Интервью можно превратить в стенограмму с разметкой спикеров и метками времени, не отдавая запись ни одному облачному сервису: для этого есть бесплатная программа noScribe для Windows, macOS и Linux. На обычном компьютере час разговора, по данным самого проекта, обрабатывается от одного до трёх часов. Видеокарта NVIDIA сокращает это ожидание, и исследователю или небольшой команде хватает станции с одной RTX PRO на 24 ГБ.

Материал для социологических служб, агентств маркетинговых исследований, редакций и консалтинговых компаний, которые пообещали респондентам конфиденциальность. Ниже о возможностях noScribe, украинском и русском, времени обработки, требованиях Закона № 2297-VI, импорте в MAXQDA и выборе станции.

Коротко

  • Бесплатная программа noScribe (GPL-3.0) делает стенограммы интервью полностью локально: речь распознаёт Whisper через faster-whisper, спикеров размечает pyannote.
  • На обычном компьютере час интервью обрабатывается от одного до трёх часов; сборке для Windows с CUDA нужна карта NVIDIA от 6 ГБ и драйвер 570.65 или новее.
  • В режиме «precise» noScribe использует Whisper large-v3-turbo: в рейтинге Handy на FLEURS это 7,31 % WER для украинского и 5,93 % для русского; README не относит эти языки к основным.
  • Метки времени [hh:mm:ss] из noScribe MAXQDA читает из файлов DOCX и RTF, так что стенограмму, сохранённую из Word, по нашему прочтению можно импортировать с привязкой к аудио.
  • Интервью часто содержат особые категории данных из статьи 7 Закона № 2297-VI; локальная транскрибация не добавляет внешнего обработчика.

Что noScribe делает с интервью

README описывает noScribe как приложение для качественных стенограмм интервью в социальных исследованиях и журналистике. Оно распространяется по GPL-3.0, распознаёт речь моделью Whisper от OpenAI через faster-whisper, а спикеров размечает через pyannote. Официальный сайт noscribe.de обещает, что облака нет и всё остаётся на вашем компьютере. Установщик весит около 3 ГБ, потому что уже содержит модели, так что после установки интернет не нужен.

Настройка Что делает Примечание
Язык автоопределение, фиксированный язык или «multilingual» multilingual экспериментальный
Распознавание спикеров pyannote с заданным числом спикеров или «auto» «none» пропускает шаг
Одновременная речь отмечает, когда двое говорят вместе экспериментально
Слова-паразиты записывает междометия и оборванные слова для модели это скорее «рекомендация»
Паузы «(..)» для паузы в две секунды одна точка на секунду
Метки времени [hh:mm:ss] при смене спикера или каждые 60 секунд нужны для привязки к аудио
Качество «precise» или «fast» fast рассчитан на более медленные машины

Источник: README noScribe на GitHub, прочитано 30.10.2026.

После обработки редактор открывает стенограмму рядом с записью: Ctrl и пробел воспроизводят аудио с позиции курсора с регулируемой скоростью, так что имена и числа проверяют на месте. Версия 0.7 добавила пакетную обработку и командную строку, а последний по состоянию на октябрь 2026 года релиз 0.7.2 добавил режим без интерфейса для серверов. Результат сохраняется в HTML, как обычный текст или в WebVTT для EXMARaLDA. Проект предупреждает, что домен noscribe(dot)ai продаёт платные услуги и к автору отношения не имеет; код лежит на GitHub в kaixxx/noScribe.

Украинский и русский в noScribe

По README, Whisper понимает около 60 языков с очень разным качеством, лучше всего испанский, итальянский, английский, португальский и немецкий. Украинского и русского в этом списке нет, хотя опубликованные измерения для обоих языков неплохие. Режим «precise», судя по инструкции по установке в README (прочитано 13.11.2026), работает на faster-whisper-large-v3-turbo; в рейтинге Handy у turbo на FLEURS 7,31 % WER для украинского и 5,93 % для русского. Полная large-v3 там точнее: 6,28 % и 4,96 %, а в статье NVIDIA (arXiv 2509.14128) 6,51 % и 4,17 %. Это прочитанные вслух предложения; интервью с паузами и разговорной лексикой дадут больше ошибок. Сравнение моделей есть в статье о распознавании украинского и русского локально.

