Come usare Whisper gratis sul tuo computer (installazione, comandi)
Installa Whisper di OpenAI con pip e ffmpeg, usa i comandi base, scegli il modello in base alla tua memoria e scopri quando conviene un servizio nel cloud.
Team Sonorarium 6 min di lettura
Risposta breve: se hai un computer discreto e la riga di comando non ti spaventa, Whisper basta, è gratis (licenza MIT) e l'audio non esce dal tuo computer. Installa ffmpeg, poi openai-whisper con pip; con una Nvidia su Windows, prima PyTorch con CUDA. Nessun editor. Se preferisci non installare nulla, Sonorarium lo esegue nel cloud (l'audio viene caricato): 15 minuti gratuiti alla creazione dell'account, senza carta. Né Whisper né noi separiamo i parlanti.
Sì, Sonorarium è il nostro strumento. I comandi e i numeri di questa guida vengono dal README ufficiale di Whisper e dai siti di ogni programma, aperti il 4 novembre 2026. I progetti open source cambiano: nel dubbio, vale il loro README.
Cosa ti serve
- Python. Il README dice che il codice dovrebbe essere compatibile con Python 3.8–3.11 e con versioni recenti di PyTorch. La scheda di
torchsu PyPI (4 novembre 2026) chiede oggi Python 3.11 o successivo; se l'installazione fallisce, prova quindi con Python 3.11 (è un nostro consiglio, non del README). - ffmpeg, per leggere audio e video.
- GPU o CPU. Whisper usa una GPU Nvidia se PyTorch ne trova una; altrimenti usa la CPU. Con la CPU funziona, ma ci mette di più. Su Windows, perché PyTorch trovi la tua Nvidia serve il passaggio PyTorch con CUDA della sezione successiva.
Installazione
Prima ffmpeg. Questi sono i comandi del README, per sistema:
# Ubuntu o Debian
sudo apt update && sudo apt install ffmpeg
# Arch Linux
sudo pacman -S ffmpeg
# macOS con Homebrew
brew install ffmpeg
# Windows con Chocolatey
choco install ffmpeg
# Windows con Scoop
scoop install ffmpeg
Su Windows, se non usi Chocolatey né Scoop, scarica ffmpeg da ffmpeg.org.
Se usi Windows e hai una scheda Nvidia, prima di Whisper c'è un passaggio in più: installare PyTorch con CUDA. Su pytorch.org scegli nel selettore il tuo sistema, Pip e la tua versione di CUDA ed esegui il comando che ti mostra; non lo copiamo qui perché cambia a ogni versione. Su Windows, il normale pip installa PyTorch solo per la CPU. Per verificare, la pagina stessa suggerisce di eseguire in Python import torch e torch.cuda.is_available(): deve restituire True.
Poi Whisper:
pip install -U openai-whisper
Comandi base
Il modello predefinito è turbo. Questi sono i comandi del README:
whisper audio.flac audio.mp3 audio.wav --model turbo
whisper japanese.wav --language Japanese
Con il tuo file e la tua lingua diventa:
whisper intervista.mp3 --model turbo --language Italian
--language: senza, Whisper rileva la lingua. Impostarla evita errori quando l'inizio dell'audio è silenzio o rumore.--output_format:txt,vtt,srt,tsv,json,jsonloall(per impostazione predefinita crea più file in una volta). Non è nel README, ma nella guida del programma (whisper --help). Per esempio,--output_format srt --output_dir sottotitolisalva solo l'SRT in quella cartella.--task translate: traduce in inglese, e basta. Il README avverte cheturbonon è addestrato per tradurre, e il suo esempio usamedium.
Da Python:
import whisper
model = whisper.load_model("turbo")
result = model.transcribe("audio.mp3")
print(result["text"])
Modelli, memoria e velocità
Questa tabella è quella del README. La velocità è relativa ed è stata misurata trascrivendo inglese su una A100, quindi sul tuo computer sarà diversa:
| Dimensione | Parametri | Solo inglese | Multilingue | VRAM richiesta | Velocità relativa |
|---|---|---|---|---|---|
| tiny | 39 M | tiny.en |
tiny |
~1 GB | ~10x |
| base | 74 M | base.en |
base |
~1 GB | ~7x |
| small | 244 M | small.en |
small |
~2 GB | ~4x |
| medium | 769 M | medium.en |
medium |
~5 GB | ~2x |
| large | 1550 M | nessuno | large |
~10 GB | 1x |
| turbo | 809 M | nessuno | turbo |
~6 GB | ~8x |
turbo è una versione ottimizzata di large-v3 che, secondo il README, trascrive più in fretta con una perdita minima di precisione. I modelli .en sono solo per l'inglese. Se la tua GPU ha poca memoria, scendi a un modello più piccolo e rileggi con più attenzione (è un nostro consiglio, non del README). Le prestazioni variano molto da una lingua all'altra.
