OpenAI Whisper API — выбор по умолчанию, с которого начинают многие команды: один эндпоинт, одна цена, десятки языков. Альтернативу Whisper API ищут, когда происходит одно из четырёх: точность на вашем аудио недостаточна, счёт растёт вместе с объёмом, служба безопасности хочет, чтобы хранилось меньше данных, или модель, которую вы вызываете, выводят из эксплуатации. В этой статье — как принять решение и как протестировать альтернативу, не переписывая код.
OpenAI Whisper API выводят из эксплуатации?
Да, по текущему графику OpenAI. Её страница устаревших моделей, проверенная 2026-11-15, помечает whisper-1, gpt-4o-transcribe, gpt-4o-mini-transcribe и gpt-4o-transcribe-diarize как устаревшие: уведомление дано 26 августа 2026 г., отключение — 26 февраля 2027 г. Рекомендованная замена — gpt-transcribe (USD 0,0045 в минуту, или USD 0,27 в час) для файлов или gpt-live-transcribe для живого аудио. На странице цен те же четыре модели помечены как устаревшие, а руководство по распознаванию речи советует “Start with gpt-transcribe” (перевод: «начните с gpt-transcribe»). Эндпоинт /v1/audio/translations тоже устарел. Значит, перепроверять своё аудио на новой модели придётся в любом случае, и сейчас удачный момент, чтобы сравнить замену от OpenAI с другими провайдерами на одних и тех же записях.
Полную картину даёт наш открытый индекс цен на API распознавания речи: цены пакетного и потокового распознавания, шаг тарификации и поддержка арабского для более чем 20 продуктов, каждое значение сверено со страницей цен самого провайдера (CSV и JSON).
Почему команды ищут альтернативу Whisper API?
| Причина | Что проверить у альтернативы |
|---|---|
| Точность на конкретном языке или диалекте | Опубликованная доля ошибок в словах на подходящем тестовом наборе, затем собственный тест |
| Цена при больших объёмах | Цена за час аудио и минимальный шаг тарификации |
| Хранение данных | Хранятся ли аудио и расшифровки и как долго |
| Лимиты | Размер файла, форматы, лимиты запросов |
| Функции | Метки времени, диаризация, промпты, стриминг |
Руководство OpenAI по распознаванию речи говорит: “Whisper supports 98 languages, but accuracy varies by language” (перевод: «Whisper поддерживает 98 языков, но точность зависит от языка»). С этого честно и стоит начинать: список языков говорит о том, что возможно, а не о том, что работает хорошо.
Какие есть альтернативы Whisper API и сколько они стоят?
| Вариант | Цена (прайс, ноябрь 2026 г.) | Языки | Примечания |
|---|---|---|---|
OpenAI Whisper API (whisper-1) |
USD 0,006/мин | 98 (точность разная) | Файлы до 25 МБ; промпты до 224 токенов; отключение 2027-02-26 |
OpenAI gpt-transcribe |
USD 0,0045/мин (USD 0,27/час) | См. руководство OpenAI | Рекомендованная замена от OpenAI; в руководстве OpenAI метки времени слов показаны только для whisper-1, а метки говорящих — только для устаревшей модели с диаризацией |
| Groq, Whisper Large v3 | USD 0,111/час | Многоязычная | Groq заявляет WER 10,3%; минимальный шаг тарификации 10 секунд |
| Groq, Whisper Large v3 Turbo | USD 0,04/час | Многоязычная | Groq заявляет WER 12%; не обучена переводу |
| Soniox (асинхронно) | около USD 0,10/час, тарификация за токены | Более 60, арабский в списке | Собственный API на основе заданий, не OpenAI-совместимый; в реальном времени около USD 0,12/час |
| Whisper на своём сервере | Стоимость вашего GPU | Те же, что у Whisper | Лицензия MIT; запускаете и масштабируете сами |
| BroadNet Transcribe | $0.002/мин | 14 | Не Whisper; основана на Cohere Transcribe |
| BroadNet Transcribe Arabic | $0.0042/мин | Арабский | BroadNet сообщает о позиции № 2 из 37 (данные за сентябрь 2026 г.; в живом рейтинге на 15 ноября 2026 г. — № 4 из 39) в Open Universal Arabic ASR Leaderboard |
Цены и цифры Groq проверены на официальных страницах 2026-11-14; цены OpenAI перепроверены 2026-11-15. gpt-transcribe от OpenAI стоит в час дороже обеих моделей BroadNet. Turbo-эндпоинт Groq и Soniox стоят в час дешевле BroadNet Transcribe ($0.12 в час); для Soniox понадобится новый клиентский код, потому что она не использует формат запроса OpenAI. Значения WER от Groq — её собственные опубликованные цифры, а не тест на общем с остальными наборе, поэтому не сравнивайте их напрямую с цифрами BroadNet. Эта статья — о переходе; полный прайс, включая DeepSeek, AssemblyAI, Deepgram, Google, AWS и Speechmatics с ценами дополнительных функций, — в сравнении цен на API распознавания речи, а калькулятор стоимости распознавания речи посчитает цену ваших часов в месяц.
Что на самом деле значат цифры точности?
