ویسپر
OpenAI Whisperمحصول اوپنایآی
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.
تصاویر محیط ابزار
نقاط قوت
- ✓دقت بالای فارسی در بین ابزارهای متنباز
- ✓رایگان و قابل اجرا روی سیستم شخصی
- ✓پایهٔ دهها ابزار زیرنویس و ترنسکرایب
- ✓ترجمهٔ گفتار به انگلیسی
نقاط ضعف
- ✗راهاندازی محلی دانش فنی و GPU میخواهد
- ✗تشخیص گوینده (diarization) ندارد
- ✗روی اسم خاص و اعداد فارسی گاهی خطا میکند
نظرات کاربران (۵)
دنبال چیزی شبیه این بودم که رسیدم به. اگه ویدیو آموزش کوتاه بذارید عالیه
نقاط قوت و ضعف هر دو مشخص است؛ در مجموع مناسب به نظر میرسد.
دنبال چیزی شبیه این بودم که رسیدم به. در کل بد نیست و کار راه میندازه 👍 فقط گاهی کند میشه
برای نیاز حرفهای ما عملکرد قابل قبولی داشت.
اولش بهش خوشبین نبودم. کاش نسخهی فارسیش کاملتر بود
ابزارهای مشابه
مشاهده همه
اسپیچیفای
Speechify
اپ محبوب «بخوان برایم»: مقاله، PDF، ایمیل و کتاب را با صدای طبیعی و حتی صدای سلبریتیها برایتان میخواند.
ادوبی پادکست
Adobe Podcast
مجموعه ابزار صوتی ادوبی؛ Enhance Speech با یک کلیک نویز و اکو را حذف و کیفیت ضبط خانگی را استودیویی میکند و Mic Check تنظیم میکروفون را میسنجد.
مورف
Murf AI
استودیوی ساخت صدای گوینده با هوش مصنوعی؛ متن را تایپ میکنید و با صدها صدای طبیعی برای ویدئو، دورهٔ آموزشی و تبلیغ نریشن میگیرید.