نوشته تحریریه whispertranscribe.ai · آخرین بهروزرسانی: نوامبر 2026 · زمان مطالعه: 15 دقیقه · دسته: ابزارهای رونویسی
بهترین نرمافزار رونویسی با هوش مصنوعی به منبع صدا و نتیجهای که میخواهید بستگی دارد. برای بارگذاری فایل به زبانهای مختلف، از ابزاری مانند whispertranscribe.ai یا TurboScribe استفاده کنید که برای پردازش فایل طراحی شده است. برای جلسه زنده از یادداشتبرداری مانند Otter.ai یا Fireflies.ai استفاده کنید. برای زیرنویس HappyScribe را انتخاب کنید. برای صوت محرمانه، Whisper را روی دستگاه خود اجرا کنید.
بیشتر راهنماها ابزارها را انگار کار یکسانی انجام میدهند رتبهبندی میکنند. در عمل، ربات جلسهای که فهرست کارهای بعدی را خوب مینویسد برای پوشهای از کلاسهای سهساعته خرید مناسبی نیست. این راهنما از کار شما شروع میکند و هفت معیار، جدول تصمیمگیری بر اساس کاربرد، توضیح ساده اعداد دقت و روش آزمایشی پنجمرحلهای دارد. (طرحهای رایگان را مقایسه میکنید یا میخواهید از Otter یا TurboScribe مهاجرت کنید؟ راهنماهای مربوط جدول تفکیکی طرحها را دارند.)
درباره منافع ناشر. این راهنما را whispertranscribe.ai منتشر میکند و ابزار خودمان را برای فایلهای بارگذاریشده و صوت چندزبانه اول میآوریم. کارهایی را هم معرفی میکنیم که ابزار دیگر برایشان بهتر است و محدودیتهای خودمان را میگوییم. برای این مقاله آزمون مقایسهای دقت انجام ندادیم. اعداد دقت از پژوهشهای منتشرشده و اطلاعات محصولات از صفحات رسمی بررسیشده در نوامبر 2026 آمده است.
پاسخ کوتاه: بهترین نرمافزار رونویسی با هوش مصنوعی بر اساس کاربرد
- فایلهای بارگذاریشده (مصاحبه، کلاس، ضبط): whispertranscribe.ai برای فایل تا 5 گیگابایت و 10 ساعت، ورود از پیوند و 130+ زبان. انتخاب بعدی TurboScribe است برای حجم بالا با قیمت ثابت.
- جلسه زنده: Otter.ai (شش زبان در صفحه قیمت و هفده زبان در راهنما)، Fireflies.ai برای همگامسازی CRM، Notta برای ربات و بارگذاری به 58 زبان.
- زیرنویس و زیرنویس توصیفی: HappyScribe برای قالبهای زیرنویس، 150+ زبان و امکانات اختیاری بازبینی انسانی.
- پادکست و ویدیویی که میخواهید تدوین کنید: Descript که با ویرایش متن، صدا یا تصویر را هم ویرایش میکند. Sonix برای تیمهایی مناسب است که متنها را گروهی بازبینی میکنند.
- زبانهای گوناگون یا صدای چندزبانه: whispertranscribe.ai با 130+ زبان و حالت Multilingual Mix.
- صدای محرمانه یا آفلاین: OpenAI Whisper یا MacWhisper روی رایانه خودتان. وقتی باید کسی صحت متن را تأیید کند، Rev را انتخاب کنید.
ضبط آماده دارید؟ whispertranscribe.ai را بدون نیاز به حساب امتحان کنید.
ارزیابی نرمافزار رونویسی با هوش مصنوعی: 7 معیار
همه ابزارها را با هفت معیار مشترک بسنجید و وزن هر مورد را بر اساس کاربرد تعیین کنید. قیمت را آخر مقایسه کنید. طرح ارزان که مدت فایل یا زبان را نمیپذیرد، ممکن است برای پیدا کردن راه جایگزین بیش از میزان صرفهجویی هزینه داشته باشد.
1. صدا چگونه وارد میشود؟
ابزارها از چهار روش صدا میگیرند: بارگذاری فایل، چسباندن پیوند، ربات پیوسته به تماس یا ضبط روی دستگاه خود از طریق مرورگر یا ضبطکننده رایانه. علاوه بر دقیقه ماهانه، سقف هر فایل را بررسی کنید. Fireflies.ai بر اساس راهنمای بارگذاری هر بارگذاری را به 150 دقیقه محدود میکند، اما TurboScribe و whispertranscribe.ai تا 10 ساعت میپذیرند.
2. روی صدای شما چقدر دقیق است؟
«دقت 99%» بهترین شرایط عرضهکننده را بیان میکند. آنچه اهمیت دارد دقت با میکروفون، لهجه و واژگان شماست. بخش دقت در ادامه نشان میدهد نتیجه یک مدل چقدر تغییر میکند.