Респонденты часто переходят с украинского на русский и обратно. Режим «multilingual» проект сам называет экспериментальным, а измерений на суржике или смешанной речи мы не нашли. Сравните на одном типичном интервью фиксированный язык с «multilingual» и считайте ошибки в русских фрагментах отдельно. С версии 0.6 noScribe принимает собственные модели Whisper, так что вместо turbo можно подключить large-v3. Заработает ли дообученная на украинском BuzzASR/ukrainian (MIT), мы не проверяли.

Карточка pyannote не приводит DER для украинского или русского; о моделях диаризации и их требованиях к GPU есть статья о диаризации на собственном сервере.

Сколько длится транскрибация на CPU и на GPU

Сайт noScribe даёт ориентир для обычного компьютера: от одного до трёх часов обработки на час интервью, на старых машинах дольше, поэтому задачи советуют ставить в очередь на ночь. Видеокарта NVIDIA с CUDA, по словам сайта, может существенно ускорить работу. Сборке для Windows нужна карта минимум с 6 ГБ видеопамяти, драйвер 570.65 или новее и установленный CUDA Toolkit.

Собственных замеров на GPU проект не публикует. Статья об Open ASR Leaderboard (arXiv 2510.06961v3) даёт для Whisper large-v3 на одной A100-SXM4-80GB с пакетами по 64 RTFx 145,5, то есть 145,5 секунды аудио за секунду вычислений; по нашему расчёту, часовое интервью там распознаётся примерно за 25 секунд. WhisperX заявляет в пакетном режиме скорость в 70 раз выше реального времени на large-v2 и меньше 8 ГБ памяти. Эти цифры получены на другом железе без разметки спикеров. Реальное время noScribe определяют режим «precise» или «fast», разметка спикеров, их число, качество звука и карта, так что обработайте на станции одно типичное интервью и планируйте очередь от этого замера.

Интервью как персональные данные: что говорит Закон № 2297-VI

Исследовательские и журналистские интервью часто затрагивают особые категории из статьи 7 Закона № 2297-VI: этническое происхождение, политические и религиозные убеждения, членство в партиях и профсоюзах, здоровье, судимость. Обрабатывать их можно только в исключениях части 2 этой статьи, среди которых однозначное согласие человека. Запись голоса с именем в любом случае содержит персональные данные, как и стенограмма до псевдонимизации. Нужно одно из шести оснований статьи 11, а по статье 12 респонденту сообщают, кто владелец, какова цель, кому данные передают и какие у него права, в том числе отозвать согласие.

Облачный сервис транскрибации обрабатывает записи от вашего имени как распорядитель, и с ним нужен договор. Если данные уходят за пределы ЕЭЗ и государств Конвенции Совета Европы 108, передача возможна только по исключениям части 4 статьи 29, например по явному согласию. Локальная транскрибация внешнего участника не добавляет. Об обработке с особым риском, к которой Уполномоченный Верховной Рады Украины по правам человека относит, в частности, данные о здоровье, ему сообщают в течение 30 рабочих дней после её начала (статья 9).

Три шага помогают при любом способе:

  • Документы проекта. Проверьте, что форма согласия и план работы с данными говорят о том, кто и где расшифровывает записи.
  • Шифрование. Храните аудио на зашифрованном диске и удаляйте его тогда, когда этого требует согласие или план.
  • Ранняя псевдонимизация. Замените имена, работодателей и места кодами, а таблицу соответствий храните отдельно; замены может предложить локальная языковая модель, а проверяет человек.

Действуют ли особые правила для научных исследований и журналистских источников, подтвердят юрист или этическая комиссия. Законопроект № 8153 по состоянию на ноябрь 2026 года не принят; это общая информация, а не юридическая консультация.

