whispertranscribe.ai Editör Ekibi · Son güncelleme: Kasım 2026 · 13 dakikalık okuma
Whisper AI nedir? Çoğu aramada, OpenAI'nin Eylül 2022'de yayımladığı açık kaynaklı konuşma tanıma modeli OpenAI Whisper kastedilir. Kaydedilmiş konuşmayı metne dönüştürür, konuşulan dili belirler ve diğer dilleri İngilizceye çevirebilir. OpenAI modeli 680.000 saatlik internet sesiyle eğitti; kodu ve model ağırlıklarını MIT Lisansı altında yayımladı.
Açıklama: whispertranscribe.ai'yi biz geliştiriyoruz. whispertranscribe.ai, ses ve videoyu 130'dan fazla dilde metne dönüştüren web tabanlı bir AI transkripsiyon aracıdır. Bu rehber model ile onun etrafında oluşturulan ürünleri açıkça ayırır; modele ilişkin tüm sayılar OpenAI'nin kendi makalesinden, deposundan veya model kartından alınmıştır.
Kısa cevap: Whisper AI nedir?
Whisper bir uygulama ya da şirket değil, konuşmadan metne modelidir. OpenAI'nin GitHub deposundan indirip kendi bilgisayarınızda çalıştırabilir veya sizin için çalıştıran bir hizmet kullanabilirsiniz.
- Geliştiren: OpenAI. Robust Speech Recognition via Large-Scale Weak Supervision araştırma makalesi 6 Aralık 2022'de arXiv'de yayımlandı.
- Yaptıkları: Konuşmayı transkribe eder, dili algılar, konuşmayı İngilizceye çevirir ve bölüm zaman damgaları ekler.
- Kutudan çıktığı hâliyle yapmadıkları: Konuşmacıları etiketlemek veya canlı transkripsiyon. OpenAI model kartı gerçek zamanlı kullanımın ek çalışma gerektirdiğini belirtir.
- Boyutlar: 39 milyon parametreli tiny'den 1.550 milyon parametreli large'a altı boyut.
- Maliyet: İndirme ve çalıştırma ücretsizdir. Donanımı siz sağlarsınız.
“Whisper AI” üç farklı anlama gelebilir
Ad geniş biçimde kullanılır ve bu üç anlamı karıştırmak kolaydır.
| “Whisper AI” denilen şey | Nedir? | Geliştirici | Nasıl kullanılır? |
|---|---|---|---|
| OpenAI Whisper | Açık kaynaklı konuşma tanıma modeli | OpenAI | Kodu ve ağırlıkları indirip kendiniz çalıştırırsınız |
| whisper-1 | OpenAI'nin barındırılan transkripsiyon API modeli | OpenAI | Ses dosyalarını OpenAI API'sine gönderip kullanım başına ödeme yaparsınız |
| Adında “Whisper” bulunan uygulamalar | whisperai.com ve whispertranscribe.ai (bu site) gibi transkripsiyon ürünleri | Ayrı şirketler | Uygulamalarına ses yükler veya kaydedersiniz |
Üçüncü satırdaki ürünler modelin kendisi değildir ve birbirinin yerine geçmez. Her şirket kendi özelliklerini, sınırlarını, fiyatlarını ve gizlilik şartlarını belirler. Bu yazıda “Whisper” OpenAI modelini ifade eder.
Whisper nasıl çalışır?
Whisper bir kodlayıcı-kod çözücü Transformer'dır. Kodlayıcı 30 saniyelik sesi sayısal gösterime dönüştürür; kod çözücü, görevi belirten özel token'larla yönlendirilerek eşleşen metni her seferinde bir token yazar.
Whisper makalesi süreci şöyle açıklar:
- Yeniden örnekleme. Ses 16.000 Hz'e dönüştürülür.
- 30 saniyelik pencerelere ayırma. Model her seferinde 30 saniyeye bakar. Kısa klipler doldurulur.
- Spektrogram oluşturma. Her pencere, ses enerjisinin frekanslar arasında nasıl değiştiğini gösteren 80 kanallı log-Mel spektrogramına dönüştürülür; her 10 milisaniyede bir 25 milisaniyelik çerçevelerle hesaplanır. (Large-v3, 128 kanala geçti.)
