Whisper — одна из самых точных открытых моделей распознавания речи, доступна как в виде готовых сервисов на её основе, так и для самостоятельного запуска. Хорошо справляется с русским языком, включая профессиональную терминологию, но качество падает при плохом звуке или сильных фоновых шумах.
Специализированы на русском языке и часто точнее иностранных моделей в распознавании имён, топонимов и специфических для России терминов. Доступны напрямую из России без VPN, что удобно для регулярного использования.
Многие сервисы видеозвонков уже включают автоматическую расшифровку и даже краткое резюме встречи — это самый быстрый способ получить текстовую версию созвона без дополнительных инструментов, хотя точность обычно чуть ниже специализированных моделей.
Основные факторы: несколько говорящих одновременно, сильный акцент или диалект, профессиональный жаргон вне основной тематики модели, плохое качество записи (шум, эхо). Для важных материалов (интервью для публикации, юридически значимые записи) финальный текст всегда стоит сверить с аудио вручную.