# Транскрибация аудио и видео

> 12 моделей расшифровки: Whisper, GigaAM, Chirp, Parakeet, Voxtral. Polza.ai считает поминутно: минута записи — от 0,05 ₽. Русский язык поддерживают все, но по-разному — разница в таблице.

- Whisper, GigaAM, Chirp 3
- Минута записи от 0,05 ₽
- Русский язык
- Есть модели с данными в РФ

- Моделей в подборке: 12
- Вендоров: 7
- Цена от 0,05 ₽ за минуту
- Добавлено за 90 дней: 0
- Эндпоинт: `/api/v1/audio/transcriptions`

## Если коротко

- **Много часов** — [OpenAI: Whisper Large V3 Turbo](https://polza.ai/models/openai/whisper-large-v3-turbo.md): Одна из самых дешёвых минут в каталоге. 0,05 ₽ за минуту
- **Русская речь** — [GigaAM-v3](https://polza.ai/models/ai-sage/gigaam-v3.md): Обучена на русском, увереннее с именами и терминами. 0,25 ₽ за минуту
- **Сложная запись** — [Google: Chirp 3](https://polza.ai/models/google/chirp-3.md): Шум, несколько говорящих, телефонное качество. 1,15 ₽ за минуту

## Все модели подборки

Здесь тарификация не по токенам, а по минутам звука — это удобно: цену записи можно посчитать заранее, ещё до отправки. Разброс между самой дешёвой и самой дорогой моделью — в разы.

| Модель | Вендор | Цена | Единица | Подробнее |
| --- | --- | --- | --- | --- |
| [openai/whisper-large-v3-turbo](https://polza.ai/models/openai/whisper-large-v3-turbo.md) | OpenAI | 0,05 ₽ | за минуту | час — 2,88 ₽ |
| [nvidia/parakeet-tdt-0.6b-v3](https://polza.ai/models/nvidia/parakeet-tdt-0.6b-v3.md) | NVIDIA | 0,11 ₽ | за минуту | час — 6,48 ₽ |
| [openai/whisper-large-v3](https://polza.ai/models/openai/whisper-large-v3.md) | OpenAI | 0,11 ₽ | за минуту | час — 6,48 ₽ |
| [aiesa/transcribe](https://polza.ai/models/aiesa/transcribe.md) (данные в РФ) | aiesa | 0,12 ₽ | за минуту | час — 7,2 ₽ |
| [qwen/qwen3-asr-flash-2026-02-10](https://polza.ai/models/qwen/qwen3-asr-flash-2026-02-10.md) | Qwen | 0,15 ₽ | за минуту | час — 9,06 ₽ |
| [mistralai/voxtral-mini-transcribe](https://polza.ai/models/mistralai/voxtral-mini-transcribe.md) | Mistral AI | 0,22 ₽ | за минуту | час — 12,96 ₽ |
| [ai-sage/gigaam-v3](https://polza.ai/models/ai-sage/gigaam-v3.md) (данные в РФ) | ai-sage | 0,25 ₽ | за минуту | час — 15,04 ₽ |
| [openai/gpt-4o-mini-transcribe](https://polza.ai/models/openai/gpt-4o-mini-transcribe.md) | OpenAI | 0,35 ₽ | за минуту | час — 21,06 ₽ |
| [aiesa/transcribe-fast](https://polza.ai/models/aiesa/transcribe-fast.md) (данные в РФ) | aiesa | 0,4 ₽ | за минуту | час — 24 ₽ |
| [openai/whisper-1](https://polza.ai/models/openai/whisper-1.md) | OpenAI | 0,43 ₽ | за минуту | час — 25,92 ₽ |
| [openai/gpt-4o-transcribe](https://polza.ai/models/openai/gpt-4o-transcribe.md) | OpenAI | 0,7 ₽ | за минуту | час — 42,11 ₽ |
| [google/chirp-3](https://polza.ai/models/google/chirp-3.md) | Google | 1,15 ₽ | за минуту | час — 69,18 ₽ |

## Какую выбрать

- **Много часов и нужна цена.** Whisper Large V3 Turbo — одна из самых дешёвых минут в каталоге. На архиве из сотни часов разница с премиальными моделями считается тысячами рублей.
- **Русская речь с именами и терминами.** GigaAM-v3 обучена на русском и лучше держит фамилии, названия и отраслевые слова. Она дороже Whisper, но на русском материале ошибок меньше.
- **Данные не должны уходить за границу.** GigaAM-v3 и обе модели Aiesa развёрнуты на площадках с отметкой о хранении данных в России — это видно на карточке модели.
- **Запись плохого качества.** Chirp 3 от Google — одна из самых дорогих минут, но лучше остальных вытягивает шум, несколько говорящих и телефонное качество.
- **Расшифровка прямо в приложении.** Parakeet от NVIDIA и Voxtral Mini — компактные модели с низкой задержкой. Годятся, когда текст нужен почти сразу, а не через минуту.

