תמלול הקלטות בעברית בחינם קיים אבל הכלים מדלגים עליכם

עברית קשה שפה, ובטח כשמנסים להמיר אותה מאודיו למילים כתובות. אם הגעתם לחפש תמלול הקלטות בעברית בחינם עבור שיעור מוקלט, ראיון עבודה או תמלול הודעות קוליות בוואטסאפ, התשובה הקצרה היא שהאפשרויות ברשת מצומצמות מאוד. מתוך עשרות כלי קול ומוזיקה שמשווקים הבטחות גדולות ברשת, רוב המערכות הבינלאומיות פשוט לא כוללות מודל שפה שמסוגל לפענח עברית, או שהן מגבילות את השימוש לכמה דקות ספורות בלי לתת פתרון מעשי. מי שמבטיח לכם תמלול חינם בלחיצת כפתור בדרך כלל שוכח לציין שהאלגוריתם שלו נבנה סביב אנגלית בלבד. לפי נתוני האינדקס, מתוך 80 כלים בקטגוריית קול ומוזיקה רק 22 מציעים מסלול חינם, ו־70 מפרסמים מחיר. עברית היא המבחן האמיתי כאן, ומודל שנשמע מצוין באנגלית שובר שיניים על שווא נע.

עברית שוברת את הכלים

ברגע שמזינים לשירותי ענן מובילים הקלטה בעברית או תמלול סרטון מקומי, רובם מחזירים בליל של סימנים או הודעת שגיאה. מודלים של עיבוד קול עשויים לעבוד נפלא על דיאלוגים באנגלית, אבל הם שוברים שיניים על עיצורים גרוניים, שווא נע והבדלי הגייה שמאפיינים שיחה יומיומית בישראל. שירותים כמו AI Voice Generator מציעים המרת קול בחינם באתר AI Voice Generator הרשמי, אבל הם עובדים רק באנגלית ובלי שום תמיכה באותיות עבריות. כדי לקבל תמלול הקלטה לטקסט שלא ייראה כמו ג'יבריש, צריך מודל שהוטמע בו לקסיקון ייעודי לשפה, וזה בדיוק החלק שרוב החברות מעדיפות לדלג עליו.

האתר של AI Voice Generator כולל 11 קולות כמו Alloy ו־Echo המוכרים מכלי OpenAI, אך אינו מפרסם מחירון ומציג דוגמאות באנגלית בלבד. מודלים כאלה מתקשים בהגיית עברית ללא ניקוד ומתעלמים מהטקסט לחלוטין. הבעיה מחריפה כשמנסים לבצע תמלול הודעה קולית מטלפון נייד. הודעות בוואטסאפ מוקלטות לרוב תוך כדי הליכה ברחוב, עם רעשי רקע של תחבורה ואיכות שמע דחוסה. כלים שלא תוכננו מראש להתמודד עם שפות שאינן אנגלית נכשלים לחלוטין בניסיון לחלץ את הטקסט מהקובץ.

משתמשי קצה ילכו לאיבוד מיד.

מפת החינם: כמה דקות מקבלים

כשבודקים שירותים שמפרסמים מסלולים ללא תשלום, המספרים נראים טוב רק על הנייר. מערכת Descript Overdub מציעה מסלול חינמי שכולל שעה אחת של מדיה בחודש, אבל מודל התמלול שלה אינו כולל עברית. מנגד, שירות כמו Kveeky שפועל באתר Kveeky הרשמי מספק 500 קרדיטים בהרשמה ללא כרטיס אשראי, אך אלה מספיקים לבדיוק 6.6 דקות שמע ומיועדים רק להקראה באנגלית ובמבטאים זרים. המסלולים השנתיים שלו מתחילים מ־90 דולר לשנה לחבילת Basic עם 100 דקות, ומגיעים ל־149.99 דולר לחבילת Pro עבור 133 דקות, או 990 דולר לחבילת Business של 1,000 דקות, כאשר החיוב השנתי נגבה מראש.

