Whisper AI क्या है? OpenAI का स्पीच रिकग्निशन मॉडल कैसे काम करता है

whispertranscribe.ai संपादकीय टीम · अंतिम अपडेट: नवंबर 2026 · 13 मिनट पढ़ने का समय

Whisper AI क्या है? अधिकतर खोजों में इसका मतलब OpenAI Whisper है, एक ओपन-सोर्स स्पीच रिकग्निशन मॉडल जिसे OpenAI ने सितंबर 2022 में प्रकाशित किया। यह रिकॉर्ड की गई आवाज़ को टेक्स्ट में बदलता है, बोली गई भाषा पहचानता है और दूसरी भाषाओं का अंग्रेज़ी में अनुवाद कर सकता है। OpenAI ने इसे 680,000 घंटे के वेब ऑडियो पर प्रशिक्षित किया और कोड तथा वेट MIT लाइसेंस के तहत जारी किए।

स्पष्टीकरण: हम whispertranscribe.ai बनाते हैं। whispertranscribe.ai एक वेब आधारित AI ट्रांसक्रिप्शन टूल है जो ऑडियो और वीडियो को 130+ भाषाओं में टेक्स्ट बनाता है। इस गाइड में मॉडल और उस पर बने उत्पाद अलग रखे गए हैं और मॉडल का हर आँकड़ा OpenAI के शोधपत्र, रिपॉज़िटरी या मॉडल कार्ड से है।

संक्षिप्त उत्तर: Whisper AI क्या है?

Whisper स्पीच-टू-टेक्स्ट मॉडल है, ऐप या कंपनी नहीं। इसे OpenAI की GitHub रिपॉज़िटरी से डाउनलोड कर अपने कंप्यूटर पर चला सकते हैं या इसे आपके लिए चलाने वाली सेवा इस्तेमाल कर सकते हैं।

  • निर्माता: OpenAI। शोधपत्र Robust Speech Recognition via Large-Scale Weak Supervision 6 दिसंबर 2022 को arXiv पर पोस्ट हुआ।
  • क्या करता है: आवाज़ ट्रांसक्राइब करता है, भाषा पहचानता है, अंग्रेज़ी में अनुवाद करता है और खंडों के टाइमस्टैम्प जोड़ता है।
  • बिना अतिरिक्त काम के क्या नहीं करता: कौन बोल रहा है उसका लेबल या लाइव ट्रांसक्रिप्शन। OpenAI के मॉडल कार्ड के अनुसार इसे सीधे रियल-टाइम ट्रांसक्रिप्शन के लिए इस्तेमाल नहीं किया जा सकता।
  • आकार: छह, tiny (39 मिलियन पैरामीटर) से large (1,550 मिलियन) तक।
  • लागत: डाउनलोड और चलाना मुफ़्त है। हार्डवेयर आपका होगा।

“Whisper AI” के तीन अलग अर्थ हो सकते हैं

इस नाम का व्यापक उपयोग होता है और ये अर्थ आसानी से मिल सकते हैं।

लोग जिसे “Whisper AI” कहते हैं वह क्या है निर्माता उपयोग कैसे करें
OpenAI Whisper ओपन-सोर्स स्पीच रिकग्निशन मॉडल OpenAI कोड और वेट डाउनलोड करके खुद चलाएँ
whisper-1 ट्रांसक्रिप्शन के लिए OpenAI का होस्टेड API मॉडल OpenAI ऑडियो फ़ाइल OpenAI API को भेजें और उपयोग के अनुसार भुगतान करें
नाम में “Whisper” वाले ऐप ट्रांसक्रिप्शन उत्पाद, जैसे whisperai.com और whispertranscribe.ai (यह साइट) अलग कंपनियाँ उनके ऐप में ऑडियो अपलोड या रिकॉर्ड करें

तीसरी पंक्ति के उत्पाद खुद मॉडल नहीं हैं और एक-दूसरे के समान नहीं हैं। हर कंपनी अपने फीचर, सीमाएँ, कीमतें और गोपनीयता शर्तें तय करती है। यहाँ “Whisper” का अर्थ OpenAI का मॉडल है।

Whisper कैसे काम करता है?

