ویسپر

OpenAI Whisper

محصول اوپن‌ای‌آی

★★★★★★★★★★۴٫۵

ابزارهای صوت ابزارهای ویدئوپشتیبانی فارسی ✓پلن رایگانAPI

ویدئوی آموزش ابزار (به زودی)مشاهده سایت ↗

کاملاً رایگان و متن‌باز؛ نسخهٔ API ابری OpenAI اعتباری/پولی

مدل متن‌باز تشخیص گفتار OpenAI؛ استاندارد عملی پیاده‌سازی صوت به متن که فارسی را هم خوب می‌فهمد و رایگان روی سیستم خودتان اجرا می‌شود.

معرفی: ویسپر

ویسپر روی ۶۸۰ هزار ساعت صوت چندزبانه آموزش دیده و از انتشارش در ۲۰۲۲ به استاندارد متن‌باز تبدیل گفتار به متن تبدیل شده؛ ده‌ها ابزار زیرنویس و ترنسکرایب روی آن ساخته شده‌اند. برای فارسی جزو بهترین گزینه‌های در دسترس است — به‌خصوص مدل large-v3 — و علاوه بر پیاده‌سازی، ترجمهٔ گفتار به انگلیسی هم انجام می‌دهد.

خود مدل رایگان است اما اجرای آن کمی فنی است (پایتون یا ابزارهایی مثل whisper.cpp) و مدل بزرگ به GPU نیاز دارد. نسخهٔ API ابری OpenAI پولی است و از ایران بدون واسطه در دسترس نیست؛ اجرای محلی این محدودیت را ندارد. خروجی فارسی روی اسم خاص و اعداد گاهی خطا دارد و علائم نگارشی همیشه دقیق نیست.