3. گویندگان را تفکیک و زمانها را حفظ میکند؟
در مصاحبه و جلسه، برچسب گوینده تعیین میکند متن چقدر قابلاستفاده است. بررسی کنید شناسایی گویندگان در طرح شما هست، نام گوینده قابلتغییر است و نشانگرهای زمانی در خروجی باقی میمانند.
4. زبان و لهجه شما را پوشش میدهد؟
شمار زبانهای اعلامشده تفاوت زیادی دارد. Otter.ai در صفحه قیمت 6 و در راهنمای رسمی 17 زبان رونویسی فهرست میکند. Descript دارای 25، Sonix دارای 54+، Notta دارای 58، MacWhisper دارای 100 و HappyScribe دارای 150+ زبان است. فهرست طولانی کیفیت یکسان را تضمین نمیکند. OpenAI در README مدل Whisper میگوید عملکرد «بسته به زبان بسیار متفاوت است». اگر گویندگان وسط گفتوگو زبان عوض میکنند، دنبال حالت چندزبانه باشید.
5. چه چیزهایی را میتوانید ویرایش و صادر کنید؟
مشخص کنید چه چیزی تحویل میدهید: DOCX برای مشتری، SRT یا VTT برای ویدیو، CSV برای تحلیل یا یک قسمت تدوینشده. تیمهای پخش ممکن است STL یا EDL هم بخواهند. مطمئن شوید ویرایشگر هنگام اصلاح متن صدا را پخش میکند.
6. مصرف چگونه محاسبه میشود؟
ابزارها ممکن است بر اساس دقیقه ماهانه، بسته ساعتی، طرح «نامحدود» با قیمت ثابت یا هر دقیقه کار انسانی هزینه بگیرند. محدودیت فایل، تعداد بارگذاری و هزینه هر کاربر را هم ببینید. روش محاسبه از قیمت روی صفحه مهمتر است: 120 دقیقه در ماه برای کار گهگاهی کافی است و برای پژوهش با 40 مصاحبه کافی نیست.
7. چه بر سر دادهها میآید؟
بپرسید صدا کجا پردازش میشود، فایلها تا چه زمانی نگهداری میشوند، آیا محتوا برای آموزش مدل هوش مصنوعی به کار میرود و عرضهکننده چه گواهیهایی منتشر کرده است. فهرست حریم خصوصی زیر پرسشهای مشخص را دارد.
اهمیت هر معیار برای هر کاربرد
| معیار | فایل بارگذاریشده | جلسات | زیرنویس | مصاحبه و پادکست | زبانهای زیاد | صوت محرمانه |
|---|---|---|---|---|---|---|
| روش ورود صدا | زیاد | زیاد | متوسط | متوسط | متوسط | زیاد |
| دقت روی صدای شما | زیاد | متوسط | زیاد | زیاد | زیاد | زیاد |
| گویندگان و نشانگرهای زمانی | متوسط | زیاد | متوسط | زیاد | متوسط | متوسط |
| پوشش زبان | متوسط | متوسط | متوسط | کم | زیاد | متوسط |
| ویرایش و خروجی | متوسط | کم | زیاد | زیاد | متوسط | متوسط |
| محاسبه مصرف | زیاد | متوسط | متوسط | متوسط | متوسط | کم |
| شیوه پردازش داده | متوسط | زیاد | کم | متوسط | متوسط | زیاد |
این وزنها برآورد تحریریه هستند و امتیاز اندازهگیری نیستند.
بهترین نرمافزار رونویسی با هوش مصنوعی بر اساس کاربرد: جدول انتخاب
| کاربرد | عوامل تصمیم | انتخاب اول | گزینههای دیگر | مواردی که باید گزینه دیگری انتخاب کنید |
|---|---|---|---|---|
| بارگذاری مصاحبه، کلاس و ضبط | سقف فایل بلند، ورود از پیوند، خروجی | whispertranscribe.ai | TurboScribe | یک نفر باید تکتک واژهها را تأیید کند |
| جلسه زنده | ربات تقویم، یادداشت زنده، خلاصه | Otter.ai | Notta | زبان جلسه پشتیبانی نمیشود |
| تماس فروش و مشتری | همگامسازی با CRM پس از هر تماس | Fireflies.ai | Otter.ai | باید ضبطهای بیش از 150 دقیقه را بارگذاری کنید |
| زیرنویس و زیرنویس توصیفی | زمانبندی، SRT/VTT، قالبهای پخش | HappyScribe | whispertranscribe.ai، Sonix | فقط متن ساده میخواهید |
| تدوین پادکست و ویدیو | ویرایش از طریق متن، پاکسازی صدا | Descript | Sonix | فقط متن رونویسی میخواهید |
| مصاحبه پژوهشی و روزنامهنگاری | برچسب گوینده، نقلقول، زمان بازبینی | whispertranscribe.ai | Sonix، Rev | قرار است نقلقولها بدون بازبینی منتشر شوند |
| زبانهای زیاد یا جابهجایی بین زبانها | فهرست زبان، حالت چندزبانه | whispertranscribe.ai | HappyScribe، Notta | زبان شما در فهرست عرضهکننده نیست |
| صوت محرمانه یا آفلاین | پردازش روی دستگاه خودتان | OpenAI Whisper، MacWhisper | Rev | نمیتوانید نرمافزار را نصب یا نگهداری کنید |
| اسناد حقوقی و نقلقول چاپی | تأیید انسانی | Rev | بازبینی انسانی HappyScribe | بودجه کم است. کار انسانی از دقیقهای $1.99 شروع میشود |
بسیاری از تیمها دو ابزار دارند: ربات جلسه برای تماسها و ابزار فایل برای باقی کارها.
