insanely-fast-whisper-webui

מה זה

מזינים קובץ אודיו, מקליטים במיקרופון, או מדביקים קישור. אפשר גם להעלות כמה קבצים יחד. בוחרים שפה או נותנים לכלי לזהות אותה לבד, ומחליטים אם רוצים תמלול רגיל או תרגום.

בצד המודלים, יש כאן מבחר שכולל גרסאות מזוקקות כמו distil-large-v2, distil-large-v3, distil-large-v3.5 ודגמים קטנים יותר באנגלית. יש גם את whisper-base הרגיל, גרסה לרוסית, ומודל turbo. המערכת מחלקת את הקול למקטעים של 30 שניות ומריצה אותם במנות של 24 כברירת מחדל.

התוצאה מופיעה בשלושה אופנים על המסך. רואים את הטקסט המלא, צופים במקטעים המתוזמנים, ומקבלים קבצים מוכנים להורדה.

מתאים ל

• יצירת כתוביות מהירה

  מעלים קובץ שמע של הרצאה ומורידים קבצי כתוביות מוכנים לפי מקטעים.

• תמלול הקלטות באנגלית

  משתמשים במודלים המזוקקים כדי להוציא טקסט מדויק מקול באנגלית בלי עומס.

• בדיקת מודלי וויספר שונים

  משווים פלט בין גרסאות קלות שונות של וויספר על אותו קטע קול ישירות בדפדפן.

איפה זה נופל

השם מבטיח מהירות מטורפת, אבל החומרה בפועל היא מעבד בסיסי בלבד. המודלים המזוקקים האלה עוצבו במקור לאנגלית, ולכן דיוק בתמלול עברית עלול לאכזב מאוד, בטח מול שפות שנתמכות טוב יותר. אין כאן מודלים גדולים מלאים חוץ מגרסה ייעודית לרוסית, והממשק לא מציג דוגמאות מובנות מראש לבדיקה מהירה.

איך משתמשים

בוחרים מודל מתוך הרשימה, מעלים את הקובץ ולוחצים על כפתור התמלול. אין צורך להתחבר או להירשם. האפליקציה רצה על חומרת מעבד בסיסית, מה שאומר שזה לא יטוס כמו השם שלה, אלא ייקח זמן לפי אורך ההקלטה ועומס השרת. תיבת הסימון של Flash Attention מופיעה שם, אבל על מעבד פשוט היא לא תיתן לכם שום שיפור.

הרישיון

הקוד פתוח תחת רישיון MIT, שמאפשר להשתמש, להעתיק ולשנות כמעט בלי מגבלות. לגבי הקבצים שמעלים והפלט שנוצר, הרישיון לא מפרט תנאי פרטיות, ולכן לא מומלץ להעלות לשם הקלטות רגישות.

• שימוש מסחרי
• שינוי הקוד
• הפצה מחדש

הרישיון המלא ב־Hugging Face ↗