на два голоса нужен инструмент расшифровки, сделанный под это, а не хоткей диктовки.
    

## Вопросы

**Мой голос куда-нибудь отправляется?**

Нет. Звук распознаёт файл модели, лежащий на вашем же диске, и удаляется вместе с временной папкой, в которой жил. Через сеть проходит только разовая загрузка модели, а дальше голосовой ввод работает и с полностью выключенной сетью.

**Насколько это быстро?**

780 миллисекунд от отпускания клавиши до появления текста — замерено на настоящей пятисекундной фразе с моделью по умолчанию, ноутбук на M5. Пятнадцатисекундная фраза заняла 0,66–0,75 секунды. Тяжёлая large-v3-turbo — примерно вдвое дольше.

**Работает ли в любом приложении?**

Да: хоткей регистрируется на весь компьютер, поэтому срабатывает и в терминале, и в браузере, и в мессенджере, и в редакторе — при том что сам MediaChef в фоне или вообще с закрытым окном.

**Какая комбинация используется?**

По умолчанию правый ⌥ — одиночный модификатор: зажали и говорите, или нажали один раз — начать, ещё раз — закончить; вместе с Shift текст отправится Enter'ом. Одиночная клавиша-модификатор ничего не печатает и никем не занята. Сочетания вроде ⌥ Space в режиме удержания печатали пробел, если отпустить ⌥ раньше, — поэтому от них отказались; ⌃⌥ Space и ⌃⌥ D остались как запасные. На Windows по умолчанию правый Ctrl, на выбор — правый Alt и Caps Lock; на Linux — Ctrl+Alt+D.

**Работает ли на Windows и Linux?**

Да, с версии 0.8.5. На Windows это одна клавиша, как на маке, — по умолчанию правый Ctrl, — и кроме доступа к микрофону разрешений не нужно. Если перехват клавиатуры не запустился, работает Ctrl+Alt+D. На Linux диктовка работает в сеансе X11 на Ctrl+Alt+D; под Wayland система пока этого не позволяет.

**Зачем ему «Универсальный доступ»?**

Для двух вещей. Услышать клавишу-триггер: одиночный модификатор нельзя зарегистрировать обычным хоткеем, поэтому MediaChef слушает клавиатуру сам, а это macOS разрешает только с «Универсальным доступом». И напечатать текст в окно чужого приложения — это система считает синтетическим вводом. Разрешение одно на оба, выдаётся один раз; после него приложение нужно перезапустить.

**А если не выдать разрешение?**

Текст уйдёт в буфер обмена, а уведомление скажет почему и откроет нужный раздел системных настроек. Из-за недостающего разрешения надиктованное не пропадает никогда.

**Сколько нужно места на диске?**

Приложение плюс одна речевая модель: 488 МБ у той, что по умолчанию, 78 МБ у самой маленькой, 1,62 ГБ у самой большой. Если вы уже расшифровываете файлы в MediaChef, модель у вас есть, и голосовой ввод не добавит ничего.

**Русский понимает? А два языка вперемешку?**

Whisper знает 99 языков, и вы можете либо назвать свой, либо позволить определить его самому. Смесь языков в одной фразе — как раз тот случай, где тяжёлая модель отрабатывает свой размер, а словарь помогает сильнее всего.

**Какой длины может быть одна диктовка?**

Пять минут, дальше запись останавливается сама и расшифровывает услышанное, а не выбрасывает. На практике диктуют фразами, а не монологами.

**Можно отменить на середине?**

Escape во время записи выбрасывает дубль и ничего не доставляет. Он перехватывается только пока вы диктуете, поэтому Escape во всех остальных местах работает как обычно.

**Это замена встроенной диктовке macOS?**

Та же работа с двумя значимыми отличиями: этой можно объяснить ваш словарь, и звук остаётся на вашей машине. Если ни то ни другое вам не важно, встроенная уже стоит в системе и тоже бесплатна.

**Правда бесплатно?**

Да. MediaChef открыт под GPL-3.0, платной версии и подписки нет — голосовой ввод в том числе. Текущий релиз — 0.8.7, голосовой ввод в нём есть.

**Почему текст в плашке отличается от того, что напечаталось?**

Это два разных прохода. Пока вы говорите, плашка показывает черновик — его делает лёгкая модель каждые полторы секунды, чтобы успевать за речью. Печатается итог основной модели по цельной записи, со словарём терминов. Обе модели выбираются на вкладке «Диктовка»: поставьте живому показу ту же, что основной, и расхождение исчезнет — ценой отставания плашки.

