आपके काम के लिए रेटेड एआई टूल
AI ट्रेन करके कमाएँ
🤝 आप फ्री & ओपन सोर्स लाइब्रेरी में हैं — समुदाय द्वारा बनाए गए टूल जिन्हें आप बिना भुगतान किए उपयोग कर सकते हैं। हमारी स्कोर की गई AI डायरेक्टरी से अलग एक अवधारणा।
होम › फ्री & ओपन सोर्स › संगीत › Whisper
✦ फ्री & ओपन सोर्ससंगीत

Whisper

OpenAI के ओपन-सोर्स सीक्वेंस-टू-सीक्वेंस ट्रांसफॉर्मर मॉडल के साथ ऑडियो को ट्रांसक्राइब, पहचानें और अनुवाद करें।

बहुभाषी वाक् पहचान और ट्रांसक्रिप्शन

CLI या Python के माध्यम से बोले गए ऑडियो को सीधे टेक्स्ट में प्रोसेस करें या गैर-अंग्रेजी वॉयस ट्रैक का अनुवाद करें।

हमेशा के लिए मुफ़्त · ओपन सोर्स · MIT
✓ Light setup✓ ब्राउज़र-आधारित✓ रियल-टाइम सहयोग
8.8
ZEKAI
आवश्यक ऑफ़लाइन वॉयस-टू-टेक्स्ट
फ्री & ओपन सोर्स · संगीत
सेटअप की आसानी6
उपयोगिता10
रखरखाव9.5
समुदाय9.8
★ 108,783
गिटहब
Aug 2026
अपडेटेड
MIT
लाइसेंस
🛠 खुद होस्ट नहीं करना चाहते? हम इसे सेट कर सकते हैं →
⚡ त्वरित उत्तर

Whisper OpenAI द्वारा विकसित एक ओपन-सोर्स ट्रांसफॉर्मर-आधारित स्पीच रिकग्निशन मॉडल है। आप इसे कमांड-लाइन के माध्यम से स्थानीय रूप से चला सकते हैं या बहु-भाषा ऑडियो फ़ाइलों को ट्रांसक्राइब और अनुवाद करने के लिए सीधे Python पाइपलाइन में एकीकृत कर सकते हैं। यह ऑडियो इंजीनियरों, पॉडकास्टर्स और डेवलपर्स के लिए आदर्श है जिन्हें स्वचालित वॉयस-टू-टेक्स्ट रूपांतरण की आवश्यकता है।

इस पर चलता है
Cross-platform
होस्टिंग
Self-host
भाषाएँ
Python
लाइसेंस
MIT

यह क्या है

यह टूल स्पीच रिकग्निशन, भाषा पहचान और वॉयस एक्टिविटी डिटेक्शन करने के लिए ट्रांसफॉर्मर मॉडल के माध्यम से 30-सेकंड की स्लाइडिंग विंडो का उपयोग करके ऑडियो फाइलों को प्रोसेस करता है। इसमें हाई-स्पीड प्रोसेसिंग के लिए अनुकूलित turbo मॉडल के साथ-साथ tiny (39M पैरामीटर) से लेकर large (1550M पैरामीटर) तक के छह मॉडल आकार शामिल हैं। यह विदेशी भाषा के भाषण का सीधे अंग्रेजी टेक्स्ट में अनुवाद करने का भी समर्थन करता है।

किसके लिए

यदि आपको वॉयस-टू-टेक्स्ट जनरेशन पर स्थानीय, ऑफ़लाइन नियंत्रण या ऑडियो प्रस्तुतियों के लिए स्वचालित ट्रांसक्रिप्ट निर्माण की आवश्यकता है, तो आपको Whisper का उपयोग करना चाहिए। यह कमांड-लाइन टूल या Python स्क्रिप्टिंग में सहज डेवलपर्स और ऑडियो संपादकों के लिए उपयुक्त है। यह उन गैर-तकनीकी रचनाकारों के लिए उपयुक्त नहीं है जो बॉक्स से बाहर एक ग्राफिकल इंटरफ़ेस की अपेक्षा करते हैं।

मुख्य विशेषताएँ

मल्टीटास्क स्पीच प्रोसेसिंग

एक ही डिकोडर पास में संयुक्त रूप से स्पीच रिकग्निशन, भाषा की पहचान और वॉयस एक्टिविटी डिटेक्शन करता है।

एकाधिक मॉडल आकार टियर

उपलब्ध GPU मेमोरी के विरुद्ध निष्पादन गति को संतुलित करने के लिए 39M से 1550M पैरामीटर तक के मॉडल प्रदान करता है।

क्रॉस-भाषा अनुवाद

बहुभाषी चेकपॉइंट का उपयोग करके विदेशी बोले गए ऑडियो ट्रैक को सीधे अंग्रेजी टेक्स्ट आउटपुट में अनुवाद करता है।

Python और CLI इंटरफ़ेस

त्वरित फ़ाइल प्रोसेसिंग के लिए टर्मिनल निष्पादन योग्य और अनुकूलित पाइपलाइनों के लिए एक लो-लेवल Python API दोनों प्रदान करता है।