גם כלי כמו Voice-Swap מאפשר התנסות חינמית של 1,000 תווים בקריינות, אך הוא מכוון להפקת מוזיקה באנגלית בלבד באתר Voice-Swap הרשמי. המסלולים החודשיים שלו מתחילים מ־6.99 ליש"ט עבור 50 קרדיטים, דרך 9.99 ליש"ט ל־150 קרדיטים, ומגיעים ל־39.99 ליש"ט ל־1,000 קרדיטים, עם אופציה לרכישה חד פעמית של 75 קרדיטים ב־11.99 ליש"ט. כל המרה לוקחת קרדיט, פיצול ערוצים לוקח שלושה קרדיטים, והורדה עולה חמישה קרדיטים נוספים. הקרדיטים נאכלים מהר מאוד.

כלים אחרים בקטגוריית הקול נוקטים בגישה דומה. מערכות כמו Mubert שפועלת באתר Mubert הרשמי מספקות מסלול חינמי בשם Ambassador עם 25 יצירות בחודש, עד 30 דקות ביום ו־5 הורדות MP3 עם חובת מתן קרדיט מלא. מחירי המסלולים נעים בין 11 ל־199 דולר לחודש, אך המערכת מייצרת מוזיקת רקע בלבד וממשקה אינו כולל עברית. גם פרויקט הקוד הפתוח Magenta של גוגל מציע תוספים חופשיים באתר Magenta הרשמי ברישיון Apache 2.0, כמו Magenta RealTime 2 ו־DDSP-VST לתוכנת Ableton Live, אבל הוא מיועד למפיקים מוזיקליים ולא להמרת דיבור לטקסט. המציאות היא שאין כיום כלי מסחרי שמציע שעות של תמלול הקלטות בעברית ללא עלות ובממשק גרפי פשוט.

התמלול עובד רק דרך קוד

האפשרות המעשית היחידה לעבד הקלטות בעברית במחיר נמוך מתבססת על ממשקי תכנות. מנוע LeMUR מבית AssemblyAI, הזמין באתר AssemblyAI הרשמי, מאפשר תמלול בעברית דרך מודל Universal-2. המערכת כוללת הרשמה חינם לבדיקות ראשוניות, והמחיר השוטף עומד על 0.15 דולר בלבד לשעת תמלול של אודיו מוקלט מראש. מדובר בעלות של מעט יותר מחצי שקל לשעה שלמה, מחיר זול משמעותית מכל מתמלל אנושי. במודל Universal-3.5 Pro המחיר עולה ל־0.21 דולר לשעה, והזרמה חיה שלו מגיעה ל־0.45 דולר לשעה. תוספת זיהוי דוברים עולה 0.02 דולר לשעה, מונחי מפתח ב־0.05 דולר, וסוכן קולי מלא במסגרת Voice Agent API מגיע ל־4.50 דולר לשעה.

אין פה לחצנים מעוצבים ולא אפליקציה לטלפון. זה עובד רק דרך קוד.סקירת LeMUR באתר

מי שרק מחפש תוכנה מוכנה להקלטת פגישות אישיות בלי לכתוב שורת קוד אחת יבזבז פה את הזמן. מודל Universal-2 אמנם מכסה 99 שפות כולל עברית, אבל דגם הדגל Universal-3.5 Pro מוגבל ל־18 שפות בלבד ואינו כולל עברית ברשימה הבכירה. בנוסף, אין כאן אפליקציה למחשב או אתר עם כפתור העלאה פשוט; כל הפעולות מתבצעות באמצעות קריאות API בקוד פייתון או תקשורת WebSocket עם תוצאות תוך 300 מילישניות. לא הייתי משתמש בזה למשימות משרדיות פשוטות של פרילנסר שרק רוצה לתמלל ראיון עיתונאי בודד. עבור סטודנט או בעל עסק עצמאי ללא רקע טכני, המחסום הזה משמעותי.