ادعای دقت و نرخ خطای واژه را چگونه بخوانیم؟
نرخ خطای واژه (WER) معیار استاندارد دقت است. طبق مستندات تشخیص گفتار مایکروسافت، آن را از تقسیم مجموع واژههای جایگزینشده، جاافتاده و اضافه بر تعداد واژههای متن مرجعی که انسان با دقت نوشته به دست میآورند. «دقت 99%» تقریباً برابر با WER معادل 1% یا یک خطا در هر 100 واژه است. کیفیت ضبط بر این عدد اثر زیادی دارد.
یک مدل با نتایج بسیار متفاوت
مقاله پژوهشی Whisper نرخ خطای یک مدل، Whisper Large V2، را روی مجموعههای آزمون مختلف گزارش میکند (شکل 2). چند نمونه:
| مجموعه آزمون (مقاله Whisper) | نوع صدا | WER مدل Whisper Large V2 |
|---|---|---|
| LibriSpeech test-clean | کتاب صوتی خواندهشده، صدای واضح | 2.7% |
| CallHome | گفتوگوی تلفنی | 17.6% |
| CHiME-6 | گفتوگو سر میز شام با میکروفونهای دور | 25.5% |
| AMI SDM1 | جلسه با یک میکروفون دور | 36.4% |
| میانگین 13 مجموعه آزمون دیگر در شکل | ترکیبی | 12.8% |
یک مدل در گفتار خواندهشده واضح 2.7% و در جلسه با میکروفون دور 36.4% خطا دارد. به همین دلیل ادعای «تا 99%»، از جمله ادعای ما، سقف عملکرد در صدای واضح است. مدلهای جدیدتری هم وجود دارند. این اعداد گستره تفاوت نتایج را نشان میدهند و امتیاز محصولهای این مقاله نیستند.
اختلاف WER در مصاحبه یکساعته چه معنایی دارد؟
این یک محاسبه نمونه است. فرض کنید مصاحبه یکساعته حدود 9,000 واژه دارد (با فرض سرعت 150 واژه در دقیقه):
| WER | واژههای غلط، جاافتاده یا اضافه از حدود 9,000 واژه | حجم کار اصلاح |
|---|---|---|
| 2% | حدود 180 | بازبینی سبک |
| 5% | حدود 450 | بررسی دقیق نامها و عددها |
| 10% | حدود 900 | دوباره گوش دادن به بخش زیادی از فایل |
| 25% | حدود 2,250 | در بسیاری موارد کندتر از شروع دوباره |
راهنمای مایکروسافت WER از 5 تا 10% را خوب، 20% را قابلقبول و 30% یا بیشتر را ضعیف میداند.
سه نکتهای که WER نشان نمیدهد
- خطاها بیشتر در گفتار چه کسانی رخ میدهند. یک پژوهش در PNAS درباره پنج سامانه تجاری تشخیص گفتار میانگین WER برابر 0.35 را برای گویندگان سیاهپوست و 0.19 را برای گویندگان سفیدپوست گزارش کرد. با صدای گویندگان واقعی خودتان آزمایش کنید.
- متن ساختهشده. پژوهش Careless Whisper نشان داد در آزمایشهای 2023، حدود 1% از رونویسیهای Whisper API عبارتهایی کامل داشتند که کسی نگفته بود و 38% از این موارد محتوای زیانآور داشتند. این وضعیت در صوت با مکثهای طولانی بیشتر دیده شد، پس بخشهای سکوت را بررسی کنید.
- کدام خطا مهمتر است. رقم اشتباه در قیمت و یک «اِم» جاافتاده یکسان شمرده میشوند، اما پیامدشان بسیار متفاوت است.
