whisper-webui

מה זה

אתם מזינים קובץ שמע, מקליטים ישירות מהמיקרופון או מדביקים קישור לסרטון יוטיוב. אפשר להעלות גם כמה קבצים יחד או פלייליסט שלם. בצד השני מקבלים תמלול ישיר, רשימת מקטעים עם זמנים, וקבצי כתוביות להורדה בפורמטים SRT או VTT. כשמעלים מספר קבצים, מקבלים בסוף קובץ זיפ שמרכז את כולם.

הקוד מריץ את Whisper של OpenAI במגוון גדלים, מ־tiny ועד large-v2, עם תמיכה גם במימוש של faster-whisper שמקצץ זיכרון ומאיץ את העבודה. בנוסף משולב כאן זיהוי דיבור של Silero VAD לחיתוך שקט והפרדת דוברים שמבוססת על pyannote speaker-diarization, עם אפשרות לחלק את המשימות בין כמה מעבדים גרפיים במקביל.

מתאים ל

• תמלול הקלטות ופגישות

  המרת קובצי קול לטקסט מלא או לקובצי כתוביות עם חלוקה לפי זמנים וזיהוי דוברים.

• חילוץ כתוביות מיוטיוב

  הדבקת קישור לסרטון בודד או לפלייליסט וקבלת קובצי SRT מוכנים לעריכה.

• תרגום שמע לאנגלית

  הזנת דיבור בשפות שונות והפקת תמלול מתורגם ישירות לאנגלית.

איפה זה נופל

חומרת השרת כאן מוגבלת מאוד, ולכן שימוש במודלים הגדולים כמו large עלול להיות איטי עד רמת חוסר שימושיות. הממשק עצמו מזהיר ששינוי הגדרות מסוימות במצב המלא עלול להקריס את הריצה. בנוסף, זיהוי דוברים דורש ספריות ייעודיות שלא תמיד זמינות בכל סביבה, וקיימת הגבלת זמן מוגדרת לאורך ההקלטה שהשרת מוכן לקבל.

איך משתמשים

בוחרים דגם שפה ומשימה, תמלול או תרגום לאנגלית, מעלים קובץ ולוחצים על הפעלה. אין צורך בהרשמה או התחברות לחשבון. בעמוד הזה המערכת רצה על מעבד בסיסי בלבד ללא מאיץ גרפי, מה שאומר שעיבוד של קבצים בינוניים ומעלה ייקח זמן רב וידרוש סבלנות לעומת הרצה מקומית עם מעבד גרפי.

הרישיון

הפרויקט מופץ תחת רישיון apache-2.0, שמאפשר שימוש חופשי, שינוי הקוד והפצה מסחרית. המידע והקבצים שאתם מעלים עוברים עיבוד בשרת של Hugging Face שעליו המרחב מאוחסן.

• שימוש מסחרי
• שינוי הקוד
• הפצה מחדש
• שימוש בפטנטים

הרישיון המלא ב־Hugging Face ↗