Почему faster-whisper large-v3-turbo — оптимальная модель для интервью
Коротко: large-v3-turbo в составе faster-whisper даёт почти максимальную точность large-v3, но заметно быстрее — оптимальный баланс для реального времени. Меньшие модели уступают на технической лексике.
Что такое faster-whisper
Оптимизированная реализация Whisper на CTranslate2. Быстрее оригинала при том же качестве, умеет работать на GPU через CUDA. В Mockingbird распознавание выполняется локально.
Почему именно turbo
- Скорость. Turbo сокращает число шагов декодирования.
- Точность. Качество близко к large-v3.
- Реальное время. Успевает обрабатывать речь по мере поступления.
Сравнение моделей
| Модель | Точность | Скорость | Когда выбирать |
|---|---|---|---|
tiny / base | низкая | очень высокая | только CPU |
small / medium | средняя | высокая | слабый GPU |
large-v3-turbo | высокая | высокая | GPU с CUDA (рекомендовано) |
large-v3 | максимальная | ниже | сильный GPU |
Русский язык и термины
Whisper многоязычен и уверенно работает с русским. Технические термины крупные модели распознают точнее, а поверх работает фонетическая коррекция (например, «Zabix» → «Zabbix»).
Вывод
Если есть GPU — начинайте с large-v3-turbo. Не хватает ресурсов — опускайтесь по таблице. Инструкция — в документации.
Частые вопросы
Какая модель лучше для русского языка?
large-v3-turbo даёт хороший баланс. Для максимальной точности без ограничений по скорости — large-v3.
Сколько видеопамяти нужно?
Зависит от модели. Для large-v3-turbo желательно 6 ГБ и больше; при нехватке приложение переключится на CPU.
Можно ли запустить без видеокарты?
Да, но распознавание будет медленнее. Для быстрой работы рекомендуется GPU NVIDIA с CUDA.
Mockingbird — офлайн-помощник на собеседованиях: локальное распознавание речи, база знаний из резюме, ответы за 2–5 секунд. Установка занимает минуты.