הבטחות באנגלית, אפס בעברית

הפער בין הציפיות למציאות בולט במיוחד בתוכנות עריכה שנשענות על תמלול. Descript Overdub מאפשר לערוך קובצי קול ווידאו דרך מחיקת מילים בתמליל הכתוב, אך רשימת 25 השפות הנתמכות בתמלול האוטומטי כוללת צרפתית, גרמנית, יוונית, פולנית וטורקית, בעוד שעברית נותרה בחוץ. אם תעלו לשם הקלטה שבוצעה בישראל, מנגנון הטקסט יחזיר תוצאות חלקיות ושגויות, וכל היתרון של עריכת מסמך במקום עריכת גלי קול יירד לטמיון. מסלול התשלום של הכלי מתחיל ב־16 דולר לחודש בתשלום שנתי או 24 דולר בחודש במסלול Hobbyist, ומגיע עד 65 דולר לחודש. זו הוצאה מיותרת לחלוטין אם חומר הגלם שלכם אינו באנגלית.

מצב דומה קיים גם בכלים כמו AIVA, שמציע מנויים בין 11 ל־33 יורו באתר AIVA הרשמי. הוא מתמחה בהלחנה קלאסית עם מעל 250 סגנונות וייצוא קובצי MIDI, אך אינו מציע שום יכולת תמלול דיבור וממשקו אינו תומך בעברית כלל. במסלול החינמי זכויות היוצרים שייכות ליוצרי הכלי עם הגבלה לשלוש הורדות בחודש עד 3 דקות. מסלול Standard עולה 11 אירו לחודש ומסלול Pro עולה 33 אירו לחודש לבעלות מלאה. ההבטחה לרשת מלאה בכלי AI חינמיים מתפוגגת ברגע שמבינים שרוב המפתחים בעולם פשוט לא משקיעים במודלי שפה שמדברים בשפתנו.

אם בוחנים את הכלים בטבלה, LeMUR הוא הפתרון היחיד שמציג תמיכה ממשית בעיבוד עברית, אך הוא דורש ידע בפיתוח כדי להרים קריאת API פשוטה. הוא מתאים למי שבונה מערכות סיכום שיחות או בוטים קוליים, אך לא למי שמחפש ממשק גרפי מוכן. לעומתו, Descript Overdub מציע עריכת טקסט מצוינת אך הוא שימושי רק עבור מי שמקליט באנגלית. Kveeky מיועד לקריינות ולשיבוט קול באנגלית בלבד עם מבטאים מארה"ב, בריטניה או אוסטרליה, כך שמשתמש ישראלי לא ימצא בו ערך.

שאר הכלים ברשימה כלל אינם פונים לתמלול. Voice-Swap ו־Mubert מתמקדים בהפקת מוזיקה וסאונד באנגלית, ולכן הרשמה אליהם עבור תמלול היא בזבוז זמן מוחלט.

איך לתמלל בלי להסתבך

כאשר יש בידכם קובץ שמע או הקלטת שיחה שחובה להמיר לטקסט, הצעד הראשון הוא בדיקת הפורמט ורמת הרעש. אם מדובר בהודעה קולית שהגיעה בטלפון, שמרו אותה כקובץ אודיו עצמאי ובדקו היטב את תמיכת המודל לפני שאתם מזינים אותה לשירות כלשהו. שימוש בשירותים שאינם מציינים עברית במפורש ברשימת השפות יבזבז לכם זמן ויותיר אתכם עם מסמך מלא טעויות. לא הייתי ממהר לרכוש מנויים חודשיים בכלים בינלאומיים לפני שבדקתם בפועל קובץ דגימה קצר בעברית.

אם יש לכם נגישות למפתח תוכנה, חיבור מהיר למודל Universal-2 של AssemblyAI יעניק לכם תמלול מדויק בעלות זניחה של 0.15 דולר לשעה. אם אתם זקוקים לממשק מוכן בלי לכתוב שורת קוד, תצטרכו להמתין להרחבת התמיכה בעברית במודלים המובילים, או להיעזר בכלים מקומיים שמיועדים לשוק הישראלי ולא בפלטפורמות עריכה כלליות מעבר לים.

בינתיים, הכפתור עדיין אפור.