Локальная транскрибация без облаков: каскад из двух моделей исправил каждую пятую ошибку

Автор, уставший упускать детали из-за бессонных ночей с ребёнком, решил автоматизировать транскрибацию встреч. Он сравнивал Whisper, Parakeet и GigaAM, а затем перебрал 32 комбинации моделей. Выяснилось, что ни одна модель в одиночку не справляется с ошибками: лучшая давала WER (словесную ошибку) 27%, что слишком много для важных переговоров.

Решение — каскад из двух моделей: первая делает черновик, вторая на его основе исправляет типичные ошибки. На записях автора это снизило WER до 21,7% — каждая пятая неточность ушла. Весь процесс работает локально, без облаков. Приложение для Mac уже бесплатно, а в статье приведён промт для агента, чтобы собрать аналогичное решение самостоятельно.