omniasr-transcriptions
רץ בדפדפןfacebookmit2025-09-25
ממשק רשת לתמלול קובצי שמע ווידאו ביותר מ־1,600 שפות. מתאים למי שצריך תמלול מדויק לקולות נדירים או שפות מרובות ישירות מקובצי מדיה.
- —הורדות בחודש
- 241לייקים
מה זה
מעלים קובץ וידאו או אודיו בדפדפן, והשרת מפרק אותו לקטעים ומתמלל אותם לטקסט. המערכת כוללת גם יכולת להדביק את הכתוביות שנוצרו ישירות בחזרה לקובץ וידאו דרך נקודת קצה ייעודית.
מתחת למכסה המנוע רץ מודל Omnilingual ASR של מטא, שנבנה על גבי PyTorch ו־fairseq2. בהרצה המלאה נטען מודל ענק של 7 מיליארד פרמטרים שדורש כ־14 גיגהבייט זיכרון כרטיס מסך, אך ישנן גם גרסאות קלות יותר של מיליארד פרמטרים ו־300 מיליון פרמטרים. בנוסף, הממשק כולל מנגנון סינון קללות מובנה שניתן להפעיל בהגדרות השרת.
מתאים ל
- תמלול שפות נדירות
המרת הקלטות דיבור לטקסט ביותר מ־1,600 שפות ודיאלקטים שאין להם תמיכה במודלים נפוצים.
- יצירת כתוביות לווידאו
העלאת סרטונים, חיתוך אוטומטי של האודיו וחיבור קובץ הכתוביות הסופי ישירות לתוך הווידאו.
- שירות תמלול פנימי
הרצת מכולת דוקר עצמאית בארגון עם גישה ישירה ל־API ללא תלות בספקים חיצוניים.
איפה זה נופל
בדמו הציבורי מוצגות רק שפות עם רמת שגיאות של פחות מ־10%, כך שחלק ניכר מ־1,600 השפות חסום אלא אם משנים משתנה סביבה ייעודי. בנוסף, נכון לעכשיו המרחב הרשמי נמצא במצב מושהה, כך שאי אפשר להשתמש בו ישירות ללא שכפול והרצה על חומרה יקרה משלכם.
שאלות
נפוצות
האם השימוש באפליקציה כרוך בתשלום?
קוד המקור פתוח וחינמי לחלוטין לפי רישיון MIT. יחד עם זאת, המרחב הציבורי מושהה כרגע, וכדי להריץ אותו בעצמכם תצטרכו שרת עם מאיץ גרפי חזק כמו A100 שעולה כסף לפי שעת שימוש.
מה קורה עם קובצי המדיה שמעלים?
הקבצים מעובדים מקומית בתוך המכולה של השרת שנמצאת בהרצה. אם הרמתם את המערכת על שרת פרטי, המידע לא יוצא החוצה אלא אם הפעלתם מזהה גוגל אנליטיקס בהגדרות.
כמה זמן לוקח לתמלל קובץ?
על כרטיס A100 התמלול מתבצע במהירות קרובה לזמן אמת בזכות חלוקה חכמה של האודיו למקטעים. עם זאת, ההרצה הראשונית של השרת דורשת הורדה של מעל 14 גיגהבייט ולכן לוקחת מספר דקות.
האם אפשר להריץ את זה על מחשב אישי רגיל?
המודל המלא של 7B דורש כרטיס מסך מפלצתי של 80 גיגהבייט זיכרון. אם יש לכם כרטיס עם 8 גיגהבייט זיכרון, תוכלו להריץ מקומית רק את גרסת ה־300M הקטנה באמצעות שינוי משתנה סביבה בדוקר.
איך משתמשים
גוררים את הקובץ לחלון בדפדפן בפורט 7860 ולוחצים על תמלול. אפשר לעקוב בזמן אמת אחרי ההתקדמות, או לפנות ישירות לנקודת ה־API של התמלול. המודל הגדול דורש כרטיס A100 של 80 גיגהבייט לצד נפח אחסון של 150 גיגהבייט, כך שהתמלול עצמו רץ מהר וכמעט בזמן אמת, אך ההפעלה הראשונית ארוכה מאוד בגלל הורדת משקלי המודל מהרשת.
הרישיון
הקוד מופץ תחת רישיון MIT שמאפשר שימוש חופשי, כולל לצרכים מסחריים והתאמות אישיות. הנתונים שאתם מעלים מעובדים בתוך הקונטיינר, וללא הגדרת גוגל אנליטיקס במשתני הסביבה המידע נשאר על השרת המריץ בלבד.
- שימוש מסחרי
- שינוי הקוד
- הפצה מחדש