Бесплатная транскрибация видео в текст и субтитры на своём компьютере: метод localhost вместо подписок

Ты платишь за обёртку

Александр Юшкевич — переводчик английского по образованию, «чисто гуманитарий», как он сам говорит. Разработкой занимается с 2021 года, нейросетями — с конца 2022-го, а Cursor открыл на NeyroSummit в декабре и к апрелю собрал 16 проектов. На NeyroSummit 16 он показал два из них: транскрибатор и видеоредактор, которые работают у него на компьютере и открываются в браузере. Так получается транскрибация видео в текст бесплатно и субтитры на ролик без чужого водяного знака — без подписки и без сервера.

Отправная точка доклада — четыре «боли», которые Александр называет цифровой зависимостью: Telegram тормозит (бот для транскрибации, куда кидаешь файлы, грузит их всё дольше), подписки стоят денег, серверы дорожают, а доступ к зарубежным сервисам требует отдельных усилий. Пример с подписками у него конкретный: чтобы пользоваться сервисом автомонтажа Submagic по API, нужен тариф Business — 69 долларов в месяц или 41 доллар при годовой оплате (цены и условия на 16.04.2026; к октябрю API есть уже во всех платных тарифах Submagic, хоть и в разном объёме, — см. «Дополнение редакции» ниже).

Главное наблюдение: по словам Александра, такие сервисы построены «на том же самом Whisper, на том же самом FFmpeg». Это его оценка, а не данные о конкретном продукте. Но логика понятна: распознавание речи, нарезка, субтитры, водяные знаки — всё это умеют бесплатные open-source программы. Чего у тебя нет — удобной оболочки. А её сегодня можно навайбкодить.

Localhost: что это и почему сервису не нужен сервер

Localhost — это адрес твоего собственного компьютера. Программа запускается у тебя, а ты открываешь её в браузере по адресу вида localhost:8000 — как обычный сайт, только сама страница никуда в интернет не уходит. Уходят данные, которые ты сам отправишь во внешние сервисы: если в сервисе включено облачное распознавание или обработка через OpenRouter, файл или текст поедет туда. Александр определяет метод так: инструменты из open-source компонентов, которые запускаются на твоём компьютере «без подписок, без облаков, с полным вашим контролем».

Он разводит два понятия. Первое — когда что-то ставишь на сервер и получаешь временную ссылку по IP-адресу. Второе — когда сервис живёт у тебя. Для личного инструмента хватает второго; сервер нужен, только когда пользоваться будут другие люди (это правило из его гайда к докладу мы уже разбирали в статье что такое вайбкодинг).

Отсюда и выигрыш, ради которого всё затевается: «тебе всё равно, что тебя замедляют, потому что всё работает на адресе 8000 или 3000». Обратная сторона — скорость зависит от твоего железа. Александр честно предупреждает: у него старый компьютер, и это видно по времени обработки.

Пять кирпичиков: Whisper, FFmpeg, yt-dlp, MoviePy и стоки

Фундамент метода — бесплатные программы, которые Александр перечисляет одну за другой:

Сверху — то, что можно добавить по задаче: Ollama, чтобы запускать языковые модели на своём компьютере (Александр называл DeepSeek, Qwen и Llama), локальный синтез речи вместо ElevenLabs для проектов попроще, n8n для автоматизаций.

Склеивает всё это ИИ-агент. Александр не программист и признаётся, что сам не всегда знает, библиотека перед ним или программа: «для меня это программка». Свои сервисы он собирал в Genspark; ошибки «просто кидает в чат», и агент их правит. Подойдёт любой агент, в котором тебе удобно, — Claude Code, Cursor, Codex.

Free tier stacking: бесплатный транскрибатор аудио в текст из нескольких сервисов

Локальный Whisper бесплатен, но на слабом компьютере медленный. Поэтому в транскрибаторе Александра под капотом три облачных сервиса распознавания — Deepgram, AssemblyAI и Gladia. На 16.04.2026, по его словам, Deepgram давал 200 долларов бесплатных кредитов, AssemblyAI — 50 долларов, Gladia — 10 часов в месяц. Кредиты Deepgram, подчёркивает он, «не сгорают, это не помесячное»: сколько выработал, столько выработал. По его оценке, одних только кредитов Deepgram хватает примерно на 430–600 часов записи.

Склейку бесплатных уровней разных поставщиков Александр называет free tier stacking: объединяешь их в одном интерфейсе — и получаешь «практически бесконечный» бесплатный транскрибатор.