От стенограммы к MAXQDA, ATLAS.ti или Word

HTML-файл, по README, открывается в Word, LibreOffice и программах качественного анализа MAXQDA, ATLAS.ti и QualCoder. Для привязки к аудио в MAXQDA стенограмма должна идти через DOCX или RTF. Справка MAXQDA (прочитано 30.10.2026) среди распознаваемых меток времени называет [hh:mm:ss] и формат #hh:mm:ss-x# сервиса f4x, преобразует их в собственные, советует держать стенограммы и медиафайлы в одной папке с одинаковыми названиями и при импорте запрашивает медиафайл.

По нашему прочтению, метки noScribe соответствуют одному из этих форматов. Включите метки времени в noScribe, откройте HTML в Word или LibreOffice, сохраните как DOCX рядом с аудио под тем же названием и импортируйте в MAXQDA как стенограмму с метками времени. Проверьте это на одном интервью до старта проекта. Файлы субтитров VTT справка MAXQDA тоже перечисляет, так что экспорт VTT становится вторым путём.

Правила транскрибирования определяют до выбора программы: дословная стенограмма с междометиями, паузами и оборванными словами или очищенная. Настройку междометий модель воспринимает лишь как рекомендацию, поэтому человек всё равно вычитывает текст по аудио.

Какая видеокарта нужна для расшифровки интервью

noScribe работает на рабочей станции, поэтому первый уровень стоит на столе у человека или команды, которая расшифровывает интервью. Языковая модель добавляется, когда нужны резюме, первые коды или ответы по многим интервью. Сколько токенов занимает час украинского интервью, зависит от токенизатора, и опубликованного подсчёта для gpt-oss мы не нашли; сессию на 32 768 токенов мы закладываем на одно интервью с инструкцией и ответом, поэтому проверьте это на своей стенограмме.

Уровень Оборудование Что работает Для кого Почему
Начальный станция, 1 × RTX PRO 4000 SFF Blackwell (24 ГБ) noScribe с разметкой спикеров один исследователь или небольшая команда, очередь на ночь намного больше минимальных 6 ГБ; Whisper large около 10 ГБ
Начальный с резюме станция, 1 × RTX PRO 5000 Blackwell (48 ГБ) noScribe и gpt-oss-20b проектная команда 17,9 ГиБ остаётся на 23 сессии по 32K токенов
Средний станция, 1 × RTX PRO 6000 Workstation Edition (96 ГБ) noScribe и gpt-oss-120b социологическая служба или агентство с несколькими проектами 12,9 ГиБ остаётся на 11 сессий по 32K токенов
Большой сервер с RTX PRO 6000 Server Edition или L40S общее веб-приложение для транскрибации и LLM много проектов и пользователей одновременно учётные записи, параллельные задачи, монтаж в стойку

Источник: память GPU по данным NVIDIA; минимум noScribe по README; Whisper по репозиторию OpenAI (10 ГБ = 9,3 ГиБ); полезная память по нашему правилу (90 % памяти, которую видит драйвер, минус 3 ГиБ, минус веса): 40,0 ГиБ на 48 ГБ и 83,0 ГиБ на 96 ГБ; gpt-oss-20b 12,8 ГиБ и 0,75 ГиБ на сессию 32K, gpt-oss-120b 60,8 ГиБ и 1,125 ГиБ на сессию; наша оценка без модели диаризации, память которой карточка не указывает.

Начальный уровень. У RTX PRO 4000 SFF Blackwell 24 ГБ GDDR7 при 70 Вт, вчетверо больше минимума noScribe. Этого хватает одному исследователю или команде, которая делит машину и оставляет очередь на ночь.

С резюме. На RTX PRO 5000 Blackwell (48 ГБ, 300 Вт) остаётся 40,0 ГиБ; gpt-oss-20b занимает 12,8, Whisper около 9,3, а оставшиеся 17,9 ГиБ вмещают 23 сессии, так что несколько человек могут одновременно запрашивать резюме или первые коды. То, что пишет модель, остаётся черновиком для исследователя. Качество на украинском проверьте отдельно: на грамматическом бенчмарке UNLP 2026 даже gpt-oss-120b набирает около 55 %.