## Как подключить

Ключ берётся в кабинете и начинается с `pza_`. Эндпоинт подборки — `/api/v1/audio/transcriptions`, модель — `openai/whisper-large-v3-turbo`.

расшифровка · один файл:

```
# тарификация по минутам звука, формат как у OpenAI
curl https://polza.ai/api/v1/audio/transcriptions \
  -H "Authorization: Bearer $POLZA_API_KEY" \
  -F file=@interview.mp3 \
  -F model=openai/whisper-large-v3-turbo
```

## Сколько это стоит

| Модель | Часовое интервью | Рабочая неделя созвонов, 10 часов | Архив на 100 часов |
| --- | --- | --- | --- |
| openai/whisper-large-v3-turbo | 2,88 ₽ | 28,8 ₽ | 288 ₽ |
| mistralai/voxtral-mini-transcribe | 12,96 ₽ | 130 ₽ | 1 296 ₽ |
| google/chirp-3 | 69,18 ₽ | 692 ₽ | 6 918 ₽ |

## А бесплатно?

Бесплатные расшифровщики обычно ограничены десятью-пятнадцатью минутами на файл и не дают API — то есть автоматизировать поток записей не выйдет. Локальный Whisper бесплатен, но требует видеокарты и времени на настройку. В Polza.ai час записи стоит меньше стакана кофе и расшифровывается через API.

## Онлайн или по API

Веб-сервис удобен для одного файла: загрузил, подождал, скопировал. Через API то же самое становится частью процесса — папка записей расшифровывается скриптом, текст сразу уходит в вашу систему, а цена считается по минутам заранее.

python · папка записей:

```
from openai import OpenAI
from pathlib import Path

client = OpenAI(api_key=KEY, base_url="https://polza.ai/api/v1")

for path in Path("records").glob("*.mp3"):
    text = client.audio.transcriptions.create(
        model="openai/whisper-large-v3-turbo",
        file=path.open("rb"),
    ).text
    path.with_suffix(".txt").write_text(text)
```

- Часовое интервью — 2,88 ₽ по каталогу
- Рабочая неделя созвонов, 10 часов — 28,8 ₽ по каталогу
- Архив на 100 часов — 288 ₽ по каталогу

## Если не работает

- **401 Unauthorized.** Ключ скопирован не целиком. Рабочий начинается с `pza_` и передаётся заголовком `Authorization: Bearer pza_...`.
- **402 или «недостаточно средств».** Кончился баланс. Он общий на все модели и не сгорает — пополните в кабинете.
- **404 на модели.** Забыт префикс вендора: не `veo3`, а `google/veo3`. Проверить написание можно запросом к `/api/v1/models`.
- **Модель не отвечает на адресе чата.** Расшифровка идёт через `/api/v1/audio/transcriptions`, а не через `/api/v1/chat/completions`.
- **Длинный файл обрывается.** У моделей есть предел на длину одного файла. Длинную запись надёжнее резать на куски по несколько минут и склеивать текст.

## Частые вопросы

### Какая модель лучше для русского?

GigaAM-v3 — её учили на русском материале, она увереннее с именами и терминами. Whisper Large V3 дешевле и на чистой записи почти не уступает.

### Сколько стоит расшифровать час?

Polza.ai тарифицирует поминутно: от 0,05 ₽ за минуту на самой дешёвой модели. Цена часа на трёх моделях — в разделе со стоимостью.

### Можно расшифровать видео?

Да, звуковая дорожка распознаётся так же. Отдельно оплачивать видео не нужно — считаются минуты звука.

### Ставятся ли знаки препинания?

Да, современные модели расставляют пунктуацию и заглавные буквы сами. Разделение по говорящим зависит от модели.

### Данные остаются в России?

В каталоге Polza.ai у GigaAM-v3 и моделей Aiesa на карточке стоит отметка о хранении данных в РФ. У остальных запросы уходят к вендору.

### Нужен ли VPN?

Нет. Polza.ai принимает запросы на российском адресе polza.ai, VPN не нужен.

### Можно оплатить по счёту?

Да. Polza.ai выставляет счёт ООО и ИП, работает по договору с российским юрлицом и каждый месяц присылает закрывающие документы.

### Один ключ на все модели?

Да. Polza.ai выдаёт один ключ и общий баланс на весь каталог: модель переключается строкой с идентификатором, второй ключ и второй договор не нужны.

## Ссылки

- Документация: https://polza.ai/docs
- Каталог моделей: https://polza.ai/models/llms.txt
- Страница: https://polza.ai/collections/stt
- Обновлено: 2026-10-01