कैसे शुरू करें

3 चरणों में तैयार

1
अपने पैकेज मैनेजर का उपयोग करके ffmpeg सिस्टम निर्भरता स्थापित करें (उदाहरण के लिए, brew install ffmpeg या apt install ffmpeg)।
2
अपने वातावरण में pip install -U openai-whisper चलाकर pip के माध्यम से Python पैकेज स्थापित करें।
3
whisper audio.mp3 --model turbo चलाकर अपने टर्मिनल से ऑडियो फ़ाइल को ट्रांसक्राइब करें।
सच कहें तो

हमारा ईमानदार फैसला

क्या अच्छा है

  • तृतीय-पक्ष क्लाउड API पर ऑडियो डेटा भेजे बिना आपके स्थानीय हार्डवेयर पर पूरी तरह से ऑफ़लाइन चलता है।
  • छोटे पैरामीटर आकारों पर बेहतर सटीकता के लिए समर्पित अंग्रेजी-केवल मॉडल प्रदान करता है।
  • एक तेज़ turbo मॉडल शामिल है जो large चेकपॉइंट की तुलना में 8x तक तेज़ी से ऑडियो प्रोसेस करता है।
  • सिस्टम-स्तरीय ffmpeg एकीकरण के माध्यम से FLAC, MP3 और WAV जैसे मानक ऑडियो कंटेनर का समर्थन करता है।

कहाँ कमी है

  • बड़े मॉडल को कुशलतापूर्वक निष्पादित करने के लिए 10 GB VRAM तक के सिस्टम हार्डवेयर की आवश्यकता होती है।
  • तेज़ turbo मॉडल विदेशी से अंग्रेजी अनुवाद कार्यों का समर्थन नहीं करता है।
  • बॉक्स से बाहर एक ग्राफिकल यूजर इंटरफेस का अभाव है, जिसके लिए कमांड-लाइन या कोड सेटअप की आवश्यकता होती है।
  • टोकनराइज़र निर्भरता के लिए ffmpeg और कभी-कभी Rust बिल्ड टूल सहित मैन्युअल सिस्टम सेटअप की आवश्यकता होती है।
लागत

मूल्य & लाइसेंस

Whisper पूरी तरह से मुफ़्त है और MIT लाइसेंस के तहत ओपन सोर्स है। एकमात्र परिचालन लागत स्थानीय GPU हार्डवेयर या क्लाउड कंप्यूट इंस्टेंस से आती है जिसका उपयोग आप इन्फेरेंस चलाने के लिए करते हैं।

पेड वर्क

हिंदी बोलने वालों के लिए जॉब्स

880 खुले रिमोट AI-ट्रेनिंग रोल, 15 नवंबर 2026 को अपडेट; ज़्यादातर में $20–$175 प्रति घंटा। इनमें से 5 हिंदी बोलने वालों के लिए हैं। Zekai इन्हें मुफ़्त में लिस्ट करता है; आवेदन एम्प्लॉयर के प्लेटफ़ॉर्म पर जाता है।

सभी खुले रोल देखें →
तुलना

विकल्प

🎁 फ्री & ओपन-सोर्स विकल्प

ये समीक्षित AI टूल यही काम तुरंत करते हैं — हमारी स्कोर की गई डायरेक्टरी से।

और पाएं

इसे उपयोग करें, या हमसे सेट करवाएं

📄 मुफ़्त PDF: संगीत के लिए Whisper
आपका पहला परिणाम पाने के लिए सरल भाषा में गाइड। आपके इनबॉक्स में।
🔔 64 लोग पूरा वीडियो ट्यूटोरियल चाहते हैं — अपना वोट जोड़ें
🛠 खुद सेट नहीं करना चाहते?
हम Whisper को आपके लिए इंस्टॉल, होस्ट और कॉन्फ़िगर करेंगे — और आपकी टीम को प्रशिक्षित करेंगे।
हमसे करवाएं ↗
प्रश्न

सामान्य प्रश्न

बड़े Whisper मॉडल को चलाने के लिए मुझे किस हार्डवेयर की आवश्यकता है?

बड़े मॉडल को कुशलतापूर्वक निष्पादित करने के लिए लगभग 10 GB VRAM वाले समर्पित Nvidia GPU या Apple Silicon सिस्टम की आवश्यकता होती है।

क्या Whisper अंग्रेजी ऑडियो का अन्य विदेशी भाषाओं में अनुवाद कर सकता है?

नहीं, Whisper केवल विदेशी भाषण का अंग्रेजी टेक्स्ट में अनुवाद करता है। यह अंग्रेजी का अन्य भाषाओं में अनुवाद नहीं करता है।

turbo मॉडल मेरे अनुवाद मापदंडों की उपेक्षा क्यों करता है?

turbo मॉडल आर्किटेक्चर को अनुवाद कार्यों के लिए प्रशिक्षित नहीं किया गया है। गैर-अंग्रेजी ऑडियो का अनुवाद करने के लिए आपको medium या large जैसे बहुभाषी मॉडल का चयन करना होगा।

रडार

ताज़ा AI समाचार

✉️ साप्ताहिक मुफ़्त टूलकिट
संगीत के लिए सर्वश्रेष्ठ नए फ्री & ओपन-सोर्स टूल — हर हफ्ते एक छोटा ईमेल, आपकी भाषा में।
मुफ़्त · 1 ईमेल/सप्ताह · कभी भी अनसब्सक्राइब करें
AI ट्रेनिंग से पैसे कमाएँ →

Google में Zekai को सबसे पहले देखें