- Kodlama. İki evrişim katmanı ve bir Transformer blok yığını spektrogramı işler.
- Kod çözme. Kod çözücü önce dili veya “konuşma yok” token'ını tahmin eder. Ardından görev (transkripsiyon veya çeviri), zaman damgası eklenip eklenmeyeceği ve son olarak metin gelir.
Zaman damgaları da token olarak tahmin edilir ve en yakın 20 milisaniyeye yuvarlanır. Tek model dil algılama, transkripsiyon, çeviri ve zamanlamayı böyle yapar.
Whisper neyle eğitildi?
Orijinal modeller eşleşen dökümleriyle 680.000 saat internet sesinden öğrendi. OpenAI buna “zayıf denetim” der; çünkü dökümler kıyaslama veri kümelerindeki gibi elle kontrol edilmedi.
| Eğitim sesinin payı | Saat | İçerik |
|---|---|---|
| Yaklaşık %65 | 438.000 | İngilizce ses ve İngilizce döküm |
| Yaklaşık %18 | 126.000 | İngilizce olmayan ses ve İngilizce döküm (çeviri verisi) |
| Yaklaşık %17 | 117.000 | İngilizce olmayan ses ve aynı dilde döküm |
Kaynak: OpenAI Whisper model kartı. Makale çeviri payını 125.000 saate yuvarlar.
İki ayrıntı Whisper'ın davranışını açıklar. OpenAI tümü büyük harfli metin gibi makine üretimi görünen dökümleri filtreledi; model böylece noktalama içeren cümleler yazmayı öğrendi. İlk modeller, birçok internet dökümünde isim bulunduğu için konuşmacı adlarını tahmin etme eğilimindeydi. OpenAI bu alışkanlığı ince ayarla azalttı; ancak bu, modelin eğitim metnini ne kadar yakından yansıttığını gösterir.
Hugging Face model kartına göre large-v3 farklı eğitildi: yaklaşık 5 milyon saat; bunun 1 milyonu zayıf internet etiketleriyle, 4 milyonu large-v2 tarafından etiketlenmiş verilerle.
Whisper model boyutları karşılaştırması
Whisper altı boyutta gelir. Küçük modeller mütevazı donanımda daha hızlı çalışır; büyükler daha az hata yapar ama daha fazla ekran kartı belleği (VRAM) gerektirir. Aşağıdaki sayılar OpenAI README'sinden alınmıştır.
| Boyut | Parametre | Yalnızca İngilizce sürüm | Çok dilli sürüm | Gerekli VRAM | Large'a göre hız |
|---|---|---|---|---|---|
| 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 | Yok | large | ~10 GB | 1x |
| turbo | 809 M | Yok | turbo | ~6 GB | ~8x |
OpenAI bu hızları İngilizce konuşmada A100 veri merkezi GPU'suyla ölçtü ve gerçek hızın önemli ölçüde değişebileceğini söylüyor. Dizüstü bilgisayar daha yavaş olacaktır.
Hangi Whisper modelini seçmelisiniz?
Kullanılabilir bellek ve dökümün amacıyla başlayın:
- Temel bir cihazda test: tiny veya base, yaklaşık 1 GB VRAM. Daha çok hata bekleyin.
- Yalnızca İngilizce:
.enmodeli kullanın. OpenAI, özellikle tiny ve base boyutlarında bunların daha iyi olduğunu söylüyor. - Makul hızda iyi kalite: turbo, yaklaşık 6 GB. Komut satırında varsayılandır.
- Konuşmayı İngilizceye çevirme: medium veya large. Turbo çeviri için eğitilmemiştir ve çeviri isteseniz de orijinal dili döndürür.
- En zor ses, mümkün olan en iyi sonuç: large, yaklaşık 10 GB VRAM.
