Транскрибация Shorts 2026: Whisper, Rev, Otter, Descript

Только 2 из 4 западных сервисов берут русский. Тест на ценах, точности WER и подводных камнях для AI-канала.

Главное за 30 секунд

Если ваш AI-канал работает на русском — забудьте про Descript и Otter.ai. Descript принимает только латиницу, Otter поддерживает шесть западных языков и русского среди них нет. Из «большой четвёрки» транскрибаторов на русском нормально работают только Whisper (через OpenAI API или локально) и Rev (AI + human-проверка).

Whisper Large-v3 даёт ~9.8% WER «из коробки» и ~6.4% после fine-tune на датасете Common Voice 17.0 RU — это лучшая точность за свои деньги, потому что сама модель бесплатна (MIT-license, open-source). Rev берёт $0.25/мин за AI и $1.99/мин за человеческую транскрипцию — оправдано только для длинных подкастов, где каждое слово критично.

Если статьи о технологии вам не нужны, а нужны субтитры под Reels — гоните Whisper на CPU своего ноутбука или используйте Welder, где субтитры рендерятся из готовой ElevenLabs-озвучки без отдельной транскрибации. Дальше — детали, цены и пайплайн для AI-канала.

Зачем AI-каналу нужны транскрипты

Транскрипт — это не «архив на всякий случай». Это рабочая копия видео, которую можно резать, переводить и индексировать. Пять конкретных сценариев на AI-канале:

Субтитры на экране. AI-Shorts без субтитров теряют около 30% retention — глаз ищет текст в первые 1.5 секунды. Транскрипт → SRT → жжённые субтитры через FFmpeg или CapCut.
Описание видео для SEO. YouTube берёт первые 200 символов описания в индекс. Транскрипт даёт автоматическое описание без копирайтинга вручную и без галлюцинаций GPT.
Локализация. Сначала транскрибируешь русский, потом переводишь, потом озвучиваешь в ElevenLabs или дублируешь в Rask. Подробный пайплайн — в гайде Локализация AI-канала 2026: ×5 к RPM через мультиаудио.
Длинная форма из коротких. 30 Shorts → 8-минутный YouTube-ролик. Транскрипт нужен для логической склейки и для рендера титров в длинной форме.
Реверс-инжиниринг конкурентов. Скачать виральный Short, отгнать через Whisper, вытащить структуру хука и оффера за три минуты — без ручной расшифровки на слух.

Дальше — кто из четырёх западных сервисов это правда умеет, а кто валится на первой же русской фразе.

Whisper Large-v3 — единственный из четырёх бесплатный (и работает на русском)

OpenAI выложила Whisper в open-source в сентябре 2022, и с тех пор это де-факто стандарт. В мае 2026 актуальная версия — Whisper Large-v3, 1.55 миллиарда параметров.

Русский язык. 9.84% WER «из коробки» на чистом звуке. После fine-tune на Common Voice 17.0 RU (200 тысяч русскоязычных образцов) — 6.39% WER (модель antony66/whisper-large-v3-russian на Hugging Face). Для AI-канала с чистой ElevenLabs-озвучкой и без фонового шума WER падает ниже 4%.

Цена:

Локально на CPU вашего ноутбука: 0 ₽. Большая модель (large-v3) транскрибирует минуту аудио примерно за 30-90 секунд на M1/M2 MacBook. На GPU — почти realtime.
Через OpenAI Audio API: $0.006/мин ≈ ~0.55 ₽/мин при курсе 92 ₽/$. 100 видео по 60 секунд → $0.6 ≈ 55 ₽.
Через Groq или Together.ai: ещё дешевле, плюс быстрее за счёт собственной инфраструктуры на LPU/GPU.

Слабые места:

Нет встроенного редактора — нужно отдельное ПО для правок результата.
Пунктуация в русском хромает: модель ставит точки чаще, чем нужно для разговорной речи. Лечится post-processing-промптом в GPT-5.5 за 20 секунд.
Запуск локально требует Python и базовых навыков командной строки. Для новичка — порог входа.

Когда брать: всегда, если умеете запустить pip install -U openai-whisper или используете сервис (например, Welder), который Whisper встроил под капот.

Rev — для тех, кому нужна человеческая корректура

Rev.com — старый американский сервис, который держит планку точности через гибрид AI + ручной правки.