برای مقایسه مدلها، Open ASR Leaderboard نرخ خطای بازتولیدپذیر منتشر میکند (مقاله). ارزیابی آن مدلها را میسنجد و شامل ویرایشگر و سقف بارگذاری محصولات نمیشود.
10 ابزار برتر رونویسی با هوش مصنوعی و کاربرد اصلی هرکدام
تمام قیمتها و محدودیتهای زیر از صفحات خود عرضهکنندگان آمدهاند و در نوامبر 2026 بررسی شدهاند. طرحها اغلب تغییر میکنند، پس قبل از خرید دوباره بررسی کنید.
1. whispertranscribe.ai: مناسب برای فایل بارگذاریشده و صوت چندزبانه
whispertranscribe.ai ابزار رونویسی مبتنی بر مرورگر است که از مدل تشخیص گفتار Whisper شرکت OpenAI استفاده میکند.
مزایا: فایلهای تا 5 گیگابایت و 10 ساعت، از MP3 و M4A تا MP4، MOV و MKV. با رونویسی از نشانی اینترنتی میتوانید پیوندهای YouTube، Vimeo، Google Drive و Dropbox را به متن تبدیل کنید. 130+ زبان دارد، با حالت نویز یا صوت کمکیفیت برای بسیاری از آنها و Multilingual Mix برای وقتی که گویندگان زبان عوض میکنند. میتوانید صدا را به انگلیسی ترجمه کنید. شناسایی گوینده، نشانگر زمانی، خروجی DOCX، PDF، TXT، CSV، SRT و VTT و یک سازنده زیرنویس با هوش مصنوعی دارد. برای جلسه، ضبطکننده آنلاین صفحه صفحه، میکروفون و صدای سیستم را بدون ورود ربات به تماس ضبط میکند (همه امکانات). پیش از ضبط، رضایت لازم شرکتکنندگان و اجازه برگزارکننده را بگیرید.
محدودیتها: ربات جلسه، ورود خودکار از تقویم، رونویسی یا بازبینی انسانی، API، برنامه رایانه و واژهنامه سفارشی ندارد. طرحها دقیقه رونویسی را حساب میکنند و مصرف نامحدود ندارند. پردازش در فضای ابری است. دقت در صدای واضح تا 99% میرسد و نویز، گفتار همزمان و لهجه پررنگ آن را کم میکند.
قیمت: از ماهانه $9.99 با پرداخت سالانه (مشاهده قیمتها). شروع رایگان به حساب نیاز ندارد.
2. TurboScribe: مناسب برای تعداد زیاد فایلهای انباشته
TurboScribe سرویس رونویسی فایل مبتنی بر Whisper با یک قیمت ثابت است.
مزایا: Unlimited برای یک نفر سقف کلی مصرف ندارد. فایلها تا 10 ساعت یا 5 گیگابایت، هر نوبت 50 فایل و به 98+ زبان پشتیبانی میشوند. Restore Audio و خروجی DOCX، PDF، TXT، SRT، VTT و CSV هم دارد.
محدودیتها: صفحه پشتیبانی میگوید «API یا دسترسی خودکار ارائه نمیکند». ضبط جلسه یا بازبینی انسانی در سایت نیامده است. طرح رایگان روزانه 3 فایل، هرکدام تا 30 دقیقه، میدهد. مقایسه با ابزار ما را در صفحه جایگزین TurboScribe ببینید.
قیمت: ماهانه $10 با پرداخت سالانه یا $20 با پرداخت ماهانه (TurboScribe).
3. Otter.ai: مناسب برای جلسه زنده به زبانهای پشتیبانیشده
Otter.ai دستیار جلسه با هوش مصنوعی است. Notetaker آن برای ضبط، رونویسی و خلاصهسازی به تماسهای Zoom، Google Meet و Teams میپیوندد.
مزایا: رونویسی زنده، خلاصه همراه با فهرست کارها، AI Chat برای چند جلسه و واژگان تیمی در Pro.
محدودیتها: صفحه قیمت شش زبان را فهرست میکند: انگلیسی، اسپانیایی، فرانسوی، آلمانی، ژاپنی و چینی ماندارین با خط سادهشده. راهنمای رسمی 17 زبان دارد. زبان مدنظر را در حساب خود بررسی کنید. ورود فایل در Basic در کل عمر حساب 3 بار و در Pro ماهانه 10 بار است. سقف هر گفتوگو در Basic 30 و در Pro 90 دقیقه است. طبق سیاست حریم خصوصی، شرکت برای آموزش فناوری هوش مصنوعی خود از صوت بدون دادههای شناساییکننده و متنهایی استفاده میکند که ممکن است اطلاعات شخصی داشته باشند. اطلاعات بیشتر در صفحه جایگزین Otter.ai آمده است.