Whisper sürümleri: kısa zaman çizelgesi
“Large” üç sürümü kapsar; turbo, large-v3'ün küçültülmüş hâlidir. Sonuçlar modele göre değiştiğinden sürüm önemlidir.
| Sürüm | Yayımlanma | Değişiklik |
|---|---|---|
| Orijinal modeller (tiny–large) | Eylül 2022 | Makaleyle ilk açık kaynak sürüm |
| large-v2 | Aralık 2022 | Aynı boyut, ek düzenlileştirmeyle 2,5 kat daha uzun eğitim |
| large-v3 | Kasım 2023 | 128 Mel kanalı, yeni Kantonca token'ı, birçok dilde v2'den %10–20 daha az hata |
| turbo (large-v3-turbo) | Eylül 2024 | Hız için kod çözücü katmanları 32'den 4'e indirildi; çeviri yok |
Kaynaklar: Whisper model kartı, makalenin large-v2 dipnotu ve large-v3 ile large-v3-turbo Hugging Face kartları.
Whisper kaç dili destekliyor?
Whisper yaklaşık 99 dili tanır. Makalenin dil algılayıcısı 99 dil token'ı kullanıyordu; large-v3 Kantonca ekledikten sonra güncel tokenizer 100 dil kodu listeliyor. Ancak destek kalite demek değildir: model kartı Whisper'ın yaklaşık 10 dilde güçlü sonuçlar gösterdiğini söylüyor.
Kalite eğitim verisini izler. Makale, modelin bir dili kaç saat gördüğünün performansı çok iyi öngördüğünü ve çoğu dilin 1.000 saatten az veriye sahip olduğunu buldu. İngilizce, İspanyolca veya Almanca genellikle daha az kaynaklı bir dilden daha temiz çıkar. README, dilinizi kontrol etmek için dil başına hata grafiğine bağlantı verir.
Bunu ürün sayılarıyla karıştırmayın. whispertranscribe.ai 130'dan fazla dili destekler. Bu, ürünümüzün dil desteğidir (fiyat sayfasında “130+ languages & accents” denir), açık kaynak Whisper modelinin özelliği değildir.
Whisper ne kadar doğru?
Tek bir doğruluk oranı yoktur; model boyutu, dil ve kayıt sonucu etkiler. Temiz okunmuş İngilizcede large-v2 %2,7 sözcük hata oranı (WER) aldı. Çoğu daha zor olan 14 İngilizce test kümesinin ortalaması %12,8'di.
WER, insan referans dökümüne göre değiştirilen, atlanan veya eklenen yanlış sözcüklerin payıdır. Düşük olması daha iyidir. Aşağıdaki sayılar, Whisper large-v2'yi LibriSpeech sesli kitap verisinde eğitilmiş wav2vec 2.0 modeliyle karşılaştıran makale tablosu 2'den gelir:
| Test kümesi | wav2vec 2.0 WER | Whisper large-v2 WER |
|---|---|---|
| LibriSpeech clean (okunmuş sesli kitaplar) | %2,7 | %2,7 |
| Common Voice (gönüllülerin kaydettiği konuşma) | %29,9 | %9,0 |
| CHiME-6 (gürültülü yemek kayıtları) | %65,8 | %25,5 |
| Tablodaki 14 test kümesinin ortalaması | %29,3 | %12,8 |
Önemli olan örüntüdür. Modeller sesli kitap testinde eşitken Whisper diğerlerinde çok daha iyi dayanır ve ortalamada %55,2 daha az hata yapar. OpenAI duyurusu bunu “%50 daha az hata” diye yuvarlar. Makalenin gürültü testlerinde LibriSpeech ile eğitilen modeller neredeyse temiz seste Whisper'ı geçti, ancak pub benzeri arka plan gürültüsü 10 dB sinyal-gürültü oranının altına indiğinde geride kaldı.
Bunlar araştırma kıyaslamalarıdır, dosyalarınız için vaat değildir; ürün iddiaları ayrıdır. Örneğin whispertranscribe.ai temiz seste %99'a kadar doğruluğa ulaşır; gürültü, örtüşme ve güçlü aksan bunu düşürür.
Whisper'ın sınırlamaları nelerdir?