Средний уровень. Станция с RTX PRO 6000 Blackwell Workstation Edition (96 ГБ, 600 Вт) запускает gpt-oss-120b рядом с транскрибацией и, по нашей оценке, берёт из розетки около 1,1 кВт, что выдерживает обычная офисная линия 230 В. Вторая такая карта удваивает место для параллельной работы, и две считаются практическим пределом для этой версии. Из-за отключений такую станцию стоит подключать через ИБП (см. статью о питании станции с несколькими GPU).

Большой уровень. Когда много проектов работают одновременно, а записи загружают через браузер, работа переходит на общий сервер; веб-приложения для этого сравниваются в статье об альтернативе Otter на собственном сервере. Конфигурацию под количество интервью в месяц ETE рассчитывает от реальной нагрузки.

Настройка noScribe на станции с GPU

  1. Сборка с CUDA. В Windows нужны минимум 6 ГБ видеопамяти, драйвер NVIDIA 570.65 или новее, CUDA Toolkit и перезагрузка. У карт RTX PRO Blackwell вычислительная способность 12.0; первой транскрибацией проверьте, что GPU задействован.
  2. Командная строка. noScribe.exe --help показывает параметры, --no-gui запускает обработку из скриптов.
  3. Без сети. Модели входят в установщик; если этого требуют ваши правила, заблокируйте исходящий трафик станции.
  4. Общий сервер. WhisperX 3.8.6 (25.05.2026, BSD-2-Clause) добавляет метки времени для слов и диаризацию pyannote; для неё нужны токен Hugging Face и принятые условия модели. Стандартные модели выравнивания WhisperX для немецкого, французского, испанского и итальянского имеют некоммерческую лицензию CC BY-NC 4.0. Для украинского и русского WhisperX берёт другие модели, поэтому перед коммерческим использованием проверьте лицензию именно той, что выравнивает ваши записи.
  5. Хранение. Зашифруйте диск с данными, включите его в план резервного копирования и задайте сроки удаления для каждого проекта.
  6. Одна карта, две программы. Если языковая модель работает в vLLM рядом с noScribe, уменьшите --gpu-memory-utilization от стандартных 0.92, потому что vLLM резервирует эту долю памяти при старте.

Частые вопросы

Можно ли расшифровать интервью локально, без облака?

Да. noScribe работает в Windows, macOS и Linux и транскрибирует на вашем компьютере с разметкой спикеров и метками времени. Модели поставляются с установщиком, поэтому интернет не нужен.

Распознаёт ли noScribe украинский язык?

Да, через Whisper. Стандартная модель режима «precise», large-v3-turbo, в рейтинге Handy даёт 7,31 % WER на украинском FLEURS; полную large-v3 (6,28 %) можно подключить как собственную модель. Для смешанной украинско-русской речи есть только экспериментальный режим «multilingual», поэтому проверьте точность на собственном интервью.

Сколько видеопамяти нужно noScribe?

Сборка с CUDA для Windows работает с картами NVIDIA от 6 ГБ и драйвером 570.65 или новее. Карта на 24 ГБ вмещает noScribe и Whisper large с запасом.

Сколько времени занимает расшифровка часа интервью?

На обычном компьютере от одного до трёх часов, по данным noscribe.de. Замеров на GPU проект не публикует, поэтому обработайте на станции одно своё интервью.

Как импортировать стенограмму noScribe в MAXQDA?

Включите метки времени [hh:mm:ss], сохраните HTML как DOCX в Word, положите файл рядом с аудио под тем же названием и импортируйте как стенограмму с метками времени. Так мы прочли справку MAXQDA, поэтому сначала проверьте на одном интервью.

Нужно ли согласие респондента на транскрибацию?

Нужно одно из шести оснований статьи 11 Закона № 2297-VI, а для особых категорий, например здоровья или политических взглядов, обычно однозначное согласие по статье 7. Цель и права респонденту сообщают заранее; детали подтвердит юрист.

Что из этого есть в ETE

Нужна станция для расшифровки интервью?

Напишите, сколько интервью в месяц вы записываете, на каких языках говорят респонденты и сколько человек будет работать со стенограммами. ETE рассчитает конфигурацию, а при необходимости инженеры Vixen.UNO установят noScribe и локальную языковую модель.

Обсудить задачу

Автор: Инженер ETE