قیمت: Basic رایگان با 300 دقیقه در ماه. Pro ماهانه $8.33 برای هر کاربر با پرداخت سالانه یا $16.99 با پرداخت ماهانه (قیمت Otter).
4. Fireflies.ai: مناسب برای تماس فروش و مشتری
Fireflies.ai ابزار یادداشت جلسه با هوش مصنوعی است که ربات را به تماس میفرستد و خلاصهها را به سامانه CRM منتقل میکند.
مزایا: Zoom، Meet، Teams و موارد دیگر را ضبط میکند. افزونه Chrome بدون ربات ضبط میکند. صفحه قیمت یکپارچهسازیها و دسترسی API را فهرست میکند و میگوید دادهها هرگز برای آموزش هوش مصنوعی استفاده نمیشوند.
محدودیتها: در پرسشهای رایج میگوید انگلیسی زبان اصلی پشتیبانیشده است و 100+ زبان دیگر در مرحله آزمایشیاند. بارگذاری هر فایل به 150 دقیقه و 500 مگابایت صوت محدود است. طرح رایگان برای هر تیم 400 دقیقه ذخیره میکند.
قیمت: Pro ماهانه $10 برای هر کاربر با پرداخت سالانه یا $18 با پرداخت ماهانه. Business با پرداخت سالانه $19 یا با پرداخت ماهانه $29 است (قیمت Fireflies).
5. Notta: مناسب برای جلسه چندزبانه با بارگذاری فایل
Notta ربات جلسه، برنامهها و بارگذاری فایل را در یک حساب جمع میکند.
مزایا: 58 زبان رونویسی، ضبط تا 5 ساعت در Pro، ماهانه 1,800 دقیقه و 100 بارگذاری، و افزونه رونویسی دوزبانه. پرسشهای رایج صفحه قیمت میگویند Notta گواهی SOC 2 Type II و ISO 27001 دارد.
محدودیتها: طرح رایگان هر گفتوگو را پس از 3 دقیقه متوقف میکند. پس از لغو طرح پولی فقط 3 دقیقه اول هر متن را میتوانید ببینید، بنابراین اول خروجی بگیرید.
قیمت: Pro ماهانه $8.17 با پرداخت سالانه (سالانه $97.99). Business ماهانه $16.67 برای هر کاربر با پرداخت سالانه (قیمت Notta).
6. Descript: مناسب برای تدوین پادکست و ویدیو
Descript ویرایشگر صدا و ویدیو است که با حذف جمله از متن، همان جمله را از ضبط برش میدهد.
مزایا: حذف کلمات پرکننده، پاکسازی صدا با Studio Sound، شناسایی 8+ گوینده و رونویسی چندمسیره وقتی صدای هر مهمان در مسیر جدا ضبط شده است.
محدودیتها: به 25 زبان رونویسی میکند. هرچه وارد یا ضبط کنید در «ساعت رسانه» طرح محاسبه میشود. برای کسی که فقط رونویسی ساده میخواهد، قابلیتهای تدوین آن بیشتر از نیاز است.
قیمت: Free ماهانه 60 دقیقه رسانه دارد. Hobbyist ماهانه $16 برای هر نفر با پرداخت سالانه و 10 ساعت رسانه دارد (قیمت Descript).
7. HappyScribe: مناسب برای زیرنویس و بومیسازی
HappyScribe سکوی رونویسی، زیرنویس و ترجمه با ابزار یادداشت جلسه است.
مزایا: 150+ زبان برای رونویسی و زیرنویس، ترجمه هوش مصنوعی به 80+ زبان، واژهنامه و راهنمای سبک و 15+ قالب خروجی در Pro، از جمله VTT، STL، XML، FCPXML و EDL. بازبینی انسانی از دقیقهای $2.00 شروع میشود. صفحه قیمت انطباق با SOC 2 Type 2 و GDPR را فهرست میکند.
محدودیتها: رونویسی، زیرنویس و ترجمه از یک سهمیه استفاده میکنند: 120 دقیقه در ماه در Basic، با خرید دقیقه اضافی به قیمت $0.20. Basic فقط TXT، SRT، PDF و DOCX صادر میکند و طرح رایگان آزمایش یکباره 10 دقیقهای است.
قیمت: Basic ماهانه $8.50 با پرداخت سالانه (با پرداخت ماهانه $17). Pro با پرداخت سالانه ماهانه $19 (با پرداخت ماهانه $29) (قیمت HappyScribe).
8. Sonix: مناسب برای بازبینی گروهی متن
Sonix سامانه رونویسی مرورگری است که امکاناتش حول ویرایشگر طراحی شدهاند.
