Whisper نموذج تحويل الكلام إلى نص من OpenAI، صدر مفتوح المصدر، ويستطيع أي شخص تشغيله على حاسوبه أو خادمه. دُرِّب على مئات الآلاف من ساعات الصوت متعدد اللغات، وهو يستطيع إضافة إلى التفريغ النصي أن يترجم الكلام بلغات أخرى مباشرة إلى نص إنجليزي. الفرق الأساسي بينه وبين خدمات التفريغ النصي عبر الإنترنت أنه مجاني، وأن بياناتك لا تغادر جهازك، وأنه أساس كثير من التطبيقات وخدمات التفريغ الأخرى.
فيمَ يفيدك Whisper؟#
- تفريغ الاجتماعات والمقابلات: يحول الباحث أو الصحفي ملف المقابلة إلى نص ويصححه فقط.
- ترجمة الفيديو النصية: ينشئ صانع المحتوى ملف ترجمة مؤقتا لفيديو يوتيوب أو دورة تدريبية.
- مذكرات من درس مسجل: يحول الطالب صوت الدرس إلى نص ثم يلخصه بروبوت محادثة.
- الربط ببرنامجك أنت: يضيف المبرمج التفريغ النصي إلى موقع أو روبوت مراسلة بتشغيل Whisper على خادمه.
- تفريغ سري: يفرغ المحامي أو الطبيب على حاسوبه ملفات لا ينبغي إرسالها إلى خدمة خارجية.
نقاط القوة والضعف#
نقاط القوة:
- مجاني ومفتوح المصدر دون حد للاستهلاك
- يعمل على جهازك مع حفظ الخصوصية
- دعم عشرات اللغات
- نسخ أسرع وواجهات رسومية كثيرة صنعها المجتمع المفتوح المصدر
نقاط الضعف:
- النسخة الأصلية بلا واجهة رسومية وتعمل بسطر الأوامر
- تتفاوت الدقة بين اللغات، وتنخفض في العامية واللهجات
- يختلق أحيانا في الصمت أو الضوضاء جملة لم تقل («هلوسة»)
- لا يحدد المتحدثين بنفسه
النسخة المجانية والتسعير#
Whisper مجاني ومفتوح المصدر بالكامل. والتكلفة الحقيقية هي العتاد: تعمل النماذج الصغيرة على المعالج العادي، وتسرع النماذج الأكبر ببطاقة رسومات. ولدى OpenAI واجهة API للتفريغ النصي تحاسب بحسب دقائق الصوت. اطلع على أسعار API الحالية في الموقع الرسمي.
اللغات#
يدعم Whisper عشرات اللغات، وتتفاوت جودة النتائج من لغة إلى أخرى بحسب حجم بيانات التدريب المتاحة. تكون النتيجة جيدة عادة مع الصوت النظيف والكلام الرسمي كالمحاضرات والكتب الصوتية، وتزيد الأخطاء مع العامية والكلمات الأجنبية المتخللة والصوت المليء بالضوضاء، وستحتاج إلى تصحيح علامات الترقيم يدويا. النماذج الأكبر أدق بوضوح، وقد تعمل أحيانا بصورة أفضل النسخ التي ضبطها المجتمع المفتوح المصدر للغة معينة. حدد اللغة صراحة بدل ترك الكشف التلقائي.
البدء في ثلاث خطوات#
- إن لم ترتح لسطر الأوامر، ثبت إحدى الواجهات الرسومية المبنية على Whisper؛ وإلا ثبت النسخة الأصلية عبر Python.
- ابدأ بنموذج متوسط وحدد اللغة صراحة.
- قارن المخرجات بالملف الصوتي، وإن كانت الدقة منخفضة فجرب نموذجا أكبر.
بدائل Whisper#
- Otter.ai: خدمة جاهزة لتفريغ الاجتماعات، لكن لغاتها محدودة.
- Fireflies.ai: مساعد اجتماعات عبر الإنترنت يدعم لغات كثيرة.
- Descript: تفريغ مع محرر كامل، مناسب للمحتوى الإنجليزي.
للتعرف على مفهوم النماذج المفتوحة المصدر اقرأ نماذج الذكاء الاصطناعي المفتوحة المصدر: ما هي ومتى تفيد. والدليل العملي للتشغيل في تشغيل الذكاء الاصطناعي على الحاسوب الشخصي وإعداد نموذج مفتوح المصدر على خادم للموقع.