Здесь важная оговорка. На докладе прозвучал и другой совет: менять API-ключи и заводить новые аккаунты на новые адреса почты, чтобы снова получить стартовые кредиты. Этого мы не советуем и в метод не включаем: так нарушаются условия сервисов, а аккаунт можно потерять вместе с историей. Честный вариант free tier stacking — по одному аккаунту у разных поставщиков плюс локальный Whisper как запас, у которого лимита нет вообще.

Бесплатный транскрибатор: что умеет сервис Александра

Свой транскрибатор Александр называет VoxCraft; на докладе он показывал пятую версию. Запуск — двойным щелчком по файлу start.bat: стартует программа на Python, и в браузере открывается её страница. По шагам это выглядит так:

1. Вставить API-ключ Deepgram (где его взять — написано в самом сервисе).
2. Включить диаризацию — разметку, кто говорит, — и выбрать язык.
3. Включить обработку нейросетью через OpenRouter: один API на сотни моделей, цена каждой видна сразу. В демо стояла GPT-4.1 mini.
4. Выбрать шаблон результата: краткое резюме, конспект встречи, дорожная карта, пересказ — или свой промпт, например «протокол встречи».
5. Загрузить один файл, пачку файлов (в демо шесть видео, одно — на 519 МБ, предел — 2 ГБ) или ссылку на видео, канал или плейлист.
6. Скачать текст, файл SRT с таймкодами или весь пакет архивом ZIP.

Пакет из шести записей обработался прямо во время доклада, и, по словам Александра, это не стоило ни копейки — пока хватает бесплатных кредитов. Ведущий саммита подтвердил, что пользуется этим транскрибатором сам: «очень удобный и быстрее».

Собрать такой сервис можно разговором с агентом. На докладе ТЗ не показывали — ниже реконструкция по методу Александра.

Собери мне личный веб-сервис для транскрибации, который работает только на моём компьютере.

Стек: Python, простой веб-интерфейс в браузере. Сервер слушает только 127.0.0.1, порт 8000. Запуск одной командой: start.bat для Windows и start.sh для Mac и Linux. Все зависимости — в requirements.txt, инструкция установки — в README.md простыми словами.

Что умеет:
1. Загрузка одного файла или пачки файлов (аудио и видео до 2 ГБ) перетаскиванием.
2. Распознавание: основной движок — Deepgram по API-ключу; если ключа нет или кредиты кончились — локальный faster-whisper (модель выбирается в настройках: small, medium, turbo).
3. Переключатель режима «только локально»: в нём отключены и облачное распознавание, и отправка текста в OpenRouter, а интерфейс прямо пишет, что данные не покидают компьютер.
4. Настройки: язык, разметка спикеров (диаризация) — через Deepgram; для локального режима предложи отдельный компонент (например, WhisperX) или честно скажи, что разметки там не будет.
5. Результат: текст, файл SRT с таймкодами; для пачки — архив ZIP.
6. Необязательная обработка нейросетью через OpenRouter: выбор модели из списка, шаблоны «краткое резюме», «конспект встречи», «протокол встречи», «свой промпт».

Правила:
- API-ключи храни в файле .env, не в коде; в интерфейсе показывай ключ звёздочками.
- Ничего не отправляй в интернет, кроме запросов к выбранным мной API.
- Показывай прогресс по каждому файлу и понятную ошибку, если файл не обработался.

Работай по шагам: сначала план и структура папок, жди моего «ок», потом минимальная версия с одним файлом и faster-whisper, потом остальное.

Своя замена Submagic: субтитры, логотип и B-roll на готовый ролик

Второй сервис — VideoForge, который Александр сделал как замену Submagic «не за 69 долларов, а за 0». В Submagic, по его словам, на апрель на бесплатном аккаунте было три видео, а дальше — снова регистрироваться или платить (к октябрю бесплатного тарифа на странице цен нет — только пробный период, см. ниже). Его сервис запускается так же: файл, браузер, localhost.

Что он показал на ролике, созданном в HeyGen:

• склейку нескольких видео перетаскиванием, обрезку и ускорение;
• логотип в правый угол;
• субтитры в разных стилях — в демо «Neon outline» по два слова — с предпросмотром, где они встанут;
• Magic B-rolls: сервис сам ищет на стоке ролики по смыслу текста и вставляет их в нужные места — в демо нашёл пять;
• фоновую музыку и интро-аутро.

Потом — кнопка «Обработать видео». На его компьютере короткий ролик собирался около пяти минут. Если делаешь несколько видео в день, это нормально, говорит Александр, а на компьютере помощнее будет быстрее.

Собери мне личный веб-сервис для обработки коротких вертикальных видео, который работает на моём компьютере.

Стек: Python, FFmpeg, faster-whisper, MoviePy; веб-интерфейс в браузере; сервер слушает только 127.0.0.1. Запуск одной командой для Windows, Mac и Linux, инструкция — в README.md.