مزایا: فهرست امکانات شامل 54+ زبان، برچسب گوینده، واژهنامه سفارشی، جستوجو در چند متن، اختیارات کاربران و دسترسی API است. گزارش SOC 2 Type 2 منتشر میکند. Enterprise انطباق با HIPAA و قراردادهای BAA و DPA را اضافه میکند.
محدودیتها: مصرف با ساعت صدا محاسبه میشود. Core ماهانه 5 ساعت دارد، هر ساعت اضافه $10 و هر کاربر اضافی ماهانه $25 هزینه دارد.
قیمت: ساعتی $10 با پرداخت بهازای مصرف یا طرح Core ماهانه $25 (سالانه $275)، با آزمایش رایگان 30 دقیقهای (قیمت Sonix).
9. Rev: مناسب وقتی متن باید توسط انسان تأیید شود
Rev رونویسی با هوش مصنوعی و رونویسی انسانی میفروشد و اکنون روی تیمهای حقوقی و تحقیقاتی تمرکز دارد.
مزایا: رونویسی انسانی را با تضمین دقت 99%+ ظرف 12 ساعت ارائه میکند. متن با قالب حقوقی صفحهای $2.25 تا $2.50 است. Rev انطباق با SOC 2 Type II را ذکر میکند و میگوید از داده مشتری برای آموزش مدلهای زبانی بزرگ بیرونی استفاده نمیشود.
محدودیتها: طرح رایگان هوش مصنوعی فقط انگلیسی با 45 دقیقه در ماه است و 37+ زبان به Pro نیاز دارند. هزینه انسانی جمع میشود: یک ساعت با دقیقهای $1.99 برابر $119.40 است.
قیمت: رونویسی انسانی از دقیقهای $1.99. طرح Essentials برای هر کاربر ماهانه $25.49 با پرداخت سالانه یا $29.99 با پرداخت ماهانه (قیمت Rev).
10. OpenAI Whisper و MacWhisper: مناسب برای صوت محرمانه یا آفلاین
OpenAI Whisper مدل متنباز تشخیص گفتار با مجوز MIT است که روی سختافزار خودتان اجرا میشود. MacWhisper برنامه مک است که با مدلهای محلی رونویسی میکند.
مزایا: صدا روی رایانه شما میماند و مصرف اندازهگیری نمیشود. MacWhisper شناسایی گوینده، رونویسی دستهای، خروجی SRT، VTT و DOCX، ضبط جلسه بدون ربات و 100 زبان را اضافه میکند.
محدودیتها: Whisper به Python و خط فرمان نیاز دارد و README حدود 10 گیگابایت VRAM برای مدل بزرگ ذکر میکند. سرعت به دستگاه بستگی دارد و امنیت و نسخه پشتیبان با شماست. MacWhisper فقط برای macOS است.
قیمت: Whisper رایگان است. MacWhisper نسخه رایگان دارد و مجوز Pro با پرداخت یکباره €64 ارائه میشود (MacWhisper).
فهرست بررسی حریم خصوصی و استفاده از داده
پیش از بارگذاری محتوای حساس، پاسخ مکتوب را در سیاست حریم خصوصی، صفحه امنیت و شرایط استفاده پیدا کنید. متن تبلیغاتی کافی نیست. این راهنمای عمومی است و مشاوره حقوقی نیست. برای مدارک پزشکی، حقوقی یا دانشجویی با تیم انطباق سازمان مشورت کنید.