Whisper एक एनकोडर-डिकोडर Transformer है। एनकोडर 30 सेकंड ऑडियो को संख्यात्मक रूप में बदलता है और डिकोडर विशेष टोकन से कार्य का निर्देश लेकर एक बार में एक टोकन के रूप में टेक्स्ट लिखता है।

Whisper शोधपत्र यह प्रक्रिया बताता है:

  1. रीसैंपल। ऑडियो 16,000 Hz में बदला जाता है।
  2. 30 सेकंड की विंडो में काटें। मॉडल एक बार में हमेशा 30 सेकंड देखता है। छोटे क्लिप पैड किए जाते हैं।
  3. स्पेक्ट्रोग्राम बनाएँ। हर विंडो 80-चैनल लॉग-Mel स्पेक्ट्रोग्राम बनती है, जो आवृत्तियों में ध्वनि ऊर्जा का बदलाव दिखाता है; हर 10 मिलीसेकंड पर 25 मिलीसेकंड के फ़्रेम से गणना होती है। (Large-v3 में 128 चैनल हैं।)
  4. एनकोड। दो कन्वोल्यूशन लेयर और Transformer ब्लॉक का समूह स्पेक्ट्रोग्राम प्रोसेस करता है।
  5. डिकोड। डिकोडर पहले भाषा या “कोई आवाज़ नहीं” टोकन का अनुमान लगाता है। फिर कार्य (ट्रांसक्राइब या अनुवाद), टाइमस्टैम्प शामिल करना है या नहीं और अंत में टेक्स्ट आता है।

टाइमस्टैम्प भी टोकन के रूप में अनुमानित होते हैं, निकटतम 20 मिलीसेकंड तक गोल करके। इस तरह एक मॉडल भाषा पहचान, ट्रांसक्रिप्शन, अनुवाद और समय संभालता है।

Whisper को किस पर प्रशिक्षित किया गया?

मूल मॉडलों ने मेल खाते ट्रांसक्रिप्ट वाले 680,000 घंटे के इंटरनेट ऑडियो से सीखा। OpenAI इसे “कमज़ोर पर्यवेक्षण” कहता है क्योंकि बेंचमार्क डेटासेट की तरह ट्रांसक्रिप्ट हाथ से नहीं जाँचे गए थे।

प्रशिक्षण ऑडियो का हिस्सा घंटे सामग्री
लगभग 65% 438,000 अंग्रेज़ी ट्रांसक्रिप्ट के साथ अंग्रेज़ी ऑडियो
लगभग 18% 126,000 अंग्रेज़ी ट्रांसक्रिप्ट के साथ गैर-अंग्रेज़ी ऑडियो (अनुवाद डेटा)
लगभग 17% 117,000 उसी भाषा के ट्रांसक्रिप्ट के साथ गैर-अंग्रेज़ी ऑडियो

स्रोत: OpenAI का Whisper मॉडल कार्ड। शोधपत्र अनुवाद हिस्से को 125,000 घंटे तक गोल करता है।

दो विवरण Whisper के व्यवहार को समझाते हैं। OpenAI ने मशीन से बने दिखने वाले ट्रांसक्रिप्ट, जैसे सभी बड़े अक्षरों वाला टेक्स्ट, छाँट दिए ताकि मॉडल विराम चिह्न वाले वाक्य लिखना सीखे। शुरुआती मॉडल वक्ताओं के नाम अनुमानित करते थे क्योंकि वेब ट्रांसक्रिप्ट में अक्सर नाम होते थे। OpenAI ने फाइन-ट्यूनिंग से यह आदत कम की, लेकिन यह दिखाता है कि मॉडल प्रशिक्षण टेक्स्ट का कितनी बारीकी से अनुसरण करता है।

इसके Hugging Face मॉडल कार्ड के अनुसार Large-v3 अलग तरीके से लगभग 5 मिलियन घंटों पर प्रशिक्षित हुआ: 1 मिलियन कमज़ोर वेब लेबल और 4 मिलियन large-v2 द्वारा लेबल किए गए।

