Как расшифровать аудио в текст в Obsidian?

Облако или локально: в чём разница

Облачная расшифровка (OpenAI Whisper API, Groq, Deepgram) быстрая и точная, работает на любом устройстве, но запись уходит на серверы сервиса и оплачивается по минутам. Из России оплата большинства таких API российской картой невозможна.

Локальная расшифровка бесплатна и приватна: модель скачивается на устройство один раз. Но она медленнее, особенно на телефонах, и более крупные модели требуют памяти.

Как расшифровывать длинные записи встреч

Плагины рассчитаны на короткие голосовые. Для часовой встречи удобнее специализированный сервис: он делит запись на части, различает спикеров и делает саммари. В Obsidian потом вставляется готовый текст с решениями и задачами.

Как улучшить качество расшифровки

• Записывайте ближе к микрофону и без фоновой музыки.
• Указывайте язык записи в настройках плагина вместо автоопределения.
• Для имён и терминов добавьте подсказку (prompt) в Whisper — модель будет писать их правильно.
• Длинные записи режьте на части по 10–20 минут.

Что важно знать

• Проверьте, поддерживает ли модель русский язык и как она справляется с несколькими спикерами.

Как это устроено в Fast Notes

Fast Notes расшифровывает голосовые и записи встреч с разделением по спикерам и сразу делает саммари, договорённости и задачи — без ключей API.

Источники

• Obsidian plugin: Whisper
• Obsidian plugin: Voice Scribe (локальная расшифровка)
• Obsidian plugin: AI Audio Transcription and Summary