Whisper
OpenAI'nin açık kaynaklı dizi-dizi Transformer modelleri ile sesi metne dönüştürün, tanımlayın ve çevirin.
Konuşulan sesleri CLI veya Python aracılığıyla doğrudan metne dönüştürün veya İngilizce olmayan ses kayıtlarını çevirin.
Whisper, OpenAI tarafından geliştirilen açık kaynaklı, Transformer tabanlı bir konuşma tanıma modelidir. Komut satırı üzerinden yerel olarak çalıştırabilir veya çok dilli ses dosyalarını deşifre etmek ve çevirmek için doğrudan Python boru hatlarına entegre edebilirsiniz. Otomatik sesten metne dönüşüme ihtiyaç duyan ses mühendisleri, podcast yayıncıları ve geliştiriciler için idealdir.
Nedir
Araç, konuşma tanıma, dil tanımlama ve ses aktivitesi algılama işlemlerini gerçekleştirmek için ses dosyalarını Transformer modelleri üzerinden kayan 30 saniyelik pencerelerle işler. Tiny (39M parametre) ile büyük (1550M parametre) arasında değişen altı model boyutunun yanı sıra yüksek hızlı işleme için optimize edilmiş bir turbo model içerir. Ayrıca yabancı dildeki konuşmaların doğrudan İngilizce metne çevrilmesini destekler.
Kimler için
Sesten metne üretim üzerinde yerel, çevrimdışı kontrole veya ses prodüksiyonları için otomatik deşifre oluşturmaya ihtiyacınız varsa Whisper kullanmalısınız. Komut satırı araçlarına veya Python komut dosyalarına aşina geliştiriciler ve ses editörleri için uygundur. Kutudan çıkan grafiksel bir arayüz bekleyen teknik olmayan içerik üreticileri için uygun değildir.
Temel özellikler
Çok görevli ses işleme
Tek bir kod çözücü geçişinde konuşma tanıma, dil tanımlama ve ses aktivitesi algılama işlemlerini ortaklaşa gerçekleştirir.
Çoklu model boyutu kademeleri
Çalıştırma hızı ile mevcut GPU belleği arasında denge kurmak için 39M ila 1550M parametreli modeller sunar.
Diller arası çeviri
Çok dilli kontrol noktalarını kullanarak yabancı konuşma ses kayıtlarını doğrudan İngilizce metin çıktısına çevirir.
Python ve CLI arayüzü
Hızlı dosya işleme için bir terminal yürütülebilir dosyası ve özelleştirilmiş boru hatları için düşük seviyeli bir Python API sağlar.
3 adımda hazır
Dürüst kararımız
Artıları
- Ses verilerini üçüncü taraf bulut API'lerine göndermeden yerel donanımınızda tamamen çevrimdışı çalışır.
- Daha küçük parametre boyutlarında gelişmiş doğruluk için özel yalnızca İngilizce modeller sağlar.
- Büyük kontrol noktasına göre sesi 8 kata kadar daha hızlı işleyen hızlı bir turbo model içerir.
- Sistem düzeyinde ffmpeg entegrasyonu aracılığıyla FLAC, MP3 ve WAV gibi standart ses kaplarını destekler.
Eksileri
- Büyük modeli verimli bir şekilde çalıştırmak için 10 GB'a kadar VRAM'e sahip sistem donanımı gerektirir.
- Hızlı turbo model, yabancı dilden İngilizceye çeviri görevlerini desteklemez.
- Kutudan çıkan grafiksel bir kullanıcı arayüzü yoktur, komut satırı veya kod kurulumu gerektirir.
- Token bağımlılıkları için ffmpeg ve ara sıra Rust derleme araçları dahil olmak üzere manuel sistem kurulumu gerektirir.
Fiyatlar & lisans
Whisper, MIT lisansı altında tamamen ücretsiz ve açık kaynaktır. Tek operasyonel maliyet, çıkarım çalıştırmak için kullandığınız yerel GPU donanımı veya bulut bilişim örneklerinden kaynaklanır.
Türkçe konuşanlar için işler
874 açık uzaktan yapay zeka eğitimi işi, 15 Kasım 2026 tarihinde güncellendi; çoğu saatlik $20–$170 ödüyor. Bunların 2 tanesi Türkçe konuşanlar için. Zekai ücretsiz listeler; başvuru işverenin platformunda yapılır.
Alternatifler
İncelenmiş bu AI araçları aynı işi anında yapar — puanlı dizinimizden.
Kullanın ya da biz kuralım
SSS
Büyük Whisper modelini çalıştırmak için ne tür bir donanıma ihtiyacım var?
Büyük modeli verimli bir şekilde çalıştırmak için özel bir Nvidia GPU veya yaklaşık 10 GB VRAM'e sahip bir Apple Silicon sistemi gerekir.
Whisper İngilizce sesleri diğer yabancı dillere çevirebilir mi?
Hayır, Whisper yalnızca yabancı konuşmaları İngilizce metne çevirir. İngilizceyi diğer dillere çevirmez.
Turbo model neden çeviri parametrelerimi yok sayıyor?
Turbo model mimarisi çeviri görevleri için eğitilmemiştir. İngilizce olmayan sesleri çevirmek için medium veya large gibi çok dilli bir model seçmelisiniz.