Whisper मॉडल आकारों की तुलना

Whisper छह आकारों में है। छोटे मॉडल साधारण हार्डवेयर पर तेज़ चलते हैं; बड़े मॉडल कम गलतियाँ करते हैं लेकिन अधिक वीडियो मेमोरी (VRAM) चाहते हैं। नीचे आँकड़े OpenAI के README से हैं।

आकार पैरामीटर केवल अंग्रेज़ी संस्करण बहुभाषी संस्करण आवश्यक VRAM large के मुकाबले गति
tiny 39 M tiny.en tiny ~1 GB ~10x
base 74 M base.en base ~1 GB ~7x
small 244 M small.en small ~2 GB ~4x
medium 769 M medium.en medium ~5 GB ~2x
large 1550 M कोई नहीं large ~10 GB 1x
turbo 809 M कोई नहीं turbo ~6 GB ~8x

OpenAI ने A100 डेटा सेंटर GPU पर अंग्रेज़ी आवाज़ से गति मापी और वास्तविक गति में बड़ा अंतर संभव बताया। लैपटॉप धीमा होगा।

कौन-सा Whisper मॉडल चुनें?

उपलब्ध मेमोरी और ट्रांसक्रिप्ट के उपयोग से शुरू करें:

  • साधारण मशीन पर परीक्षण: tiny या base, लगभग 1 GB VRAM। अधिक गलतियों की उम्मीद करें।
  • केवल अंग्रेज़ी: .en मॉडल लें। OpenAI के अनुसार ये बेहतर करते हैं, खासकर tiny और base।
  • उचित गति पर अच्छी गुणवत्ता: turbo, लगभग 6 GB। यह कमांड लाइन का डिफ़ॉल्ट है।
  • आवाज़ का अंग्रेज़ी अनुवाद: medium या large। Turbo अनुवाद के लिए प्रशिक्षित नहीं है और अनुवाद माँगने पर भी मूल भाषा लौटाता है।
  • सबसे कठिन ऑडियो, सर्वोत्तम परिणाम: large, लगभग 10 GB VRAM।

Whisper संस्करण: संक्षिप्त समयरेखा

“Large” के तीन रिलीज़ हैं और turbo, large-v3 का छोटा संस्करण है। संस्करण महत्वपूर्ण है क्योंकि चेकपॉइंट के अनुसार परिणाम बदलते हैं।

संस्करण जारी क्या बदला
मूल मॉडल (tiny से large) सितंबर 2022 शोधपत्र के साथ पहला ओपन-सोर्स रिलीज़
large-v2 दिसंबर 2022 समान आकार, अतिरिक्त रेग्युलराइज़ेशन के साथ 2.5 गुना लंबे समय तक प्रशिक्षण
large-v3 नवंबर 2023 128 Mel चैनल, नया कैंटोनीज़ टोकन, कई भाषाओं में v2 से 10% से 20% कम गलतियाँ
turbo (large-v3-turbo) सितंबर 2024 गति के लिए डिकोडर लेयर 32 से 4; अनुवाद नहीं

स्रोत: Whisper मॉडल कार्ड, शोधपत्र में large-v2 का फ़ुटनोट और large-v3 तथा large-v3-turbo के Hugging Face कार्ड।

Whisper कितनी भाषाओं का समर्थन करता है?

Whisper लगभग 99 भाषाएँ पहचानता है। शोधपत्र के भाषा डिटेक्टर में 99 भाषा टोकन थे और large-v3 में कैंटोनीज़ जोड़ने के बाद वर्तमान टोकनाइज़र में 100 भाषा कोड हैं। समर्थन और गुणवत्ता एक नहीं हैं: मॉडल कार्ड लगभग 10 भाषाओं में मज़बूत परिणाम बताता है।

