Whisper

Whisper הוא משפחת מודלים לזיהוי דיבור בקוד פתוח שפורסמה על ידי OpenAI. הוא מתמלל אודיו מדובר לטקסט, ומודלי large-v3 הרב-לשוניים יכולים לתרגם דיבור משפות רבות ישירות לאנגלית. המשקלים פורסמו תחת רישיון MIT המתירני, כך שניתן להוריד אותם ולהריץ אותם על החומרה שלך.

הגרסה הפתוחה הנוכחית היא large-v3-turbo, גרסה מותאמת של large-v3 שפורסמה בספטמבר 2024. היא שומרת כמעט על כל הדיוק של מודל large-v3 המלא תוך ריצה מהירה פי 8 בערך, מה שהופך אותה למעשית הרבה יותר לעבודות אצווה ולשימוש כמעט בזמן אמת. נקודת הבדיקה המלאה של large-v3 עדיין זמינה כאשר רוצים את האיכות הגבוהה ביותר האפשרית. Turbo עצמו לא אומן למשימות תרגום; יש להשתמש בנקודות הבדיקה הרב-לשוניות האחרות של large-v3 לתרגום דיבור לאנגלית.

לצד המודלים הפתוחים, OpenAI מציעה תמלול מתארח דרך ה-API שלה. הנקודת קצה המקורית, whisper-1, יחד עם gpt-4o-transcribe, gpt-4o-mini-transcribe, ו-gpt-4o-transcribe-diarize, הוצאו משימוש באוגוסט 2026 ומתוכננות להסרה מה-API בתאריך 26 בפברואר 2027. OpenAI כעת ממליצה על gpt-transcribe לתמלול מבוסס-קובץ ועל gpt-live-transcribe לתמלול אודיו בזרימה חיה. gpt-realtime-whisper ו-gpt-realtime-translate מופיעים גם הם בדף התמחור של OpenAI.

התמחור מתחלק לשני מסלולים. המודלים בקוד הפתוח חינמיים לשימוש — משלמים רק עבור משאבי המחשוב שלך. ה-API המתארח מחויב לפי דקת אודיו: gpt-transcribe עולה 0.0045$ לדקה, gpt-live-transcribe ו-gpt-realtime-whisper עולים 0.017$ לדקה, ו-gpt-realtime-translate עולה 0.034$ לדקה. המודלים המוצאים משימוש whisper-1, gpt-4o-transcribe, gpt-4o-mini-transcribe, ו-gpt-4o-transcribe-diarize נשארים בחיוב לפי התעריפים הקיימים שלהם לדקה עד הסרתם בתאריך 26 בפברואר 2027.

הדיוק משתנה מאוד לפי שפה. Whisper אומן על כ-99 שפות, אך האיכות חזקה ביותר עבור שפות עתירות-משאבים כמו אנגלית ויורדת בצורה ניכרת עבור שפות פחות נפוצות. הרצת המודלים הגדולים יותר באופן מקומי דורשת גם GPU מספיק חזק, והמודל עלול מדי פעם להזות טקסט במהלך שתיקות ארוכות.

Whisper מתאים מאוד אם רוצים מנוע תמלול חינמי שניתן לאירוח עצמי, זקוקים לכיסוי רב-לשוני רחב, או רוצים API מנוהל בלי לבנות צינור עיבוד משלכם. בחרו במודלים המתארחים gpt-transcribe או gpt-live-transcribe אם נדרש תמלול מבוסס-קובץ או תמלול חי דרך ה-API של OpenAI, ותכננו לעבור הלאה מכל שילוב שעדיין משתמש בנקודות הקצה המוצאות משימוש.