whisper-v3-zero

מה זה

אתם מעלים קובץ שמע או מקליטים ישירות דרך המיקרופון בממשק, ומקבלים תיבת טקסט עם התמלול המלא לצד תיבה שמציגה נתונים טכניים על הפעולה. הממשק כולל כפתור העתקה לטקסט שנוצר, כך שלא צריך לסמן הכל ידנית.

מאחורי הקלעים רץ קוד שמבוסס על ספריית transformers של Hugging Face ומשתמש ב־ffmpeg כדי לקרוא את האודיו. ברירת המחדל מוגדרת לדגם distil-large-v3, אבל הרשימה כוללת שמונה מודלים שונים, בהם whisper-large-v3 הרגיל של OpenAI, גרסאות קלות כמו tiny ו־base, וגרסאות מואצות של Systran. הקוד כולל גם בדיקה של סטטוס החומרה והמעבד בזמן אמת.

מתאים ל

• תמלול הקלטות קוליות

  מעלים קובץ מוקלט מהטלפון ומקבלים את הטקסט ישירות לתוך תיבה עם אפשרות העתקה נוחה.

• בדיקת ביצועי מודלים

  מזינים את אותו האודיו מול גרסאות שונות כמו distil או large-v3 כדי להשוות איכות ומהירות.

• הקלטה מהירה בדפדפן

  מדברים ישירות למיקרופון במחשב ומפיקים טקסט מידי בלי להוריד תוכנות הקלטה נפרדות.

איפה זה נופל

הקוד חוסם הרצה אם שכחתם להעלות קובץ, כך שאי אפשר להפעיל סתם. בנוסף, האפשרות לתרגום מוערת בקוד כמבוטלת, ולכן הממשק מוגדר רק לתמלול ולא לתרגום לשפות אחרות. מודלים מסוג distil מותאמים בעיקר לאנגלית, אז אם תנסו להריץ עליהם הקלטה בעברית התוצאה תהיה משובשת, ותצטרכו להקליד או לבחור ידנית את הדגמים המלאים של OpenAI.

איך משתמשים

גוררים קובץ פנימה או לוחצים על הקלטה, בוחרים מודל מתוך הרשימה ומפעילים. זה רץ על חומרת zero-a10g, מה שאומר שהעיבוד עצמו מקבל מאיץ גרפי חזק ברגע שהבקשה נשלחת, אבל לפעמים לוקח רגע למכונה להתעורר אם היא עמדה בלי פעילות. אין כאן דרישה להתחברות עם משתמש או הרשמה מראש.

הרישיון

היוצר לא דיווח על רישיון עבור היישום עצמו. המשמעות היא שאין הרשאה ברורה לשימוש מסחרי בקוד, ומבחינת המידע שאתם מעלים, הוא עובר דרך השרת שמארח את ההדגמה ולא נשאר מקומי על המחשב שלכם.

הרישיון המלא ב־Hugging Face ↗