fast-whisper-turbo

מה זה

הממשק מציג תיבת שמע להעלאת קבצים או הקלטה ישירה, שתי אפשרויות פעולה וכפתור הפעלה יחיד. אתם בוחרים בין תמלול של שפת המקור לבין תרגום, ומקבלים את הפלט בתוך תיבת טקסט שלא ניתנת לעריכה ישירה.

מאחורי הקלעים רץ המודל whisper-large-v3-turbo של OpenAI דרך ספריית transformers הרשמית. זו גרסה מוקטנת של המודל הגדול, שמיועדת לקצר את זמני העיבוד בלי לאבד יותר מדי דיוק ביחס לגרסה המלאה. אין כאן הגדרות מתקדמות, אין חלוקה לרמקולים ואין שליטה בפרמטרים של הפענוח, אלא רק מעטפת בסיסית שמזינה את הקובץ ישירות אל המודל.

מתאים ל

• תמלול מהיר להקלטות קצרות

  מעלים קובץ קול ומקבלים תוך שניות טקסט כתוב בלי צורך להתקין תוכנות או לכתוב קוד.

• תרגום קולי ישיר לאנגלית

  בוחרים באפשרות התרגום וממירים דיבור בשפות נתמכות ישירות לטקסט כתוב באנגלית.

• בדיקת ביצועי מודל הטורבו

  בוחנים את רמת הדיוק והמהירות של גרסת הטורבו החדשה מול קובצי שמע אמיתיים לפני הטמעה.

איפה זה נופל

הכלי מציע שתי אפשרויות בלבד ואינו מאפשר לכוונן שום פרמטר טכני. אין כאן חותמות זמן, אין אפשרות לזהות דוברים שונים ואין ייצוא לקובצי כתוביות כמו SRT. בנוסף, מודל הטורבו נוטה לפספס יותר מילים ביחס לגרסת Large הרגילה בהקלטות עם רעשי רקע, כך שלא כדאי להסתמך עליו לחומרים משפטיים או להקלטות באיכות ירודה.

איך משתמשים

אתם מעלים קובץ אודיו או מקליטים דרך המיקרופון, מסמנים אם תרצו לתמלל או לתרגם, ולוחצים על הכפתור הראשי. המערכת מציגה הודעה על תחילת המשימה והודעה נוספת בסיומה. הריצה מתבצעת על מעבד גרפי מדגם A10G דרך תשתית ZeroGPU, מה שמבטיח מהירות תגובה גבוהה מאוד לכל קובץ. אין צורך בהתחברות או ביצירת חשבון, אך בגלל הקצאת החומרה הדינמית ייתכן שתמתינו כמה שניות אם השרת עמוס בפניות.

הרישיון

הפרויקט מפורסם תחת רישיון Apache 2.0, שמאפשר שימוש חופשי כולל שימוש מסחרי והתאמת הקוד לצרכים שלכם. לגבי קובצי השמע שאתם מעלים, הם עוברים דרך השרתים שמארחים את הממשק, כך שלא מומלץ להעלות לשם הקלטות רגישות או מידע פרטי.

• שימוש מסחרי
• שינוי הקוד
• הפצה מחדש
• שימוש בפטנטים

הרישיון המלא ב־Hugging Face ↗