ویسپر

نسخه‌ها و سخت‌افزار لازم

• small۲۴۴M

  حافظهٔ لازم:

  کارت گرافیک ۲ گیگ یا رم ۴ گیگ

  openai/whisper-small ↗

  سبک و سریع و مناسب سیستم ضعیف، اما دقتش برای فارسی از مدل‌های بزرگ‌تر خیلی کمتر است. حدود ۲ گیگابایت حافظهٔ گرافیک طبق README؛ رم تخمینی است.

• medium۷۶۹M

  حافظهٔ لازم:

  کارت گرافیک ۵ گیگ یا رم ۷ گیگ

  openai/whisper-medium ↗

  حد وسط دقت و سرعت برای کارت‌های میان‌رده؛ حدود ۵ گیگابایت حافظهٔ گرافیک طبق README. ترجمهٔ گفتار به انگلیسی را هم انجام می‌دهد.

• turbo (large-v3-turbo)۸۰۹M

  حافظهٔ لازم:

  کارت گرافیک ۶ گیگ یا رم ۸ گیگ

  openai/whisper-large-v3-turbo ↗

  نسخهٔ بهینهٔ large-v3 و مدل پیش‌فرض خط فرمان: طبق README حدود ۸ برابر سریع‌تر از large با افت کم در دقت و حدود ۶ گیگابایت حافظهٔ گرافیک. برای ترجمهٔ گفتار به انگلیسی آموزش ندیده است.

• large-v3۱٫۶B

  حافظهٔ لازم:

  کارت گرافیک ۱۰ گیگ یا رم ۱۲ گیگ

  openai/whisper-large-v3 ↗

  دقیق‌ترین نسخه برای فارسی؛ حدود ۱۰ گیگابایت حافظهٔ گرافیک طبق README. روی CPU کند است.

• BuzzASR Persian (large-v3 fine-tune)۱٫۶B

  حافظهٔ لازم:

  کارت گرافیک ۶ گیگ یا رم ۸ گیگ

  BuzzASR/persian ↗

  فاین‌تیون فقط‌فارسی Whisper large-v3 از گروه BuzzASR (مخزن ۸ سپتامبر ۲۰۲۶، مقالهٔ Findings of EMNLP 2026)، مجوز MIT و استفادهٔ تجاری آزاد. طبق کارت مدل، خطای نویسه (CER) روی FLEURS ۵٫۱۳٪ در برابر ۷٫۱۸٪ برای large-v3 اصلی و روی Common Voice 25 حدود ۴٫۰۵٪ در برابر ۱۴٪ است؛ این دو مجموعه در داده‌های آموزشش هم بوده‌اند و گفتار محاوره‌ای سنجیده نشده. با کتابخانهٔ Transformers اجرا می‌شود، نه با بستهٔ openai-whisper؛ تبدیل به whisper.cpp یا faster-whisper آزمایش نشده، چون توکنایزر عوض شده است. حافظهٔ گرافیک (حدود ۵ تا ۶ گیگابایت در fp16) و رم تخمینی‌اند.

نصب و اجرا

1. ۱

   ffmpeg را نصب کنید (لینوکس)لینوکس

   sudo apt update && sudo apt install ffmpegکپی

   در مک: brew install ffmpeg

2. ۲

   ffmpeg را نصب کنید (ویندوز)ویندوز

   choco install ffmpegکپی

   یا با Scoop: scoop install ffmpeg

3. ۳

   ویسپر را با pip نصب کنید

   pip install -U openai-whisperکپی

   پایتون ۳٫۸ تا ۳٫۱۳. در ویندوز اگر کارت انویدیا دارید، اول PyTorch نسخهٔ CUDA را طبق راهنمای pytorch.org نصب کنید.

4. ۴

   یک فایل فارسی را به زیرنویس تبدیل کنید

   whisper audio.mp3 --model turbo --language Persian --output_format srtکپی

   بار اول مدل turbo (حدود ۱٫۶ گیگابایت) دانلود می‌شود. برای دقت بیشتر ‎--model large-v3 و برای ترجمهٔ گفتار به انگلیسی ‎--task translate (با large-v3 یا medium).

5. ۵

   استفاده روی کامپیوتر بدون اینترنت

   whisper audio.mp3 --model turbo --model_dir ./models --language Persianکپی

   فایل large-v3-turbo.pt را روی کامپیوتر دیگری دانلود کنید و در پوشهٔ models بگذارید؛ ویسپر هش آن را چک می‌کند و دیگر سراغ اینترنت نمی‌رود.

6. ۶

   اختیاری: مدل فارسی BuzzASR با Transformers

   pip install transformers torch torchaudioکپی

   بعد کد شش‌خطی کارت مدل BuzzASR/persian را اجرا کنید؛ زبان فارسی در تنظیمات تولید آن ثابت شده است. فایل مدل (۳٫۰۹ گیگابایت، safetensors) بار اول از Hugging Face دانلود می‌شود.

دانلود

• openai-whisper (PyPI) ↗رسمی

  بستهٔ رسمی پایتون؛ آخرین نسخه 20250625

• کد منبع و راهنما (GitHub) ↗رسمی
• Whisper large-v3 (Hugging Face) ↗رسمی

  نسخهٔ Transformers با قالب safetensors

• Whisper large-v3-turbo (Hugging Face) ↗رسمی
• BuzzASR/persian (Hugging Face) ↗غیررسمی

  فاین‌تیون فارسی large-v3 با مجوز MIT؛ ساختهٔ OpenAI نیست.

نکات امنیتی

• ویسپر هش SHA-256 فایل مدل را با مقدار رسمی مقایسه می‌کند و اگر فایل کپی‌شده جور نباشد هشدار می‌دهد و دوباره دانلود می‌کند؛ این هشدار را نادیده نگیرید.
• فایل‌های ‎.pt قالب pickle پایتون‌اند و می‌توانند کد اجرا کنند؛ فقط فایل رسمی را بارگذاری کنید. نسخه‌های Hugging Face قالب امن‌تر safetensors دارند.
• ابزارهای آنلاینی که «Whisper» در نامشان دارند لزوماً محلی نیستند؛ برای صدای محرمانه (جلسه، پرونده، مصاحبه) خود ویسپر را روی سیستم خودتان اجرا کنید.

برای شرکت‌ها و سازمان‌ها

ویسپر رابط وب یا سرور API ندارد؛ برای سرویس داخلی شرکت معمولاً آن را پشت یک اسکریپت یا سرویس پایتونی روی سروری با کارت انویدیا می‌گذارند و فایل‌ها را دسته‌ای پردازش می‌کنند.

برنامه‌هایی که این مدل را اجرا می‌کنند

• اوداسیتی
• اوپن وب‌یوآی
• Buzz
• هندی (تایپ صوتی آفلاین)
• لوکال‌ای‌آی
• میتیلی (متن و خلاصهٔ جلسه)

هم‌سطح ابری

• توربوسکرایب