Whisper'ın temel zayıflığı, kimsenin söylemediği akıcı metin yazabilmesidir. OpenAI model kartı buna halüsinasyon der ve zayıf denetimli eğitimle ilişkilendirir. Ayrıca tekrar, dil ve aksanlar arasında eşitsiz doğruluk ve yerleşik konuşmacı etiketlerinin yokluğunu listeler.
- Uydurulmuş metin. 2024 tarihli Careless Whisper çalışmasında araştırmacılar, inceledikleri dökümlerin yaklaşık %1'inde seste bulunmayan tam ifadeler veya cümleler buldu. Uzun duraklamalarda halüsinasyon daha sık görüldü.
- Tekrar döngüleri. Model bir ifadeyi tekrarlamaya takılabilir. Model kartına göre beam search ve sıcaklık geri dönüşü bunu bir ölçüde azaltır ama tamamen çözmez.
- İlk veya son sözcüklerin kaybı. Makale, bir bölümün ilk ya da son birkaç sözcüğünü atlamayı bilinen hata olarak listeler.
- Uzun kayıtlar pencereleme gerektirir. Whisper bir seferde yalnızca 30 saniye görür. Uzun dosyalarda araç pencereyi tahmin edilen zaman damgalarıyla kaydırır; bir penceredeki hata sonrakini etkileyebilir.
- Konuşmacı etiketi yok. Model kartına göre kimin ne zaman konuştuğunu belirleme yeterince kapsamlı değerlendirilmedi. Ayrı araç gerekir.
- Varsayılan olarak gerçek zamanlı değil. Kayıtlı dosyalar için tasarlandı. Canlı altyazı ek mühendislik gerektirir.
- Dil ve aksana göre eşitsizlik. Model kartı bazı aksanlar, lehçeler ve demografik gruplar için daha yüksek hata oranları belirtir.
OpenAI ayrıca insanları rızaları olmadan transkribe etmeye ve yüksek riskli kararlar için kullanıma karşı uyarır. Başkalarını kaydetmeden veya transkribe etmeden önce gerekli rızayı alın.
Resmî kaynakların farklılaştığı noktalar
Bazı sayılar OpenAI belgeleri arasında, çoğunlukla yuvarlama veya sürüm değişikliği nedeniyle farklıdır. Bir sayı alıntılamadan önce kontrol edin:
| Konu | Bir resmî kaynak | Diğeri | Kullanılacak ifade |
|---|---|---|---|
| LibriSpeech modellerine göre hata azalması | Makale: ortalama %55,2 daha az hata | OpenAI duyurusu: %50 daha az hata | Makaleyi ve karşılaştırmayı belirtin |
| Eğitim verisinde İngilizce dışı diller | Makale: 96 diğer dil | Model kartı: 98 dil | Tanıma için “yaklaşık 99 dil” |
| Çeviri eğitim saatleri | Model kartı: 126.000 | Makale: 125.000 | Yaklaşık olduğu belirtilerek ikisi de |
| Turbo parametre sayısı | README ve Hugging Face: 809 M | Model kartı tablosu: 798 M | Çoğu kaynaktaki 809 M |
| Eğitim verisi büyüklüğü | Orijinal makale: 680.000 saat | Large-v3 kartı: 5 milyon saat | Hangi sürüm olduğunu belirtin |
| Lisans | GitHub: kod ve ağırlıklar için MIT | Hugging Face large-v3 metaverisi: Apache-2.0 | İndirdiğiniz kopyanın lisansını kontrol edin |
Whisper nasıl kullanılır: kendiniz çalıştırın, API veya uygulama kullanın
Üç pratik yol vardır. Whisper'ı kendiniz çalıştırmak ücretsizdir ve sesi cihazda tutar. OpenAI API kurulumu kaldırır ama dosya boyutunu sınırlar. Barındırılan uygulama düzenleme, konuşmacı etiketleri ve dışa aktarım ekler; ancak kendi şartları olan üçüncü taraf hizmetidir.
