Удалил Wispr Flow: Whisper в Claude Code за 15 минут

Полгода я платил $15 в месяц за Wispr Flow и считал это нормой. А потом посчитал: $180 в год за интерфейс над движком Whisper, который сам по себе бесплатный.

Под капотом у Wispr Flow и у моей будущей установки - одна и та же модель распознавания, которую OpenAI выложила в открытый доступ ещё в 2022-м. В тот же вечер я открыл Claude Code, вставил два промпта в чат - и через 15 минут уже диктовал бесплатно. Без терминала, без brew install, без копания в Python. Я просто описал задачу словами, а Claude собрал всё сам.

Ниже разбираю всё по полкам: что я понял в момент удаления Wispr Flow, какой именно промпт скармливал Claude, чем скилл в Claude Code выгоднее готового приложения вроде MacWhisper или Handy, что у меня сломалось при первой установке и как я это починил тем же способом - голосом и промптом.

Триггером сесть и посчитать стало случайное упоминание Whisper в обсуждении на Hacker News. Полез читать - и увидел, что Whisper от OpenAI и есть тот самый класс моделей, который Wispr Flow крутит у себя на серверах. Названия выбрали так, что путаешь: Whisper - бесплатная открытая модель распознавания речи, Wispr Flow - коммерческое приложение поверх.

Что я платил $15 в месяц именно за обёртку, я раньше не задумывался. А обёртка - это глобальный хоткей «зажал-наговорил-отпустил», подгрузка личного словаря (имена, термины), синхронизация словаря между макбуком и айфоном, голосовые команды «запятая», «новый абзац», «удали последнее». Это приятно. Но точность распознавания у Wispr Flow ровно та же, что у бесплатного локального Whisper, потому что класс моделей внутри один.

Я начал считать: $15 × 12 = $180 в год за хоткей и словарь. На третий год набегает почти 50 тысяч рублей чисто за интерфейс. Это годовая подписка на JetBrains-набор или половина абонемента в нормальный спортзал. За интерфейс, который под капотом крутит open-source-модель, которую я могу скачать сам бесплатно за один вечер.

Раньше меня пугал ритуал установки локалки: Homebrew, Python, ffmpeg, права на микрофон, права на «управление компьютером», горячие клавиши, конфиги. Я не разработчик, мне неохота лезть в терминал ради хоткея. Все обзоры по локальному Whisper, которые я гуглил, начинались с пяти команд и заканчивались строчкой «если не сработало - проверьте версию Python и совместимость с вашей платформой». То есть подразумевалось, что я разработчик и пойму, куда копать.

И тут пришла идея: у меня же стоит Claude Code. Рассказать ему словами, чего хочу, - пусть сам разбирается, что поставить под мой макбук. Если он умеет писать код за меня, он точно умеет настроить мне инструмент по описанию задачи.

Сам метод дальше я показываю в действии. Ниже - два промпта, которые ты копируешь в Claude Code как есть. Не нужно ничего адаптировать. Просто вставь в чат, разреши команды, иди заваривать чай.

Для повторения нужен установленный Claude Code (если ещё не стоит - это отдельный сюжет с регистрацией и доступом из России). Дальше - по шагам.

Шаг 1. Открой чат Claude Code в редакторе. В VS Code это иконка с логотипом Claude на левой панели.

Шаг 2. Скопируй и вставь первый промпт. Он ставит готовый открытый Whisper-скилл из репозитория.

Claude начнёт выполнять команды по очереди. На каждой жми «Разрешить». Если случайно отказал - напиши «повтори последнюю команду» обычным текстом, без терминала.

Перед запуском произвольных скиллов с GitHub надо понимать, что в чужом коде может быть всё что угодно - от ошибок до сознательного вреда. Я рекомендую именно Whisper-Skill от Mobiss11, потому что его много раз пересмотрели и он простой: bash, скачка модели, регистрация хоткея, ничего больше. Если ставишь другой - попроси Claude разобрать скилл строка за строкой и объяснить, что он делает. Это занимает минуту и снимает риск.