**Почему после обновления снова просит разрешения?**

macOS привязывает разрешение не к названию программы, а к её подписи. Сертификата Apple у MediaChef нет — платить за него мы не будем, — поэтому у каждой версии подпись своя, и система считает обновлённое приложение новым. Приложение само снимает устаревшую запись и просит разрешение заново: один переключатель и одно «Разрешить» на обновление.

**Переключатель в системных настройках включён, а диктовка не работает.**

Значит запись в списке относится к прежней копии приложения — после обновления так и бывает. Выключать и включать её обратно бесполезно, это проверено. MediaChef снимает такую запись сам и вызывает системный запрос: включите его в списке и перезапустите приложение.

**Запись пустая, хотя микрофон исправен.**

Чаще всего виновата гарнитура: AirPods в кейсе остаются подключёнными и входом по умолчанию, и macOS отдаёт с них ровные нули — любому приложению, не только нашему. Уведомление называет устройство, с которого пришла тишина. Наденьте гарнитуру или выберите микрофон явно на вкладке «Диктовка».

**Можно выбрать конкретный микрофон?**

Да, на вкладке «Диктовка» есть список устройств ввода. «Как в системе» — это последняя подключённая гарнитура, а не микрофон ноутбука, и именно поэтому явный выбор надёжнее.

**Что будет, если нажать триггер и промолчать?**

Ничего не вставится. Пустая запись до распознавания даже не доходит: Whisper на тишине не молчит, а выдумывает — русская модель печатала титры «Субтитры создавал DimaTorzok». Такие подписи субтитровщиков распознаются и считаются тишиной, а вы получаете «речи не слышно».

**Почему первое нажатие после запуска срабатывает медленнее?**

Просыпается аудиоподсистема macOS — до двух секунд на первое открытие микрофона за запуск. Плашка появляется сразу, ещё до того как пошла запись, поэтому держите клавишу, пока она не скажет «Слушаю». Дальше открытие занимает десятки миллисекунд.

**Как отправить сообщение голосом, не нажимая Enter?**

Нажмите триггер вместе с Shift: текст напечатается и Enter нажмётся сам. Пустая диктовка Enter не нажимает никогда — иначе молчание отправляло бы пустое сообщение или выполняло бы предыдущую команду в терминале.

**Что произойдёт, если нажать другую клавишу, держа триггер?**

Запись отменится и ничего не вставится. Правый ⌥ с буквой — это чужое сочетание клавиш, а не диктовка, и приложение трактует его именно так.

**Надиктованное сохраняется на диск?**

Нет. Запись живёт во временной папке и удаляется вместе с ней, а хранение расшифровок по умолчанию выключено. Программа обещает, что содержимое не покидает компьютер, и писать на него всё надиктованное открытым текстом было бы странно: диктуют пароли и куски переписки.

**Работает ли поверх полноэкранных приложений?**

Да. Плашка показывается над полноэкранными окнами и на всех рабочих столах — диктуют как раз в развёрнутых на весь экран редакторах и терминалах.

**Триггер занят другим приложением. Что делать?**

На вкладке «Диктовка» есть правый ⌘ — второй одиночный модификатор, у которого у системы тоже нет своих действий, — и две обычные комбинации, ⌃⌥ Space и ⌃⌥ D, на случай если оба модификатора уже кем-то заняты.

## MediaChef сегодня

Версия 0.8.7 — бесплатно, открытый код, macOS · Windows · Linux. Голосовой ввод уже внутри.

[Скачать для macOS 66 MB · Apple Silicon](https://github.com/Kom1sh/mediachef/releases/download/v0.8.7/MediaChef_0.8.7_aarch64.dmg) [Windows 82 MB · 64-разрядная](https://github.com/Kom1sh/mediachef/releases/download/v0.8.7/MediaChef_0.8.7_x64-setup.exe) [Linux 181 MB · x86\_64](https://github.com/Kom1sh/mediachef/releases/download/v0.8.7/MediaChef_0.8.7_amd64.AppImage)

Бесплатно и с открытым кодом — [код на GitHub](https://github.com/Kom1sh/mediachef)  [Все файлы и заметки о релизе](https://github.com/Kom1sh/mediachef/releases/latest)

MediaChef — молодой проект: сборки пока без подписи Apple и Microsoft, поэтому первый запуск попросит подтверждение — простая инструкция лежит внутри каждого архива.

Что-то не работает или чего-то не хватает? Напишите: [hello@mediachef.app](mailto:hello@mediachef.app)

Читать дальше

-   [Аудио в текст — тот же движок, для файлов](https://mediachef.app/ru/transkribaciya-audio-v-tekst/)
-   [Видео в субтитры SRT — с замерами и офлайн](https://mediachef.app/ru/subtitry-iz-video/)
-   [Все 19 рецептов по категориям](https://mediachef.app/ru/recepty/)