| Açık kaynak Whisper'ı çalıştırma | OpenAI transkripsiyon API'si | Barındırılan transkripsiyon uygulaması | |
|---|---|---|---|
| Kurulum | Python, PyTorch ve FFmpeg | Kod ve API anahtarı | Tarayıcı |
| Maliyet | Ücretsiz; donanım size ait | Kullanım başına ödeme | Ücretsiz katman veya abonelik, uygulamaya göre |
| Dosya sınırları | Donanımınız | Dosya başına 25 MB | Uygulama belirler |
| Sesin gittiği yer | Bilgisayarda kalır | OpenAI'ye gönderilir | Uygulamanın sunucularına gönderilir |
| Konuşmacı etiketleri | Yerleşik değil | whisper-1'de yok | Uygulamaya bağlı |
| Düzenleme ve dışa aktarım | Komut satırından TXT, SRT, VTT, TSV, JSON | Kodunuza döner; gerisini siz kurarsınız | Genellikle düzenleyici ve belge/altyazı dışa aktarımı |
Whisper'ı kendi bilgisayarınızda çalıştırın
OpenAI README kurulum komutunu ve temel çalıştırmayı verir:
pip install -U openai-whisper
whisper interview.mp3 --model turbo
FFmpeg de yüklü olmalıdır ve README kodun Python 3.8–3.11 üzerinde çalışması gerektiğini söyler. Konuşulan dili belirtmek için --language, İngilizce elde etmek için çok dilli modelle --task translate ekleyin. Model ağırlıkları ilk kullanımda indirilir. Whisper CLI burada yüklü olmadığından komutlar test edilmedi.
OpenAI API'sini kullanın
OpenAI'nin konuşmadan metne rehberi yüklemeleri dosya başına 25 MB ile sınırlar; büyük dosyaları sıkıştırın veya bölün. Kasım 2026 kontrolünde rehber whisper-1 modelini kullanım dışı olarak işaretleyip 26 Şubat 2027 kapatma tarihi veriyor ve geliştiricileri yeni transkripsiyon modellerine yönlendiriyor. Bu yeni modeller OpenAI konuşma modelleridir; açık kaynak Whisper ailesinin yeni sürümleri değildir.
Barındırılan transkripsiyon uygulaması kullanın
Kurulum istemiyorsanız barındırılan bir uygulama dosyaları sunucularında işler. whispertranscribe.ai bir seçenektir ve ücretsiz sesten metne dönüştürücüsü hızlı deneme yoludur. Ana sayfamız whispertranscribe.ai'yi Whisper ve yeni nesil AI ile destekleniyor diye tanımlar. Ürün sayfalarımıza göre sundukları:
- 5 GB ve 10 saate kadar ses veya video yükleme ya da Transcribe from URL alanına YouTube, Vimeo, Google Drive veya Dropbox bağlantısı yapıştırma.
- Açılabilir konuşmacı tanımayla 130'dan fazla dil.
- Mikrofonunuzdan canlı transkripsiyon ve tarayıcıda kaydedip transkribe etme.
- AI altyazı oluşturucudan altyazılar dahil DOCX, PDF, SRT, VTT, TXT ve CSV dışa aktarımı.
- İngilizce olmayan kayıtlar için sesi İngilizceye çevirme.
Tercihin sonuçları vardır. Dosyanız bilgisayarda kalmak yerine bulut hizmetine gider. API, özel sözcük dağarcığı veya toplantı botu sunmuyoruz. Ücretli planlar yıllık ödemeyle aylık 9,99 ABD dolarından başlar (fiyatlar) ve hesapsız ücretsiz başlayabilirsiniz. Ayrıntılar için Whisper AI transkripsiyon aracı veya tüm özelliklere bakın.
Whisper açık kaynak mı, lisans neye izin veriyor?
Evet. OpenAI deposu Whisper'ın kod ve model ağırlıklarının MIT Lisansı altında yayımlandığını belirtir. MIT esnek bir lisanstır. Genel olarak telif hakkı ve lisans bildirimini koruduğunuz sürece kodu kullanan yazılımı kullanmanıza, kopyalamanıza, değiştirmenize ve satmanıza izin verir.