गुणवत्ता प्रशिक्षण डेटा पर निर्भर है। शोधपत्र के अनुसार किसी भाषा का प्रदर्शन मॉडल द्वारा देखे गए घंटों से बहुत अच्छी तरह अनुमानित होता है और अधिकतर भाषाओं में 1,000 घंटे से कम थे। अंग्रेज़ी, स्पेनिश या जर्मन आमतौर पर कम संसाधन वाली भाषा से साफ़ परिणाम देंगे। README में हर भाषा का त्रुटि चार्ट लिंक है।

इसे उत्पाद संख्या से न मिलाएँ। whispertranscribe.ai 130+ भाषाओं का समर्थन करता है। यह हमारे उत्पाद का भाषा समर्थन है (कीमत पेज पर “130+ भाषाएँ और उच्चारण”), ओपन-सोर्स Whisper मॉडल का गुण नहीं।

Whisper कितना सटीक है?

Whisper की एक सटीकता संख्या नहीं है क्योंकि यह मॉडल आकार, भाषा और रिकॉर्डिंग पर निर्भर है। स्पष्ट पढ़ी गई अंग्रेज़ी में large-v2 का वर्ड एरर रेट (WER) 2.7% था। 14 अंग्रेज़ी टेस्ट सेट के औसत में, जिनमें अधिकतर कठिन थे, यह 12.8% था।

WER गलत शब्दों का हिस्सा है, जिसमें बदले, छोड़े या जोड़े शब्द मानव संदर्भ ट्रांसक्रिप्ट से मापे जाते हैं। कम बेहतर है। नीचे शोधपत्र की तालिका 2 के आँकड़े हैं, जो Whisper large-v2 की तुलना LibriSpeech ऑडियोबुक डेटासेट पर प्रशिक्षित wav2vec 2.0 मॉडल से करते हैं:

टेस्ट सेट wav2vec 2.0 WER Whisper large-v2 WER
LibriSpeech clean (पढ़ी गई ऑडियोबुक) 2.7% 2.7%
Common Voice (लोगों द्वारा रिकॉर्ड की गई आवाज़) 29.9% 9.0%
CHiME-6 (शोर वाली डिनर पार्टी रिकॉर्डिंग) 65.8% 25.5%
तालिका के सभी 14 टेस्ट सेट का औसत 29.3% 12.8%

मुख्य बात रुझान है। ऑडियोबुक परीक्षण में दोनों बराबर हैं, लेकिन बाकी में Whisper बेहतर रहा और औसतन 55.2% कम गलतियाँ कीं। OpenAI की घोषणा इसे “50% कम गलतियाँ” तक गोल करती है। शोधपत्र के शोर परीक्षण में LibriSpeech पर प्रशिक्षित मॉडल लगभग साफ़ ऑडियो में Whisper से बेहतर थे, लेकिन पब जैसा पृष्ठभूमि शोर तेज़ होने पर, 10 dB सिग्नल-टू-नॉइज़ अनुपात से नीचे, पीछे रह गए।

ये शोध बेंचमार्क हैं, आपकी फ़ाइलों का वादा नहीं; उत्पाद दावे अलग हैं। उदाहरण के लिए whispertranscribe.ai स्पष्ट ऑडियो में 99% तक सटीकता देता है और शोर, एक साथ बोलना और तेज़ उच्चारण इसे घटाते हैं।

Whisper की सीमाएँ क्या हैं?

मुख्य कमज़ोरी यह है कि Whisper सहज टेक्स्ट लिख सकता है जो किसी ने कहा ही नहीं। OpenAI का मॉडल कार्ड इसे हैलुसिनेशन कहता है और कमज़ोर पर्यवेक्षण वाले प्रशिक्षण से जोड़ता है। उसमें दोहराव, भाषाओं और उच्चारणों में असमान सटीकता और अंतर्निहित वक्ता लेबल न होना भी है।

