Whisper

Whisper הוא משפחה של מודלי זיהוי דיבור בקוד פתוח שפרסמה OpenAI. הוא ממיר אודיו מדובר לטקסט ויכול לתרגם דיבור משפות רבות ישירות לאנגלית. המשקלים מפורסמים תחת רישיון MIT המתירני, כך שאפשר להוריד אותם ולהריץ על החומרה שלך.

המהדורה הפתוחה הנוכחית היא large-v3-turbo, מודל מזוקק שהוצג באוקטובר 2024. הוא שומר כמעט על כל הדיוק של large-v3 המלא אך רץ מהר פי 8 בערך, מה שהופך אותו לפרקטי הרבה יותר לעבודות אצווה ולשימוש קרוב לזמן אמת. נקודת הבדיקה המלאה large-v3 עדיין זמינה כשרוצים את האיכות הגבוהה ביותר האפשרית.

לצד המודלים הפתוחים, OpenAI מציעה כעת גם תמלול מתארח דרך ה-API שלה. נקודת הקצה הקלאסית היא whisper-1, ואליה הצטרפו מודלים מבוססי GPT-4o: gpt-4o-transcribe והזול יותר gpt-4o-mini-transcribe, שמוסיפים אפשרויות כמו הפרדת דוברים (דיאריזציה). על פי דיווחים, גרסת סטרימינג בשם gpt-realtime-whisper הגיעה סביב מאי 2026 ומחזירה מקטעי תמלול בזמן אמת תוך כדי הדיבור.

התמחור מתחלק לשני מסלולים. המודלים בקוד פתוח חינמיים: משלמים רק על המחשוב שלך. ה-API המתארח מחויב לפי שימוש: whisper-1 ו-gpt-4o-transcribe עולים 0.006$ לדקה (0.36$ לשעה), gpt-4o-mini-transcribe עולה 0.003$ לדקה (0.18$ לשעה), וה-gpt-realtime-whisper החי עולה כ-0.017$ לדקה.

הדיוק משתנה מאוד לפי השפה. Whisper אומן על כ-99 שפות, אך האיכות הגבוהה ביותר היא בשפות עתירות משאבים כמו אנגלית ויורדת באופן ניכר בשפות נדירות יותר. הרצת המודלים הגדולים באופן מקומי דורשת גם כרטיס מסך חזק, והמודל עלול לפעמים להזות טקסט במהלך שתיקות ארוכות.

Whisper מתאים אם אתה רוצה מנוע תמלול חינמי לאירוח עצמי, זקוק לכיסוי רב-לשוני רחב, או מעדיף API מנוהל בלי לבנות צינור משלך. בחר במודלי GPT-4o המתארחים אם אתה צריך דיאריזציה או סטרימינג חי מהקופסה.