Русский язык: полная поддержка для AI-транскрибации и для foreign subtitles (готовые SRT-файлы на 15 языках, включая русский).

Цена на май 2026:

AI Transcription: $0.25/мин ≈ ~23 ₽/мин. 60-секундный Short → 23 ₽.
Human Transcription: $1.99/мин ≈ ~183 ₽/мин. Точность 99%+.
Foreign Subtitles: от $3 до $7/мин (готовые субтитры на целевом языке).
Free tier: 45 минут AI/мес без подписки.
Подписка Essentials: $25.49/мес (даёт скидки на пакеты).

Когда брать:

Длинные подкасты (60+ минут), где каждое слово важно — заказать human-проверку дешевле, чем нанимать редактора-фрилансера на ставке 600 ₽/час.
Юридические или новостные форматы, где ошибка стоит репутации канала.
Если нужны готовые SRT в нескольких языках сразу — берёте foreign subtitles и не возитесь с DeepL.

Для типичного русскоязычного AI-Shorts-канала Rev — overkill. Тратить 23 ₽ на минуту, когда локальный Whisper делает то же бесплатно — нерационально.

Otter и Descript — почему для русского они не работают

Эти два сервиса часто рекомендуют в англоязычных подборках. Для русскоязычного AI-канала они бесполезны.

Otter.ai

Поддерживает только английский, испанский, французский, немецкий, японский и упрощённый китайский. Русского нет и не обещают добавить в ближайшие месяцы. Сильная сторона Otter — live-транскрипция Zoom-встреч с распознаванием спикеров. Это про митинги, не про Shorts.

Цена: 300 минут/мес бесплатно (только английский), от $16.99/мес на платных тарифах.

Полезен русскоязычному AI-каналу лишь в одном сценарии: вы делаете англоязычный second channel из дубляжа и проводите интервью с зарубежными экспертами на английском. Тогда live-транскрипция Otter удобна.

Descript

Транскрипция — фундамент Descript: вы редактируете видео, удаляя слова из текста, и Descript подтягивает кадры под новый таймлайн. Гениально для подкастеров и YouTube-блогеров на английском.

Поддержка русского: отсутствует. Descript работает только с языками на латинице (23 языка по списку, май 2026). Russian — в wishlist, без дат. Если вы попробуете загрузить русское видео — получите либо ошибку, либо мусорный транскрипт через автодетект английского, где слово «привет» становится «pray vet».

Цена: $0 (Hobbyist) → $24/мес (Creator) → $50/мес (Business). Бесплатный план даёт 1 час транскрипции в месяц.

Для русскоязычного AI-канала Descript годится как видеоредактор (без транскрипции), и то — CapCut делает почти то же бесплатно. Подробности в нашем разборе AI-видеоредакторы 2026: Descript, CapCut, Veed, Filmora.

Сравнительная таблица: что выбрать в 2026

Сервис	Русский	Цена за минуту	WER на чистом RU	Бесплатный лимит	Сильная сторона
Whisper (local)	✅ Да, fine-tune ~6.4%	0 ₽	6-10%	Безлимит на своём железе	Open-source, безлимит, лучшее WER за цену
Whisper (OpenAI API)	✅ Да	~0.55 ₽	9.8%	$5 кредит на старте	Не нужно ставить локально
Rev AI	✅ Да	~23 ₽	~5-7%	45 мин/мес	Готовые SRT в 15 языках
Rev Human	✅ Да	~183 ₽	<1%	—	99%+ для критичного контента
Otter.ai	❌ Нет	—	—	300 мин/мес (EN)	Live-захват митингов
Descript	❌ Только латиница	—	—	1 час/мес	Редактирование видео через текст
Yandex SpeechKit	✅ Да, оптимизирован	~5 ₽ (15-сек блоки)	~5-8%	4000 ₽ грантов на 60 дней	Оплата в ₽, российский cloud

Если коротко: бесплатно и качественно — Whisper локально. Без возни с установкой — OpenAI API за копейки. Критичный контент с human review — Rev. Российская юрисдикция и оплата в рублях — Yandex SpeechKit.

Yandex SpeechKit и SaluteSpeech — отечественные альтернативы

Для русскоязычного AI-канала есть смысл рассмотреть две домашние опции.