| پرسش | چرا مهم است | کجا بگردید |
|---|---|---|
| آیا صدا یا متن من برای آموزش مدلهای هوش مصنوعی به کار میرود؟ | بعضی عرضهکنندگان با محتوای مشتری آموزش میدهند | سیاست حریم خصوصی |
| چه طرفهای ثالثی صدای من را پردازش میکنند؟ | بسیاری از ابزارها صدا را به ارائهدهندگان خارجی هوش مصنوعی میفرستند | فهرست پردازشگران فرعی یا سیاست حریم خصوصی |
| اصل فایل، کپی صوت و متن تا چه زمانی میمانند؟ | هرکدام ممکن است قاعده نگهداری متفاوتی داشته باشند | بخش نگهداری داده |
| آیا میتوانم فایلها و نسخههای پشتیبان را حذف کنم؟ | داده حذفشده ممکن است در نسخه پشتیبان بماند | مرکز راهنما یا صفحه امنیت |
| آیا کسی محتوای من را بازبینی میکند؟ | بررسی کیفیت توسط انسان یعنی کسی صوت را میشنود | سیاست حریم خصوصی و شرایط استفاده |
| داده کجا نگهداری میشود؟ | برخی سازمانها درباره محل نگهداری داده مقررات دارند | صفحه امنیت یا مرکز اعتماد |
| عرضهکننده چه اسنادی منتشر میکند: گزارش SOC 2، ISO 27001، HIPAA BAA یا DPA؟ | سازمان ممکن است سند مشخصی را بخواهد | مرکز اعتماد یا درخواست سند از بخش فروش |
| چه کسی در فضای کاری من میتواند متنها را ببیند و به اشتراک بگذارد؟ | پیوند عمومی اشتراکگذاری از راههای رایج افشای داده است | تنظیمات مدیر و اشتراکگذاری |
| آیا همه با ضبط موافقت کردهاند؟ | قواعد رضایت به محل بستگی دارد. پیش از ضبط، رضایت لازم شرکتکنندگان و اجازه برگزارکننده را بگیرید | قوانین ضبط تماس به تفکیک ایالت |
پاسخهای ما: طبق سیاست حریم خصوصی whispertranscribe.ai، فایلهای اصلی بارگذاریشده پس از پردازش حذف میشوند، MP3های استخراجشده بهصورت پیشفرض 30 روز میمانند و ضبطها و متنها برای آموزش مدل هوش مصنوعی یا بازبینی انسانی به کار نمیروند. سیاست، TLS 1.3 هنگام انتقال، AES-256 هنگام ذخیره و OpenAI را بهعنوان ارائهدهنده هوش مصنوعی ذکر میکند. مدارک SOC 2، ISO 27001 یا HIPAA منتشر نمیکنیم. اگر یکی از آنها را لازم دارید، عرضهکنندهای انتخاب کنید که آن را ارائه کند.
نرمافزار رونویسی با هوش مصنوعی را در 5 مرحله امتحان کنید
طرح رایگان برای آزمایش مناسب است. یک ساعت آزمایش متمرکز میتواند از خرید اشتراک سالانه نامناسب جلوگیری کند.
- از صداهای خود سه کلیپ آزمایشی تهیه کنید. از سه ضبط انجامشده با رضایت، هرکدام 5 دقیقه بردارید: یک ضبط معمولی و واضح، سختترین ضبط (نویز، صحبت همزمان یا صدای تلفن) و ضبطی پر از نام، عدد، اصطلاح علمی یا زبان دوم.
- برای 2 دقیقه از هر کلیپ متن مرجع بنویسید. بدون مرجع، قضاوت بر پایه برداشت شخصی است.
- همان کلیپها را با دو یا سه ابزار پردازش کنید. تنظیمات یکسان باشد: همان زبان و شناسایی گوینده روشن. زمان پردازش را ثبت کنید.
- WER را سریع محاسبه کنید و خطاهای مهم را جداگانه بررسی کنید. نسبت به متن مرجع، واژههای جایگزینشده، جاافتاده و اضافه را بشمارید و مجموع را بر تعداد واژههای مرجع تقسیم کنید. نامها و عددها، تغییر گوینده و متن ظاهرشده در سکوت که کسی نگفته را جدا کنترل کنید.
- خروجی را آزمایش کنید و هزینه یک ماه معمولی را حساب کنید. در قالبی که در عمل استفاده میکنید خروجی بگیرید، در برنامه مقصد باز کنید و زمان اصلاح را اندازه بگیرید. هزینه ساعتهای ماهانه را برای هر طرح با توجه به محدودیت فایل و هزینه مصرف بیش از سهمیه محاسبه کنید.
جدول ارزیابی قابل کپی
| معیار | ابزار A | ابزار B | ابزار C |
|---|---|---|---|
| WER کلیپ واضح (%) | |||
| WER کلیپ دشوار (%) | |||
| نامها و عددهای درست (از 10) | |||
| تغییر گویندگانِ درست شناساییشده (از 10) | |||
| متن ساختهشده در سکوت (بله یا خیر) | |||
| دقیقه لازم برای اصلاح هر 5 دقیقه صدا | |||
| خروجی در برنامه شما درست باز شد (بله یا خیر) | |||
| هزینه یک ماه معمولی |
الگوی خالی برای ثبت نتیجههای خودتان.
پرسشهای متداول
بهترین نرمافزار رونویسی با هوش مصنوعی چیست؟
هر کاربرد ابزار مناسب خودش را دارد. برای فایلهای بارگذاریشده و صوت چندزبانه، انتخاب ما whispertranscribe.ai با 130+ زبان و فایلهای تا 10 ساعت است. برای جلسه زنده Otter.ai یا Fireflies.ai، برای زیرنویس HappyScribe و برای تدوین پادکست و ویدیو Descript انتخاب کنید. Rev برای متن تأییدشده توسط انسان مناسب است و OpenAI Whisper یا MacWhisper برای صوت محرمانه. قبل از پرداخت، دو انتخاب اول را با ضبطهای خودتان امتحان کنید.
