Audio-Transcription

מה זה

אתם מעלים קובץ שמע מהמחשב דרך רכיב ההעלאה של הממשק, ומקבלים בחזרה את התמלול הטקסטואלי של ההקלטה. מתחת למכסה המנוע הקוד לא מריץ את המודל ישירות על השרת המקומי, אלא שולח בקשת רשת אל ממשק ה־API של חברת Gladia. החיבור הזה מפעיל את Whisper large-v2 בגרסה מואצת שאמורה לקצר את זמני ההמתנה בהשוואה להרצה רגילה.

הממשק כולל שתי דוגמאות מובנות של קובצי קול מוכנים מתוך הסרטים Good Will Hunting ו־The Wolf of Wall Street. הדוגמאות האלה מיועדות לבדיקה מהירה של יכולות הפענוח באנגלית בלי שתצטרכו להעלות קובץ משלכם, ומאחורי הקלעים נטען גם קובץ שפות לבחירה או זיהוי.

מתאים ל

• בדיקת תמלול באנגלית

  הרצת הדוגמאות המוכנות מקטעי הסרטים לבחינת איכות התוצאה של המודל.

• שליחת שמע ל־API

  העלאת קובצי קול קצרים לבדיקת מהירות העיבוד של שירות Gladia.

• לימוד קוד הממשק

  עיון בחיבור בין ממשק Gradio לבין שירות חיצוני של תמלול שמע.

איפה זה נופל

הבעיה המרכזית היא שהעמוד מדווח על שגיאת ריצה ולא עובד כרגע. מעבר לכך, הקוד לא מעבד את השמע אצלכם אלא תלוי לחלוטין בשרתי ה־API החיצוניים של Gladia. הדוגמאות מציגות קטעי סרטים באנגלית באודיו נקי, כך שהן לא משקפות בהכרח איך המודל יתמודד עם עברית, דיבור יומיומי או הקלטות עם רעשי רקע.

איך משתמשים

בפועל אתם גוררים קובץ שמע לממשק או לוחצים על אחת הדוגמאות המוכנות, ולוחצים על כפתור ההפעלה כדי לשלוח את הבקשה. אין צורך לפתוח חשבון כדי לנסות את הממשק, והוא מוגדר על חומרת מעבד מסוג cpu-upgrade. עם זאת, העמוד נמצא כרגע במצב של תקלת ריצה, ולכן כרגע אי אפשר להשתמש בו ישירות בדפדפן עד שיתוקן.

הרישיון

הקוד מפורסם תחת רישיון MIT שמאפשר שימוש חופשי, העתקה ושינוי. עם זאת, קובצי השמע שאתם מעלים נשלחים לשרתי חברת Gladia דרך ה־API, ולכן השימוש בהם כפוף למדיניות של אותו שירות חיצוני ולא רק לרישיון הקוד הפתוח.

• שימוש מסחרי
• שינוי הקוד
• הפצה מחדש

הרישיון המלא ב־Hugging Face ↗