Шаги обработки:
1. Загрузка одного или нескольких видео; склейка в заданном порядке, обрезка начала и конца, ускорение.
2. Расшифровка речи локально (faster-whisper) с таймкодами по словам.
3. Субтитры: 5–6 стилей на выбор, по [число] слова на экране, положение (низ / центр); перед рендером — правка текста и таймингов субтитров в интерфейсе и предпросмотр кадра с субтитрами.
4. Логотип из PNG в выбранный угол.
5. Вставки B-roll: по тексту фрагментов подобрать ролики через Pexels API и вставить поверх видео на 2–3 секунды; в конце видео — строка с указанием Pexels и авторов роликов.
6. Фоновая музыка из моего файла с приглушением под речь; интро и аутро — по желанию.
7. Рендер в MP4 1080×1920, прогресс на экране.

Правила: ключ Pexels — в файле .env; ничего, кроме запросов к Pexels, в интернет не отправляй. Сначала план и структура, жди моего «ок», потом версия с субтитрами и логотипом, потом остальное.

Что на самом деле бесплатно, а что — нет

Зал на докладе поймал противоречие: сначала «бесплатные инструменты без подписок», а через пять минут — «вопросы, где бесплатно, — забываем». Александр имел в виду, что гнаться за «бесплатно» как за целью не стоит: лучше поставить цель сделать вещь и, может быть, продать её — «навайбкодить за 20 долларов, продать за 100». Поэтому вот честная арифметика метода:

Сравнивать стоит с подпиской за год или три: по словам Александра, сумма выходит «довольно приличная» — именно её метод и экономит.

Чужой .bat, чужие видео, чужие голоса: правила безопасности

Чужой скрипт. Александр раздавал первую версию транскрибатора архивом и сам предупредил: если запускать такие файлы от незнакомых людей, «можно подсеять кое-что себе». Файл .bat выполняет на компьютере любые команды. Правило простое: прежде чем запускать чужой архив, покажи его ИИ. Только помни, что такая проверка предварительная: ИИ видит лишь то, что ты ему вставил, а скрипт может скачать остальное потом. Отдельная папка от этого не защищает — программа, запущенная от твоего имени, видит и остальные твои файлы. Сомнения остались — не запускай или запускай в изолированной среде: в виртуальной машине или на отдельной учётной записи без доступа к рабочим файлам и ключам. Свой сервис по промпту выше надёжнее не потому, что ты читаешь каждую строку, а потому, что знаешь, откуда взялся код и что ты заказывал; ту же проверку прогоняй и на нём. Нет Windows и не хочется «батник» — попроси ИИ переделать запуск под свою систему (подробнее — в вопросах ниже).

Я получил архив с программой и хочу её запустить. Ниже — содержимое всех исполняемых файлов из архива.

Проверь и ответь по пунктам:
1. Что каждый файл делает — простыми словами, по шагам.
2. Что он скачивает из интернета и откуда.
3. Куда он пишет на диске, меняет ли системные настройки, автозагрузку, переменные окружения.
4. Отправляет ли он куда-то мои файлы, ключи или данные.
5. Есть ли что-то подозрительное: обфусцированный код, base64, скачивание и запуск исполняемых файлов, отключение защиты.
6. Вердикт: можно запускать / можно с правками (какими) / не запускать.

Если чего-то не видно из текста — так и скажи, не додумывай.

[содержимое файлов]

Чужой контент. yt-dlp скачивает видео с множества площадок, а транскрибатор Александра принимает ссылку на целый канал или плейлист. Используй это для своих роликов и тех, на которые у тебя есть разрешение автора. Правила площадок часто запрещают скачивание без разрешения: например, условия YouTube запрещают скачивать контент сервиса, если сам сервис или правообладатель этого прямо не разрешили (условия YouTube, проверено 22.10.2026).

Чужие голоса. Запись созвона с клиентами — это чужие голоса и часто персональные данные. Такие записи расшифровывай локальным Whisper, а не в облаке: облачные сервисы распознавания из доклада — зарубежные.

Когда без сервера не обойтись

Метод localhost — для твоих личных инструментов. Как только сервисом пользуются другие люди или он должен работать круглосуточно (бот в Telegram, сервис для клиента), нужен сервер. Александр арендует его у Beget и предлагает для пробы временный сервер — по его словам, на апрель около 11 рублей в день: потренировался, повторил, удалил, чтобы не платить.

Как собрать на таком сервере бота с ИИ, Александр подробно разобрал в другом докладе — статья бот-секретарь для Телеграм за вечер. А следующая ступень того же принципа «собирай из кирпичиков» — его конвейер, который делает клип из фото с песней.

С чего начать сегодня

Вопросы и ответы