Шаг 3. Открой новый чат в Claude Code. Кнопка «плюс» сверху панели. Это важно: Claude видит свежие скиллы только в новой сессии. В старом окне он по-прежнему «не знает» про Whisper-Skill.

Шаг 4. Вставь второй промпт - он настраивает скилл под твоё железо.

Claude сам определяет твоё устройство:

Дальше скачивается модель (это самое долгое - от 200 МБ до 1.5 ГБ, минут пять-десять на средней скорости), регистрируется хоткей, запрашиваются разрешения. На каждом шаге ты жмёшь «Разрешить» - больше ничего не делаешь.

В конце Claude сам прогонит тест: попросит надиктовать короткую фразу и покажет распознанный текст. Если он появился - всё работает.

Что конкретно делал Claude у меня под капотом на Mac M3, чтобы было понимание масштаба автоматизации: проверил версию macOS, спросил права на запуск brew, поставил mlx-whisper через pip, скачал модель mlx-community/whisper-large-v3-turbo (около 1.5 ГБ), создал launchd-сервис для глобального хоткея, прописал автозапуск при логине, открыл системные настройки на нужном экране для разрешения на микрофон. Шесть отдельных шагов, каждый со своими подводными камнями - если бы я делал руками, минимум полчаса с гуглежом каждой ошибки.

Чтобы было ощущение сколько чистого времени уйдёт у тебя:

Этот же приём - «опиши задачу промптом, Claude соберёт связку под тебя» - работает на сотнях похожих задач. Если хочешь разобраться, чем именно скилл отличается от субагента, MCP-сервера и плагина, и когда что выбрать - у меня лежит отдельный материал Skills, Subagents, MCP и Plugins в Claude Code. Там я объясняю, почему скилл - самый лёгкий способ упаковать «один навык под одну задачу», а MCP и субагенты лучше работают на других классах задач.

Когда я разложил преимущества Wispr Flow в чистых деньгах, картинка вышла такая:

Качество распознавания у Wispr Flow и у бесплатного Whisper отличается на копейки, потому что класс моделей внутри один. Платишь за удобство, не за точность. Аналогично superwhisper ($8.49/мес или $250 разово) и MacWhisper ($30 одноразово) - это разные обёртки над тем же движком.

Цены разносят пользователей по тому, сколько они готовы доплатить за то, чтобы не открывать терминал. У Claude Code эта цена обнуляется, потому что терминал открываешь не ты, а он.

Если есть бесплатные приложения вроде Handy, зачем мне ещё и Whisper-Skill? Можно же скачать DMG, перетащить в Applications и забыть.

Можно. У скилла два преимущества, которые становятся важны на длинном горизонте.

Первое - подгонка под твоё железо. Готовое приложение собирается под усреднённого пользователя. У меня основной макбук - M3 Max с 64 ГБ памяти, на запасном лежит старый Intel-MacBook 2018 года. На первом я могу крутить крупную модель Whisper, и она расшифровывает быстрее, чем я успеваю договорить. На втором та же крупная модель будет жрать всю память - там нужна средняя. Claude через скилл смотрит на конкретное железо в момент установки и подбирает оптимум. Готовое приложение этого не делает.

Второе - всё держится в твоём проекте и расширяется тем же чатом. Скиллы хранятся в обычной папке ~/.claude/skills/whisper-skill. Можно скопировать папку на новую машину, закоммитить в репо команды, поправить настройки текстом в .md. Через полгода я захотел, чтобы диктовка автоматически добавляла timestamp в конец фразы (для заметок). С Handy пришлось бы ждать обновления или забить. Со скиллом я открыл чат с Claude: «допили в whisper-skill добавление timestamp». Через полторы минуты готово, без моих рук.

Разница на уровне самой природы: приложение - закрытый продукт, ты потребитель. Скилл - открытая инструкция, которую тот же ИИ переписывает под тебя за минуту.