  1. गढ़ा हुआ टेक्स्ट। 2024 के Careless Whisper अध्ययन में शोधकर्ताओं ने जाँचे गए लगभग 1% ट्रांसक्रिप्शन में पूरे वाक्यांश या वाक्य पाए जो ऑडियो में नहीं थे। लंबे विराम पर यह अधिक हुआ।
  2. दोहराव लूप। मॉडल एक वाक्यांश दोहराने में फँस सकता है। मॉडल कार्ड के अनुसार बीम सर्च और टेम्परेचर फ़ॉलबैक इसे कुछ हद तक घटाते हैं, पूरी तरह नहीं।
  3. पहले या अंतिम शब्द छूटना। शोधपत्र इसे ज्ञात समस्या बताता है।
  4. लंबी रिकॉर्डिंग में विंडो चाहिए। Whisper एक बार में 30 सेकंड देखता है। लंबी फ़ाइल में ट्रांसक्राइब टूल अनुमानित टाइमस्टैम्प से विंडो आगे बढ़ाता है, इसलिए एक गलती अगली विंडो प्रभावित कर सकती है।
  5. वक्ता लेबल नहीं। मॉडल कार्ड के अनुसार डायरीज़ेशन, यानी किसने कब बोला, का मज़बूत मूल्यांकन नहीं हुआ। इसके लिए अलग टूल चाहिए।
  6. डिफ़ॉल्ट रूप से रियल-टाइम नहीं। यह रिकॉर्ड फ़ाइलों के लिए बना था। लाइव कैप्शन हेतु अतिरिक्त इंजीनियरिंग चाहिए।
  7. भाषा और उच्चारण में असमानता। मॉडल कार्ड कुछ उच्चारणों, बोलियों और जनसांख्यिकीय समूहों में अधिक त्रुटि बताता है।

OpenAI बिना सहमति लोगों का ट्रांसक्रिप्शन करने और उच्च जोखिम वाले निर्णयों में उपयोग के विरुद्ध भी चेतावनी देता है।

आधिकारिक स्रोत कहाँ अलग हैं

OpenAI के दस्तावेज़ों में कुछ आँकड़े गोल करने या संस्करण बदलने के कारण अलग हैं। उद्धरण से पहले जाँचें:

विषय एक आधिकारिक स्रोत दूसरा क्या लें
LibriSpeech मॉडल के मुकाबले त्रुटि में कमी शोधपत्र: औसतन 55.2% कम गलतियाँ OpenAI घोषणा: 50% कम गलतियाँ शोधपत्र उद्धृत करें और तुलना बताएँ
प्रशिक्षण डेटा में अंग्रेज़ी के अलावा भाषाएँ शोधपत्र: 96 अन्य भाषाएँ मॉडल कार्ड: 98 भाषाएँ पहचान के लिए “लगभग 99 भाषाएँ”
अनुवाद प्रशिक्षण घंटे मॉडल कार्ड: 126,000 शोधपत्र: 125,000 कोई भी, लगभग कहकर
Turbo पैरामीटर संख्या README और Hugging Face: 809 M मॉडल कार्ड तालिका: 798 M 809 M, अधिकतर स्रोतों का आँकड़ा
प्रशिक्षण डेटा आकार मूल शोधपत्र: 680,000 घंटे Large-v3 कार्ड: 5 मिलियन घंटे संबंधित संस्करण बताएँ
लाइसेंस GitHub: कोड और वेट के लिए MIT Hugging Face large-v3 मेटाडेटा: Apache-2.0 डाउनलोड की गई प्रति की लाइसेंस फ़ाइल जाँचें

Whisper कैसे उपयोग करें: खुद चलाएँ, API या ऐप उपयोग करें

तीन व्यावहारिक रास्ते हैं। खुद Whisper चलाना मुफ़्त है और ऑडियो मशीन पर रहता है। OpenAI का API सेटअप हटाता है लेकिन फ़ाइल आकार सीमित है। होस्टेड ट्रांसक्रिप्शन ऐप संपादन, वक्ता लेबल और निर्यात जोड़ता है, लेकिन उसकी अपनी शर्तें होती हैं।

