Video-Transcription-Smart-Summary

מה זה

הממשק מקבל קובץ וידאו ישירות מהמחשב שלכם, בלי הגדרות מסובכות או צורך לכוונן שדות. ברגע שלוחצים על הכפתור, המערכת מתחילה לעבד את האודיו ומציגה את הטקסט המלא בחלון ייעודי. משם אפשר לבקש בלחיצה נוספת גם סיכום של הנאמר, שמופיע לצד התמלול.

מאחורי הקלעים רצים שני מודלים נפרדים בקוד. התמלול עצמו נשען על whisper-large-v3 של OpenAI, ומודל השפה שמייצר את הסיכום הוא Qwen3.5-2B. בנוסף, הקוד כולל זיהוי שפה אוטומטי בעזרת langdetect, כך שהוא מזהה בעצמו את שפת הדיבור לפני שהוא פונה לעיבוד הטקסט.

מתאים ל

• סיכום הרצאות מוקלטות

  מעלים הקלטה של שיעור כדי לקבל את התוכן הכתוב ועיקרי הדברים בלי לצפות שוב בהכל.

• תמלול שיחות ופגישות

  מחלצים טקסט מפגישות עבודה שמורות בווידאו לקבלת מעקב מסודר אחרי מה שנאמר.

• יצירת תקציר לסרטונים

  מפיקים נקודות עיקריות מתוך קובצי וידאו ארוכים כדי להבין את התוכן במהירות.

איפה זה נופל

מודל הסיכום הוא בנפח של 2B פרמטרים בלבד, שזה גודל מינימלי למשימות טקסט מורכבות. הוא עלול לפספס ניואנסים, לקצר יותר מדי או להמציא פרטים אם הווידאו ארוך או עמוס בפרטים טכניים. בנוסף, תהליך העבודה מחולק לשני שלבים נפרדים ומחייב לחיצה ידנית על הסיכום רק אחרי שהתמלול מסתיים.

איך משתמשים

גוררים את הווידאו לתיבת ההעלאה ולוחצים על כפתור התמלול. המערכת רצה על חומרת zero-a10g שמקצה כרטיס גרפי לפי דרישה, כך שזמן העיבוד מהיר יחסית ותלוי בעיקר באורך הסרטון שהעליתם. אחרי שהתמלול מופיע על המסך, לוחצים על הכפתור השני כדי לקבל את הסיכום. אין צורך להירשם או להתחבר כדי להשתמש בממשק.

הרישיון

היוצר לא הגדיר רישיון בקוד או בעמוד הפרויקט. המשמעות היא שאין הרשאה ברורה לשימוש מסחרי בקוד עצמו. הווידאו שאתם מעלים עובר עיבוד על השרת שמארח את האפליקציה.

הרישיון המלא ב־Hugging Face ↗