Yandex SpeechKit (Yandex.Cloud):

Тарификация по 15-секундным блокам, ~5 ₽ за минуту в режиме асинхронного распознавания.
Заявленный WER на русском — 5-8% на чистом студийном звуке.
Оплата в рублях с российской карты, договор оферты, бухгалтерские документы — годится для самозанятого/ИП.
Поддерживает русский, английский, турецкий.
4000 ₽ грантов новым пользователям на 60 дней — фактически 800 минут транскрибации бесплатно.

Sber SaluteSpeech (Сбер Cloud):

Аналогичная тарификация по секундам.
Оптимизация под банковский и корпоративный лексикон.
Меньше отзывов от AI-креаторов, чем у Yandex. Если вы уже сидите на инфраструктуре GigaChat и используете Sber как стек — стоит затестить параллельно.

Главный минус домашних cloud-сервисов — нет открытого кода, нельзя гонять оффлайн. Если объёмы растут (десятки часов в неделю), локальный Whisper остаётся выгоднее по совокупности — нулевая стоимость минуты против ~5 ₽ у Yandex.

Пайплайн: как встроить транскрибацию в Welder-workflow

Welder уже отдаёт готовые субтитры из ElevenLabs-озвучки — TTS возвращает word-level стайм-коды, потому что Welder знает длительности фраз заранее. Транскрибация на AI-канале нужна для четырёх вторичных задач:

1. Реверс-инжиниринг конкурентов.

Скачайте Short конкурента через yt-dlp -f 'best[height<=720]' https://....
Прогоните через Whisper: whisper short.mp4 --language ru --model large-v3 --output_format srt.
Получите структуру хука (первые 3 секунды), мидл-секцию и CTA. Развёрнутый процесс — в Реверс-инжиниринг AI-Shorts 2026: разбор за 30 минут.

2. Длинная форма из батча Shorts.

Соберите 20-30 Shorts из одной серии своего канала.
Транскрибируйте каждый.
Склейте транскрипты в один документ, перепишите в логичный сценарий 8-минутного ролика и заполните видеоряд из тех же Shorts. Полный разбор — Длинная форма из AI-Shorts 2026: 10-минутка за час и ×10 RPM.

3. Локализация.

Транскрипт → DeepL или Google Translate → SRT в целевой язык → дубляж через Rask или ElevenLabs.
Целевой workflow для каналов, идущих сразу на RU+EN+ES (×4-5 к RPM).

4. Описания и теги для YouTube.

Транскрипт → GPT-5.5 → 200 символов SEO-описания + 10 тегов + 5 hashtag-кандидатов.
Делается одним промптом, занимает 15 секунд на ролик.

Если делаете всё через Welder — TTS-субтитры покрывают сценарий №1 (ваши собственные видео). Для остальных трёх — внешний Whisper или Yandex SpeechKit, плюс короткий скрипт-обвязка на Python или n8n.

Что выбрать вашему AI-каналу

Решение зависит от трёх вопросов:

Сколько минут в неделю транскрибируете? До 10 мин/неделю — берите Whisper через OpenAI API (заплатите ~30 ₽/мес). 10-100 мин — рассмотрите Yandex SpeechKit с грантом. 100+ мин — гоните Whisper локально или на дешёвом VPS.
Нужны субтитры с тайм-кодами слов или просто текст? Word-level timestamps есть у Whisper и Rev. Yandex даёт фразовые. Если рендерите караоке-субтитры под TikTok (моду на «прыгающие» слова) — только Whisper или Rev.
Нужна российская юрисдикция? Если работаете как ИП или самозанятый и нужны закрывающие документы в рублях — Yandex SpeechKit. Если оплата с зарубежной карты не проблема (или используете прокси-сервисы) — Whisper API или Rev.

Дефолт для большинства русскоязычных AI-каналов в 2026 — Whisper Large-v3 локально для рутины + Rev для критичных подкастов. Это самое выгодное соотношение точности и цены.

Запустите AI-Short — субтитры уже внутри

Welder автоматически встраивает субтитры из ElevenLabs-озвучки в кадр — без отдельной транскрибации, ffmpeg-команд и Python. Не нужно ни Whisper-а, ни Yandex SpeechKit, ни Rev. Тарифы и пробный режим — на странице /pricing. Готовы попробовать? Сделайте первое видео в дашборде Welder — это занимает 5 минут.