ओपन-सोर्स Whisper खुद चलाएँ OpenAI ट्रांसक्रिप्शन API होस्टेड ट्रांसक्रिप्शन ऐप
सेटअप Python, PyTorch और FFmpeg कोड और API कुंजी ब्राउज़र
लागत मुफ़्त; आपका हार्डवेयर उपयोग के अनुसार शुल्क मुफ़्त योजना या सदस्यता, ऐप के अनुसार
फ़ाइल सीमाएँ आपका हार्डवेयर प्रति फ़ाइल 25 MB हर ऐप तय करता है
ऑडियो कहाँ जाता है आपके कंप्यूटर पर रहता है OpenAI को भेजा जाता है ऐप के सर्वर को भेजा जाता है
वक्ता लेबल अंतर्निहित नहीं whisper-1 में नहीं ऐप पर निर्भर
संपादन और निर्यात कमांड लाइन से TXT, SRT, VTT, TSV, JSON आपके कोड को लौटता है; बाकी आपको बनाना है आमतौर पर एडिटर और दस्तावेज़ व सबटाइटल निर्यात

अपने कंप्यूटर पर Whisper चलाएँ

OpenAI README इंस्टॉल कमांड और सामान्य रन देता है:

pip install -U openai-whisper
whisper interview.mp3 --model turbo

FFmpeg भी इंस्टॉल चाहिए और README के अनुसार कोड Python 3.8 से 3.11 पर चलना चाहिए। बोली गई भाषा बताने को --language जोड़ें या अंग्रेज़ी पाने के लिए बहुभाषी मॉडल के साथ --task translate। पहली बार मॉडल वेट डाउनलोड होते हैं।

OpenAI API इस्तेमाल करें

OpenAI की स्पीच-टू-टेक्स्ट गाइड प्रति फ़ाइल अपलोड 25 MB तक सीमित करती है, इसलिए बड़ी फ़ाइल संपीड़ित या विभाजित करें। नवंबर 2026 में जाँच के अनुसार गाइड whisper-1 को अप्रचलित बताती है, 26 फ़रवरी 2027 बंद होने की तारीख देती है और डेवलपर्स को नए ट्रांसक्रिप्शन मॉडल सुझाती है। वे नए OpenAI स्पीच मॉडल हैं, ओपन-सोर्स Whisper परिवार के नए रिलीज़ नहीं।

होस्टेड ट्रांसक्रिप्शन ऐप इस्तेमाल करें

यदि इंस्टॉल नहीं करना चाहते तो होस्टेड ऐप अपने सर्वर पर फ़ाइल प्रोसेस करता है। whispertranscribe.ai एक विकल्प है और उसका मुफ़्त ऑडियो टू टेक्स्ट कन्वर्टर जल्दी आज़माने का तरीका है। हमारा होमपेज whispertranscribe.ai को Whisper और अगली पीढ़ी के AI से संचालित बताता है। हमारे उत्पाद पेजों के अनुसार:

समझौते भी हैं। फ़ाइल कंप्यूटर पर रहने के बजाय क्लाउड सेवा में जाती है। हम API, कस्टम शब्दावली या मीटिंग बॉट नहीं देते। भुगतान योजनाएँ $9.99/माह वार्षिक बिलिंग से शुरू हैं (कीमतें) और आप बिना खाते के मुफ़्त शुरू कर सकते हैं। विवरण के लिए Whisper AI ट्रांसक्रिप्शन टूल या सभी फीचर देखें।

क्या Whisper ओपन सोर्स है और लाइसेंस क्या अनुमति देता है?

हाँ। OpenAI की रिपॉज़िटरी कहती है कि Whisper का कोड और मॉडल वेट MIT लाइसेंस के तहत जारी हैं। MIT एक अनुमति देने वाला लाइसेंस है। सामान्यतः कॉपीराइट और लाइसेंस नोटिस बनाए रखते हुए कोड पर बने सॉफ्टवेयर का उपयोग, प्रतिलिपि, संशोधन और बिक्री कर सकते हैं।

दो सावधानियाँ। अन्य साइटों की प्रतियों में अलग लाइसेंस मेटाडेटा हो सकता है; Hugging Face का large-v3 पेज Apache-2.0 बताता है। अपनी प्रति का लाइसेंस पढ़ें। लाइसेंस सॉफ्टवेयर को कवर करता है, उसमें डाली रिकॉर्डिंग को नहीं। ऑडियो पर सहमति और गोपनीयता नियम लागू हैं। यह सामान्य जानकारी है, कानूनी सलाह नहीं; MIT लाइसेंस टेक्स्ट आधिकारिक स्रोत है।

Whisper किसके लिए है?

