BroadRouter

Альтернатива Whisper API: когда переходить и как её протестировать

Команда BroadNet Inference · 6 мин чтения · Опубликовано · Обновлено

OpenAI объявила whisper-1 устаревшей с отключением 26 февраля 2027 г., так что всем пользователям Whisper API придётся перейти на другую модель. Выбирайте замену по доле ошибок в словах (WER) на 30–50 собственных записях для каждого языка, а затем по цене. BroadNet Transcribe принимает тот же вызов OpenAI SDK и стоит $0.002 в минуту на 14 языках.

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

  1. Соберите по 30–50 записей на каждый язык из реального трафика: звонки, голосовые сообщения, встречи. Удалите всё, чем вы не вправе делиться.
  2. Вручную напишите эталонные расшифровки для 10 записей на каждый язык.
  3. 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")
  1. 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)))
  1. 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 .ogg и .m4a через 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=ar может вернуться латиницей.
  • Необязательные параметры. Если вы полагаетесь на prompt, verbose_json или метки времени слов, убедитесь, что альтернатива их поддерживает. Документация BroadNet описывает JSON-ответ с полем text.
  • 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.

Вопросы и ответы

Какая альтернатива OpenAI Whisper API лучше всего?

Та, у которой самая низкая доля ошибок в словах на вашем собственном аудио при приемлемой для вас цене. Для арабского тестируйте модели, созданные для арабских диалектов. Для английского по самой низкой цене облачные эндпоинты Whisper Large v3 Turbo трудно превзойти.

Есть ли Whisper API дешевле, чем у OpenAI?

Да. OpenAI указывает для whisper-1 цену USD 0,006 в минуту (модель устарела), а для её замены gpt-transcribe — USD 0,0045. Groq указывает USD 0,111 в час за Whisper Large v3 и USD 0,04 в час за Large v3 Turbo, а BroadNet Transcribe стоит $0.002 в минуту.

Можно ли продолжать пользоваться OpenAI SDK с альтернативой Whisper?

С OpenAI-совместимым провайдером — да. Поменяйте base_url, API-ключ и ID модели. Проверьте, какие необязательные параметры, например prompt, response_format и метки времени, поддерживает провайдер.

Хорошо ли Whisper распознаёт арабский?

Современный литературный арабский Whisper распознаёт гораздо лучше, чем разговорные диалекты. OpenAI отмечает, что точность зависит от языка. Прежде чем решать, измерьте долю ошибок в словах по каждому диалекту на собственных записях.

Может, лучше развернуть Whisper у себя?

Свой хостинг имеет смысл, если аудио не должно покидать вашу сеть или объём загружает GPU постоянно. Код и веса Whisper распространяются по лицензии MIT. В остальных случаях облачный API обычно дешевле простаивающего GPU.

Открыть в MarkdownСпросить ChatGPTСпросить ClaudeСпросить Perplexity