Programmi con finestra, se non vuoi la riga di comando
| Programma | Cos'è | Licenza o prezzo |
|---|---|---|
| noScribe | App desktop per Windows, macOS e Linux basata su Whisper. Riconosce i parlanti e supporta circa 60 lingue. Il sito dice che tutto resta sul tuo computer | Gratis, GPL-3.0 |
| Buzz | Trascrive offline con Whisper, esporta in TXT, SRT e VTT e si installa da download o con pip install buzz-captions (con pip serve Python 3.12; su Mac serve Apple silicon) |
Gratis, licenza MIT |
| MacWhisper | Solo per Mac. Esporta tra l'altro in SRT, VTT, TXT e DOCX | Versione gratuita e Pro, 64 € una tantum secondo il sito |
Due avvertenze dai loro stessi siti. L'installer di noScribe pesa circa 3 GB e, secondo loro, un'ora di intervista richiede da 1 a 3 ore di trascrizione, di più su computer datati. E Buzz avvisa che il suo installer per Windows non è firmato, quindi Windows mostrerà un avviso.
Errori tipici
- Fallisce perché non trova ffmpeg. Installalo con il comando qui sopra e apri un nuovo terminale, così viene riconosciuto.
- «No module named 'setuptools_rust'». Il README dice che, se
tiktokennon ha una versione già compilata per la tua piattaforma, può servire Rust, e suggeriscepip install setuptools-rust. - «FP16 is not supported on CPU; using FP32 instead». È normale se non hai una GPU Nvidia: Whisper cambia precisione da solo. Se ce l'hai, significa che PyTorch non la vede: controlla il passaggio PyTorch con CUDA.
- Finisce la memoria video. Usa un modello più piccolo della tabella.
- Scrive in una lingua che non è la tua. Aggiungi
--language.
Quando non conviene
- Non hai una GPU. Funziona, ma la tabella delle velocità non vale per la tua CPU e i tempi possono essere lunghi.
- I tuoi file sono lunghi o numerosi. Il computer resta impegnato mentre lavora. Per registrazioni di più ore, leggi come trascrivere un audio lungo.
- Ti serve un editor con l'audio accanto al testo. Whisper ti dà file di testo; la correzione la fai tu, ascoltando l'audio a parte.
- Parlano più persone. Whisper non le separa. Qualche idea in come trascrivere un audio con più parlanti.
- Non vuoi mantenere un'installazione.
L'opzione senza installare nulla
Sonorarium usa Whisper large-v3 turbo, il turbo della tabella, su GPU nel cloud. Carichi il file (qualsiasi audio o video, fino a 2 GB e 5 ore) e lo correggi in un editor con l'audio sincronizzato con il testo. Scarichi in Word (DOCX), TXT, SRT o VTT, in più di 60 lingue. Hai 15 minuti gratuiti alla creazione dell'account, senza carta; per una riunione di 60 minuti, i 45 che mancano li copre il pacchetto da 120 minuti a 6 €. Sonorarium non separa i parlanti. Con Sonorarium l'audio viene caricato e cancellato dopo 7 giorni. Gli altri pacchetti sono nella pagina dei prezzi.
Per vedere Whisper accanto ad altri strumenti, c'è il confronto dei programmi e i limiti gratuiti di ciascuno. E se il tuo caso è Word o Google Docs, leggi come trascrivere un audio in Word o Google Docs.
E se passassi l'audio a un assistente invece di installare qualcosa? Cosa accettano oggi ChatGPT, Gemini e Copilot lo trovi in ChatGPT può trascrivere un audio?.
Fonti
Aperte il 4 novembre 2026: README di Whisper, il suo codice da riga di comando, noScribe, Buzz, MacWhisper, la pagina di installazione di PyTorch, la scheda di torch su PyPI e ffmpeg.