Whisper डेवलपर्स और टर्मिनल से सहज लोगों के लिए है जो मुफ़्त, निजी और बिना सीमा ट्रांसक्रिप्शन चाहते हैं। एडिटर और निर्यात सहित तैयार ट्रांसक्रिप्ट के लिए होस्टेड ऐप आमतौर पर तेज़ है।

आप हैं… अच्छा विकल्प क्यों
उत्पाद बनाने वाले डेवलपर ओपन-सोर्स Whisper या API प्रक्रिया पर पूरा नियंत्रण
संवेदनशील इंटरव्यू वाले शोधकर्ता स्थानीय ओपन-सोर्स Whisper ऑडियो मशीन से बाहर नहीं जाता
इस सप्ताह सबटाइटल चाहने वाले क्रिएटर SRT या VTT निर्यात वाला होस्टेड ऐप सेटअप नहीं; समयबद्ध फ़ाइलें अपलोड को तैयार
बिना GPU वाला लैपटॉप उपयोगकर्ता छोटा स्थानीय मॉडल या होस्टेड ऐप बड़े मॉडल को लगभग 10 GB VRAM चाहिए

Whisper ट्रांसक्रिप्ट पर भरोसे से पहले: चेकलिस्ट

यह चेकलिस्ट OpenAI के शोधपत्र और मॉडल कार्ड की विफलताओं से बनाई गई है:

  • विराम और चुप्पी में ऐसे वाक्य जाँचें जो किसी ने नहीं कहे।
  • लगातार कई बार दोहराए गए वाक्यांश खोजें।
  • फ़ाइल की पहली और आखिरी पंक्तियाँ ऑडियो से मिलाएँ।
  • नाम, संख्या और तकनीकी शब्द सत्यापित करें।
  • भाषा सही पहचानी गई है इसकी पुष्टि करें या खुद सेट करें।
  • अनुवाद के लिए सुनिश्चित करें कि turbo उपयोग नहीं किया।
  • ज़रूरत होने पर अलग टूल से वक्ता लेबल जोड़ें।
  • दूसरे लोगों को रिकॉर्ड या ट्रांसक्राइब करने से पहले आवश्यक सहमति और मीटिंग होस्ट की अनुमति लें।

अक्सर पूछे जाने वाले सवाल

क्या Whisper AI मुफ़्त है?

हाँ, OpenAI Whisper डाउनलोड और चलाना मुफ़्त है। OpenAI कोड और मॉडल वेट MIT के तहत लाइसेंस करता है, इसलिए OpenAI को भुगतान किए बिना उपयोग कर सकते हैं। कंप्यूटर आपका होगा और large मॉडल लगभग 10 GB GPU मेमोरी चाहता है। होस्टेड विकल्पों की लागत है: OpenAI API उपयोग के अनुसार शुल्क लेता है और ट्रांसक्रिप्शन ऐप अपनी योजनाएँ तय करते हैं। “मुफ़्त” आसान होने का अर्थ भी नहीं; Python, FFmpeg और कमांड लाइन की जानकारी चाहिए।

क्या Whisper अलग वक्ताओं को पहचान सकता है?

अपने आप नहीं। Whisper कही गई बात लिखता है लेकिन वक्ता लेबल नहीं देता। OpenAI मॉडल कार्ड के अनुसार स्पीकर डायरीज़ेशन जैसी क्षमताओं का मज़बूत मूल्यांकन नहीं हुआ। लेबल के लिए Whisper को अलग डायरीज़ेशन टूल से जोड़ें या स्पीकर डिटेक्शन जोड़ने वाला ऐप लें। उदाहरण के लिए whispertranscribe.ai में ट्रांसक्राइब करने से पहले चालू करने योग्य स्पीकर डिटेक्शन है। समान आवाज़ वाली रिकॉर्डिंग के लेबल हमेशा जाँचें।

क्या Whisper रियल-टाइम ट्रांसक्राइब कर सकता है?