Чтобы не выдавать всё в розовых тонах: с первого раза у меня не завелось. Я наступил на три типовые грабли, рассказываю.

Грабли 1. Не дал разрешение на микрофон. macOS не позволит ни одному процессу слушать звук, пока не разрешишь в «Системных настройках → Конфиденциальность и безопасность → Микрофон». Я этого шага не сделал - и горячая клавиша работала, а текст не появлялся. Открыл новый чат и написал:

Claude сам вытащил список приложений, увидел, что у Terminal нет разрешения (скилл запускается из терминала под капотом), и провёл по экранам настроек. Минута починки.

Грабли 2. Не дал разрешение на «универсальный доступ» (Accessibility). Чтобы вставлять расшифрованный текст в чужие окна (браузер, чат, заметки), нужно разрешение на «универсальный доступ». Другой раздел приватности, легко пропустить. Симптом: текст распознался, но не вставился - лежит в буфере, надо руками Cmd+V. Бесит. Починилось тем же приёмом: «Claude, проверь разрешение на Accessibility, проведи к нужному пункту».

Грабли 3. Конфликт горячей клавиши. Я выбрал Ctrl+Shift+Space, не подумав, что им же привязано переключение языка в Raycast. Срабатывало оба сразу - язык менялся, диктовка запускалась со сменённой раскладкой, текст выходил кашей. Решилось одним промптом: «Claude, поменяй хоткей в Whisper-Skill на Ctrl+Option+Space, проверь чтобы не было конфликтов».

Во всех трёх случаях я ни разу не открывал терминал и не гуглил решение. Описывал симптом словами, Claude разбирался. На каждую починку - 1-2 минуты вместо получаса гугления и копипасты со StackOverflow.

Когда диктовка работает, появляется вопрос: куда её втыкать. У меня за год Wispr Flow и потом полгода локального Whisper отстоялся такой набор сценариев.

Где голос реально выигрывает:

Где голос проигрывает:

Любимый сюжет - диктовать промпт для ИИ через ИИ-промпт. Звучит тавтологично, но работает: включаешь Whisper, наговариваешь длинное «хочу собрать сервис, который делает X, для пользователей которые делают Y, ограничения - Z», Claude получает 800 знаков сырого описания и сразу начинает работу. Без диктовки половину этого набирать поленился бы, и Claude получил бы скомканное «сделай как у меня в голове».

Если у тебя сейчас стоит Wispr Flow и тебе нормально - не надо ничего менять прямо сейчас, $15 в месяц не катастрофа. Но если ты хотел попробовать диктовку и она казалась дорогим экспериментом - 15 минут на Whisper через Claude Code снимают всю входную цену.

Конкретно мой совет:

На финал - то, чего я раньше про вайб-кодинг не понимал. Все привыкли думать про него как про «собрал сайт за вечер». На самом деле это способ установки любого инструмента: ты не качаешь DMG, не идёшь в терминал, не читаешь README. Ты описываешь результат, ИИ собирает. Whisper - просто один из самых наглядных примеров, потому что результат у тебя физически на руках через 15 минут. Когда привыкнешь, ловишь себя на том, что половину настройки домашней инфраструктуры (хоткеи, скрипты, бэкапы, синхронизация) тебе бы сейчас собирать вообще не хотелось руками.

И ещё одна вещь, которая мне помогла. У Claude Code сейчас под 10 000 скиллов в открытых каталогах, и ставить всё подряд - худший способ. Я отдельно разбирал как выбрать нужные скиллы из 10 000 - там и критерии, и подборка стартового набора, и что не надо ставить никогда. Whisper-Skill в этой подборке как раз есть.

Вопрос в комменты: ты сейчас на чём диктуешь и сколько за это платишь? И отдельно - готов ли отдать 15 минут на настройку ради ноля в подписке, или $15 в месяц за «работает из коробки» тебе нормальная цена?