В своём каталоге моделей BroadNet публикует три значения WER для BroadNet Transcribe Arabic:
| Тестовый набор | Тип аудио | WER |
|---|---|---|
| FLEURS-ar | Чистые читаемые предложения | 3,8 |
| MASC-ar | Смешанный арабский из реальной жизни | 21,1 |
| Диалектный набор BroadNet | Диалектная речь | 23,4 |
На тех же наборах MASC и диалектном BroadNet даёт для Whisper large-v3 значения 31,5 и 31,8 против 21,1 и 23,4 у своей арабской модели — примерно на треть меньше ошибок на MASC и примерно на четверть меньше на диалектном наборе. Это собственный тест BroadNet, проведённый на конкуренте, поэтому проверьте его на своём аудио. В публичном Open Universal Arabic ASR Leaderboard, где все участники проверяются на одних и тех же наборах, 15 ноября 2026 г. Whisper large-v3 занимала 19-е место из 39 (средний WER 36,86), а Cohere Transcribe Arabic 07-2026, модель, которую обслуживает BroadNet, — 4-е (24,19).
Главный урок — в разбросе. Одна и та же модель почти безошибочна на читаемой речи и заметно слабее на разговорной. Заявленный WER любого провайдера говорит о том, как модель справилась с чужим аудио. Диалекты подробно разобраны в статье распознавание речи на арабских диалектах.
Как протестировать альтернативу Whisper за полдня
- Соберите по 30–50 записей на каждый язык из реального трафика: звонки, голосовые сообщения, встречи. Удалите всё, чем вы не вправе делиться.
- Вручную напишите эталонные расшифровки для 10 записей на каждый язык.
- Прогоните оба API на одних и тех же записях. С OpenAI-совместимыми провайдерами меняются только клиент и модель:
import os
from openai import OpenAI
whisper = OpenAI() # uses OPENAI_API_KEY
broadnet = OpenAI(base_url="https://inference.broadnet.ai/v1", api_key=os.environ["BROADNET_API_KEY"])
def run(client, model, path, lang):
with open(path, "rb") as f:
return client.audio.transcriptions.create(model=model, file=f, language=lang).text
hyp_a = run(whisper, "whisper-1", "clip01.wav", "ar") # also try "gpt-transcribe", OpenAI's replacement
hyp_b = run(broadnet, "broadnet/cohere-transcribe-arabic", "clip01.wav", "ar")
- Считайте метрику с одинаковой нормализацией для обоих, с помощью jiwer:
import re, jiwer
def norm(t):
t = re.sub(r"[ً-ْ]", "", t) # strip Arabic diacritics
t = re.sub(r"[إأآ]", "ا", t).replace("ى", "ي") # unify alef and yaa
return re.sub(r"[^\w\s]", "", t).lower().strip()
print(jiwer.wer(norm(reference), norm(hyp_a)), jiwer.wer(norm(reference), norm(hyp_b)))
- Прочитайте 20 расшифровок сами. Проверьте числа, имена и продуктовые термины. Модель может выиграть по WER и всё равно ошибиться в номере счёта.
Когда лучше развернуть Whisper у себя?
Код и веса Whisper распространяются по лицензии MIT, так что запустить его самостоятельно можно всегда. Это имеет смысл, когда:
- Аудио не должно покидать вашу сеть по юридическим или договорным причинам.
- Ваш объём загружает GPU большую часть дня, и вы не платите за простой.
- Нужно дообучение на собственной лексике или акценте.
Это обходится дороже, чем кажется, когда трафик неравномерный, когда нужна высокая доступность на нескольких машинах или когда никто в команде не хочет отвечать за драйверы GPU и обновления (расчёт точки безубыточности GPU). В README openai/whisper также отмечено, что модель turbo не обучена переводу. Облачный API превращает эти проблемы в цену за минуту, поэтому большинство команд начинают с него и переходят на свой хостинг, только когда объём и требования становятся понятны.
Чек-лист миграции
Сменить базовый URL — самая простая часть. Прежде чем переключать трафик:
- Форматы. OpenAI принимает flac, mp3, mp4, m4a, ogg, wav и webm. BroadNet принимает WAV и MP3, поэтому сначала конвертируйте
.oggи.m4aчерез ffmpeg. Для записей из браузера см. статью запись аудио в браузере и отправка в API распознавания речи. - Размер файла. OpenAI ограничивает загрузку 25 МБ, BroadNet — 26 214 400 байтами (25 МиБ).
- Поле языка. Передавайте его всегда. В BroadNet арабская речь без
language=arможет вернуться латиницей. - Необязательные параметры. Если вы полагаетесь на
prompt,verbose_jsonили метки времени слов, убедитесь, что альтернатива их поддерживает. Документация BroadNet описывает JSON-ответ с полемtext. - Лимиты запросов. Ключи BroadNet с оплатой по факту допускают 30 запросов в минуту и 4 одновременно.
Общая версия этого списка — в чек-листе миграции на OpenAI-совместимый API.
Какое место здесь занимает BroadNet Transcribe
Выбирайте BroadNet, когда важна точность на арабском, когда вам нужно, чтобы аудио и расшифровки не хранились (нулевое хранение данных), или когда $0.002 в минуту на 14 языках меньше вашего текущего счёта. Стартового гранта $5 хватает примерно на 1,190 минут арабского аудио — достаточно для теста выше; получите ключ в BroadNet Inference. В руководстве по распознаванию арабской речи есть примеры на curl и Python.
Оставайтесь на моделях-заменах от OpenAI или у другого провайдера, если вам нужен один из многих языков, которых нет в списке BroadNet, перевод речи, распознавание в реальном времени или промпты и подсказки ключевых слов (руководство OpenAI документирует их для gpt-transcribe). Чтобы перевести арабские записи из файлов на английский, подойдёт и двухшаговый конвейер: см. статью перевод арабского аудио на английский. Если нужна самая низкая цена для английского, облачные эндпоинты Whisper Turbo стоят в час дешевле.