सीधे नहीं। Whisper रिकॉर्डेड ऑडियो के लिए बना और 30 सेकंड विंडो में प्रोसेस करता है; OpenAI मॉडल कार्ड के अनुसार अतिरिक्त काम के बिना रियल-टाइम ट्रांसक्रिप्शन नहीं कर सकता। डेवलपर्स ने आते हुए छोटे खंड देकर लगभग रियल-टाइम टूल बनाए हैं। लाइव कैप्शन के लिए समर्पित लाइव मोड वाला टूल लें और तैयार रिकॉर्डिंग के ट्रांसक्रिप्ट से अधिक सुधार की अपेक्षा करें।

Whisper कितनी भाषाएँ समर्थित करता है?

Whisper लगभग 99 भाषाएँ पहचानता है और large-v3 में कैंटोनीज़ जुड़ने के बाद वर्तमान टोकनाइज़र में 100 भाषा कोड हैं। गुणवत्ता बहुत बदलती है। OpenAI मॉडल कार्ड लगभग 10 भाषाओं में मज़बूत परिणाम बताता है और शोधपत्र के अनुसार अधिकतर भाषाओं में 1,000 घंटे से कम प्रशिक्षण ऑडियो था। कम सामान्य भाषा पर भरोसे से पहले छोटा क्लिप जाँचें। whispertranscribe.ai की 130+ भाषाओं जैसे उत्पाद आँकड़े उत्पाद के समर्थन को बताते हैं, ओपन-सोर्स मॉडल को नहीं।

क्या whispertranscribe.ai और OpenAI Whisper एक हैं?

नहीं। OpenAI Whisper ओपन-सोर्स मॉडल है जिसे डाउनलोड करके खुद चलाते हैं। whispertranscribe.ai अलग ब्राउज़र आधारित ट्रांसक्रिप्शन सेवा है; होमपेज इसे Whisper और अगली पीढ़ी के AI से संचालित बताता है। यह कच्चे मॉडल से अलग 5GB तक अपलोड, YouTube या Google Drive से लिंक आयात, स्पीकर डिटेक्शन और DOCX, PDF, SRT तथा VTT निर्यात जोड़ता है। नाम में “Whisper” वाले अन्य ऐप अलग कंपनियों के उत्पाद हैं।

Whisper कभी ऐसे शब्द क्यों लिखता है जो किसी ने नहीं कहे?

क्योंकि यह भाषा मॉडल की तरह टेक्स्ट अनुमानित करता है। OpenAI मॉडल कार्ड के अनुसार बड़े और शोर वाले वेब डेटा पर प्रशिक्षण से मॉडल कभी ऑडियो में न मौजूद शब्द बनाता है। OpenAI के अनुसार यह अगला संभावित शब्द अनुमानित करने और सुनी बात ट्रांसक्राइब करने को मिलाता है। 2024 के अध्ययन में जाँचे गए लगभग 1% ट्रांसक्रिप्शन में पूरे गढ़े हुए वाक्यांश मिले, लंबे विराम के आसपास अधिक। विराम, शांत हिस्से और महत्वपूर्ण सामग्री ऑडियो से जाँचें।


बिना सेटअप Whisper ट्रांसक्रिप्ट चाहिए? whispertranscribe.ai में फ़ाइल अपलोड या लिंक डालें और 130+ भाषाओं में DOCX, PDF, SRT और VTT निर्यात सहित टेक्स्ट पाएँ।

संदर्भ

अपनी रिकॉर्डिंग को टेक्स्ट में बदलना चाहते हैं?

whispertranscribe.ai से ऑडियो और वीडियो को टेक्स्ट में बदलें।

टेक्स्ट में बदलना शुरू करें ↗