# Как диктовать запрос в Open WebUI через Whisper

Источник: https://modelium.tech/zhurnal/open-webui-diktovka-lokalnyy-whisper/

В уже работающем Open WebUI администратор может выбрать встроенный Whisper для превращения голоса в текст, а пользователь — продиктовать запрос через значок микрофона. Для русского языка укажите многоязычную модель base и язык ru. Аудио поступает на сервер Open WebUI: если он размещён удалённо, это не обработка на вашем домашнем компьютере. Перед отправкой прочитайте распознанную фразу.

Нужно надиктовать короткий запрос в чат вместо печати? В Open WebUI можно записать речь через микрофон и превратить её в редактируемый текст при помощи Whisper. **Здесь модель работает на сервере Open WebUI**, а не обязательно на устройстве, где открыт браузер: если сервер чужой или удалённый, аудио покидает ваш компьютер. [s1](#src-s1) [s3](#src-s3)

**Инструкция по документации и исходникам на 13 октября 2026 года.** Редакция не запускала эту связку, не записывала голос и не проверяла офлайн-режим. Нужны уже работающий Open WebUI обычной, не slim-сборки, доступ администратора к настройкам аудио, пользовательский доступ к чату и микрофону в браузере. Требования к свободной оперативной памяти и месту для полной установки здесь не подтверждены: сначала испытайте на своей системе. Это настройка уже установленного сервера, не домашний рецепт его установки. [s1](#src-s1) [s2](#src-s2) [s3](#src-s3)

## Что настроить для русского языка?

- Администратор открывает **Settings → Admin → Audio → STT** и выбирает встроенный **Local Whisper**, а не внешний OpenAI/Deepgram и не браузерный Web API. Для локального пути движок `AUDIO_STT_ENGINE` остаётся пустым, ключ внешнего STT не нужен. В slim-сборке встроенный Whisper отсутствует — в ней этот путь не подойдёт. [s1](#src-s1) [s2](#src-s2) [s3](#src-s3)

- Выберите модель **base**, не **base.en**: карточка `Systran/faster-whisper-base` включает русский язык; Open WebUI использует размер `base` по умолчанию. Если вы управляете окружением сервера, задайте `WHISPER_MODEL=base` и `WHISPER_LANGUAGE=ru` и перезапустите Open WebUI привычным способом развёртывания. `ru` фиксирует язык русской записи, вместо надежды на автоматическое определение. Учтите: настройки, сохранённые в интерфейсе, могут переопределять значения переменных после запуска; проверьте итоговый выбор в панели администратора. [s2](#src-s2) [s3](#src-s3) [s4](#src-s4) [s5](#src-s5)

- Пользователь в **STT Settings** выбирает **Speech-to-Text Engine: Default**, а не **Web API**. Последний использует механизм браузера и сам по себе не доказывает локальность. До пробной записи убедитесь, что выключена опция автоматической отправки после завершения: если она включена, сохранение записи сразу отправит текст в чат и вы не успеете его поправить. [s1](#src-s1)

**Что означает multilingual?** В документации есть совет включить `WHISPER_MULTILINGUAL=true` для других языков. Однако код использует этот флаг только для повторного определения языка в каждом фрагменте записи. Он **не заменяет англоязычные веса** `base.en` многоязычной моделью `base`. Для русского монолога важны именно многоязычная модель `base` и выбранный `ru`; дополнительный флаг не нужен для выбора весов. Это вывод из исходников, а не измерение качества на русской записи. [s1](#src-s1) [s3](#src-s3) [s4](#src-s4) [s5](#src-s5)

## Как продиктовать пробную фразу и проверить текст?

Откройте чат с уже подключённой моделью. Разрешите браузеру доступ к микрофону для вашего адреса Open WebUI (обычно нужен защищённый HTTPS-адрес), нажмите значок **микрофона** и дождитесь индикатора звуковой волны. Произнесите собственный учебный текст: «Напомни купить молоко и хлеб в пятницу». Нажмите галочку, чтобы завершить запись; крестик отменяет её. Дождитесь текста в поле ввода, сравните слова и день недели с произнесённым и только потом вручную отправьте запрос. Ожидаемая фраза — **критерий проверки**, а не выданный редакцией результат модели. [s1](#src-s1)

Если микрофон молчит, проверьте разрешение и HTTPS. Если текст на русском неверен или пуст, сверьте выбранный движок **Default**, модель **base**, язык `ru` и доступность модели на сервере; не подменяйте проблему автоматическим переходом на облачный STT. Первая загрузка весов требует сети: код при отсутствии модели пытается скачать их даже при `local_files_only`, а исполнение после загрузки не проверялось без сети. Размер файла модели не говорит, сколько RAM нужно вашему серверу. [s1](#src-s1) [s2](#src-s2) [s3](#src-s3)

**Следующий шаг:** [проверить работу Open WebUI без внешней сети](/zhurnal/open-webui-offline-mode/) после загрузки модели. Если сервер удалённый, такую проверку должен делать его администратор; обработка на удалённом сервере не становится обработкой на вашем компьютере. [s3](#src-s3)

## Источники

1. [Open WebUI — Configure Speech-to-Text](https://github.com/open-webui/docs/blob/3b413088222ac2be321b91ff2d08ce66b9a1642d/docs/features/chat-conversations/audio/speech-to-text/stt-config.md) — получено 2026-10-13
2. [Open WebUI — Speech-to-Text Environment Variables](https://github.com/open-webui/docs/blob/3b413088222ac2be321b91ff2d08ce66b9a1642d/docs/features/chat-conversations/audio/speech-to-text/env-variables.md) — получено 2026-10-13
3. [Open WebUI — pinned source audio router and config](https://github.com/open-webui/open-webui/blob/093bfce2b6bd128731bae8075110898ae22a76e9/backend/open_webui/routers/audio/__init__.py) — получено 2026-10-13
4. [faster-whisper — pinned transcribe implementation](https://github.com/SYSTRAN/faster-whisper/blob/9fa78645d7913ff9d94d0907a2156526b19b4556/faster_whisper/transcribe.py) — получено 2026-10-13
5. [Systran/faster-whisper-base — pinned model card](https://huggingface.co/Systran/faster-whisper-base/blob/ebe41f70d5b6dfa9166e2c581c45c9c0cfc57b66/README.md) — получено 2026-10-13