Whisper
نسخ الصوت وتحديد هويته وترجمته باستخدام نماذج Transformer مفتوحة المصدر لتسلسل إلى تسلسل من OpenAI.
معالجة الصوت المنطوق إلى نص أو ترجمة المسارات الصوتية غير الإنجليزية مباشرة عبر CLI أو Python.
Whisper هو نموذج للتعرف على الكلام مفتوح المصدر قائم على Transformer تم تطويره بواسطة OpenAI. يمكنك تشغيله محلياً عبر سطر الأوامر أو دمجه مباشرة في مسارات Python لنسخ وترجمة ملفات الصوت متعددة اللغات. إنه مثالي لمهندسي الصوت، ومنتجي البودكاست، والمطورين الذين يحتاجون إلى تحويل تلقائي للصوت إلى نص.
ما هو
تقوم الأداة معالجة ملفات الصوت باستخدام نوافذ منزلقة مدتها 30 ثانية عبر نماذج Transformer لإجراء التعرف على الكلام، وتحديد اللغة، واكتشاف نشاط الصوت. يتضمن ستة أحجام للنماذج تتراوح من tiny (39M parameters) إلى large (1550M parameters) إلى جانب نموذج turbo محسن للمعالجة عالية السرعة. كما يدعم الترجمة المباشرة للكلام باللغات الأجنبية إلى نص إنجليزي.
لمن هو
يجب عليك استخدام Whisper إذا كنت بحاجة إلى تحكم محلي وغير متصل بالإنترنت في توليد الصوت إلى نص أو إنشاء نصوص آلية للإنتاج الصوتي. وهو مناسب للمطورين ومحرري الصوت المعتادين على أدوات سطر الأوامر أو برمجة Python. وهو غير مناسب للمصممين غير التقنيين الذين يتوقعون واجهة رسومية جاهزة.
أهم الميزات
معالجة الكلام المهام المتعددة
يُجري بشكل مشترك التعرف على الكلام، وتحديد اللغة، واكتشاف نشاط الصوت في تمرير مُفكِك واحد.
فئات أحجام النماذج المتعددة
يقدم نماذج من 39M إلى 1550M parameters لموازنة سرعة التنفيذ مقابل ذاكرة GPU المتاحة.
الترجمة بين اللغات
يترجم المسارات الصوتية المنطوقة باللغة الأجنبية مباشرة إلى مخرجات نصية باللغة الإنجليزية باستخدام نقاط تحقق متعددة اللغات.
واجهة Python و CLI
يوفر تنفيذاً للمحطة الطرفية لمعالجة الملفات السريعة وواجهة برمجة تطبيقات Python منخفضة المستوى للخطوط المخصصة.
جاهز للعمل في 3 خطوات
حكمنا الصادق
ما يميّزه
- يعمل بشكل كامل دون اتصال بالإنترنت على أجهزتك المحلية دون إرسال بيانات الصوت إلى واجهات برمجة التطبيقات السحابية للجهات الخارجية.
- يوفر نماذج مخصصة للغة الإنجليزية فقط لتحسين الدقة في أحجام المعلمات الاصغر.
- يتضمن نموذج turbo سريعاً يعالج الصوت بشكل أسرع بما يصل إلى 8x من نقطة التفتيش الكبيرة.
- يدعم حاويات الصوت القياسية مثل FLAC و MP3 و WAV من خلال تكامل ffmpeg على مستوى النظام.
أين يقصّر
- يتطلب أجهزة نظام تحتوي على ما يصل إلى 10 GB من VRAM لتنفيذ النموذج الكبير بكفاءة.
- نموذج turbo السريع لا يدعم مهام الترجمة من الأجنبية إلى الإنجليزية.
- يفتقر إلى واجهة مستخدم رسومية جاهزة، ويتطلب إعداد سطر الأوامر أو الكود.
- يتطلب إعداد النظام اليدوي بما في ذلك ffmpeg وأحياناً أدوات بناء Rust لتبعيات الترميز.
التسعير والرخصة
Whisper مجاني تماماً ومفتوح المصدر بموجب ترخيص MIT. التكلفة التشغيلية الوحيدة تأتي من الأجهزة المحلية للـ GPU أو مثيلات الحوسبة السحابية التي تستخدمها لتشغيل الاستدلال.
وظائف للناطقين بالعربية
874 وظيفة مفتوحة عن بعد في تدريب الذكاء الاصطناعي، آخر تحديث ١٥ نوفمبر ٢٠٢٦؛ أجر معظمها $20–$170 في الساعة. منها 2 وظائف تطلب متحدثين بالعربية. يعرضها ذكائي مجانًا، والتقديم يتم على منصة جهة التوظيف.
البدائل
أدوات الذكاء الاصطناعي المُراجَعة هذه تؤدي المهمة فوراً — من دليلنا المُقيَّم.
استخدمه، أو دعنا نُعِدّه لك
الأسئلة الشائعة
ما هي الأجهزة التي أحتاجها لتشغيل نموذج Whisper الكبير؟
يتطلب تنفيذ النموذج الكبير بكفاءة وحدة معالجة رسومات Nvidia مخصصة أو نظام Apple Silicon بحوالي 10 GB من VRAM.
هل يمكن لـ Whisper ترجمة الصوت الإنجليزي إلى لغات أجنبية أخرى؟
لا، يترجم Whisper الكلام الأجنبي فقط إلى نص إنجليزي. وهو لا يترجم الإنجليزية إلى لغات أخرى.
لماذا يتجاهل نموذج turbo معلمات الترجمة الخاصة بي؟
لم يتم تدريب معمّارية نموذج turbo لمهام الترجمة. يجب عليك تحديد نموذج متعدد اللغات مثل medium أو large لترجمة الصوت غير الإنجليزي.