نرمافزار رونویسی با هوش مصنوعی چقدر دقیق است؟
ممکن است در صدای واضح چند خطا در صد واژه داشته باشد و در جلسه پرنویز بسیار بیشتر. مقاله پژوهشی Whisper برای یک مدل نرخ خطای 2.7% روی گفتار واضح کتاب صوتی و 36.4% روی جلسات ضبطشده با یک میکروفون دور گزارش میکند. ادعای «تا 99%» در محصولات مختلف برای صدای واضح است، پس با فایل خودتان آزمایش کنید و نامها و شمارهها را همیشه بررسی کنید.
نرخ خطای واژه (WER) چیست؟
نرخ خطای واژه معیار استاندارد دقت تشخیص گفتار است. متن هوش مصنوعی را با متن مرجعی که یک نفر با دقت نوشته تطبیق دهید. واژههای جایگزینشده، جاافتاده و اضافه را بشمارید و مجموع را بر تعداد واژههای مرجع تقسیم کنید. WER برابر 5% یعنی حدود 5 خطا در هر 100 واژه. مستندات گفتار مایکروسافت 5 تا 10% را خوب و 30% یا بیشتر را ضعیف میداند.
آیا نرمافزار رونویسی با هوش مصنوعی برای ضبط محرمانه امن است؟
اگر اول بررسی کنید، میتواند امن باشد. سیاست حریم خصوصی عرضهکننده را برای آموزش هوش مصنوعی، پردازشگر ثالث، نگهداری و بازبینی انسانی بخوانید. مدارکی را که سازمان لازم دارد درخواست کنید، مانند گزارش SOC 2 یا توافقنامه همکار تجاری HIPAA. اگر صوت نباید از رایانه خارج شود، OpenAI Whisper یا MacWhisper را روی همان رایانه اجرا کنید. این راهنمای عمومی است و مشاوره حقوقی نیست.
آیا نرمافزار رونویسی با هوش مصنوعی گویندگان را از هم تشخیص میدهد؟
بله. بیشتر ابزارهای این راهنما شناسایی یا تفکیک گویندگان را ارائه میدهند. هر نوبت گفتار با «گوینده 1»، «گوینده 2» و مانند آن علامت میخورد و میتوانید نامها را عوض کنید. وقتی افراد روی صحبت هم حرف بزنند، صدایشان شبیه باشد یا یک میکروفون دور داشته باشند، دقت کمتر میشود. برای پادکست، ضبط هر مهمان روی مسیر جدا کمک میکند. Descript میتواند ضبطهای چندمسیره را رونویسی کند. قبل از نقلقول، چند جا که گوینده عوض شده بررسی کنید.
هنوز به رونویسی انسانی نیاز دارم؟
گاهی. اگر متن به دادگاه میرود، به صورت نقلقول مستقیم منتشر میشود یا در پرونده پزشکی یا حقوقی میماند، بازبینی انسانی ارزش هزینه را دارد. Rev رونویسی انسانی را از دقیقهای $1.99 با تضمین دقت 99%+ و HappyScribe بازبینی انسانی را از دقیقهای $2.00 ارائه میکند. برای یادداشت، کدگذاری پژوهشی و پیشنویس، معمولاً رونویسی هوش مصنوعی همراه با بازبینی خودتان کافی است.
دشوارترین فایل خود را با whispertranscribe.ai آزمایش کنید
آزمایش پنجمرحلهای را با ما هم انجام دهید: فایل تا 5 گیگابایت بارگذاری کنید، پیوند بچسبانید یا در مرورگر ضبط کنید. از میان 130+ زبان یکی را انتخاب کنید و خروجی DOCX، PDF، SRT یا VTT بگیرید. رایگان و بدون حساب شروع کنید یا طرحها را مقایسه کنید.
مقالههای مرتبط: بهترین نرمافزارهای رایگان رونویسی · بهترین جایگزینهای Otter.ai · بهترین جایگزینهای TurboScribe · Whisper AI چیست؟ · چگونه MP3 را به متن تبدیل کنیم؟ · چگونه جلسه زوم را به متن تبدیل کنیم؟ · فایل SRT چیست؟
منابع
- پژوهشهای دقت: مقاله Whisper (arXiv 2212.04356)، OpenAI Whisper در GitHub، مستندات WER در Microsoft Learn، Koenecke و همکاران، PNAS 2020، Careless Whisper، FAccT 2024، Open ASR Leaderboard
- صفحات عرضهکنندگان بررسیشده در نوامبر 2026: TurboScribe، پشتیبانی TurboScribe، قیمت Otter، سیاست حریم خصوصی Otter، قیمت Fireflies، راهنمای بارگذاری Fireflies، قیمت Notta، قیمت Descript، قیمت HappyScribe، قیمت Sonix، قیمت Rev، MacWhisper