İki uyarı: Başka sitelerdeki kopyaların lisans metaverisi farklı olabilir; Hugging Face large-v3 sayfası Apache-2.0 listeler. Kullandığınız kopyayla gelen lisansı okuyun. Lisans, yazılıma ilişkindir; içine verdiğiniz kayıtlara değil. Ses için rıza ve gizlilik kuralları hâlâ geçerlidir. Bu genel bilgidir, hukuki tavsiye değildir; resmî kaynak MIT lisans metnidir.
Whisper kime uygun?
Whisper, ücretsiz, özel ve hizmet sınırı olmadan transkripsiyon isteyen geliştiricilere ve terminal kullanabilenlere uygundur. Düzenleyici ve dışa aktarımla hazır döküm istiyorsanız barındırılan uygulama genellikle daha hızlıdır.
| Siz ... | Uygun seçenek | Neden |
|---|---|---|
| Ürün geliştiren geliştiricisiniz | Açık kaynak Whisper veya API | Süreç üzerinde tam kontrol |
| Hassas röportajları olan araştırmacısınız | Yerel çalışan açık kaynak Whisper | Ses cihazdan çıkmaz |
| Bu hafta altyazıya ihtiyaç duyan içerik üreticisisiniz | SRT veya VTT dışa aktaran barındırılan uygulama | Kurulum yok; zamanlı dosyalar yüklemeye hazır |
| GPU'suz dizüstü kullanıyorsunuz | Yerelde küçük model veya barındırılan uygulama | Büyük modeller yaklaşık 10 GB VRAM gerektirir |
Whisper dökümüne güvenmeden önce: kontrol listesi
Bu listeyi OpenAI makalesi ve model kartındaki hata türlerinden hazırladık:
- Duraklama ve sessizliklerde söylenmemiş cümleleri örnekleyerek kontrol edin.
- Art arda birkaç kez tekrarlanan ifadeleri tarayın.
- Dosyanın ilk ve son satırlarını sesle karşılaştırın.
- İsimleri, sayıları ve teknik terimleri doğrulayın.
- Dilin doğru algılandığını doğrulayın veya elle seçin.
- Çeviri için turbo kullanmadığınızdan emin olun.
- Gerekirse ayrı araçla konuşmacı etiketleri ekleyin.
- Başkalarını kaydetmeden veya transkribe etmeden önce rızalarını alın.
Sık sorulan sorular
Whisper AI ücretsiz mi?
Evet, OpenAI Whisper ücretsiz indirilip çalıştırılır. OpenAI kod ve model ağırlıklarını MIT altında lisanslar; OpenAI'ye ödeme yapmadan kullanabilirsiniz. Bilgisayarı siz sağlarsınız ve large model yaklaşık 10 GB GPU belleği ister. Barındırılan seçenekler ücretlidir: OpenAI API kullanıma göre ücret alır, transkripsiyon uygulamaları kendi planlarını belirler. Ücretsiz, kolay demek değildir; Python, FFmpeg ve bir miktar komut satırı bilgisi gerekir.
Whisper farklı konuşmacıları belirleyebilir mi?
Hayır, tek başına yapamaz. Whisper ne söylendiğini yazar ama kimin söylediğini etiketlemez. OpenAI model kartı konuşmacı ayrıştırma gibi yeteneklerin kapsamlı değerlendirilmediğini söyler. Etiketler için genellikle Whisper ayrı bir ayrıştırma aracıyla eşleştirilir veya konuşmacı tanımalı uygulama kullanılır. Örneğin whispertranscribe.ai transkripsiyon öncesi açabileceğiniz konuşmacı tanıma seçeneğine sahiptir. Seslerin benzediği kayıtlarda etiketleri kontrol edin.
Whisper gerçek zamanlı transkribe edebilir mi?
Doğrudan kutudan çıktığı hâliyle değil. Whisper kayıtlı ses için tasarlanmış ve 30 saniyelik pencerelerle işler; OpenAI model kartı gerçek zamanlı kullanımın ek çalışma gerektirdiğini söyler. Geliştiriciler kısa parçaları geldikçe besleyerek gerçeğe yakın zamanlı araçlar geliştirdi. Canlı altyazı gerekiyorsa özel canlı modu olan araç arayın ve canlı çıktının tamamlanmış kaydın dökümünden daha çok düzeltme gerektirebileceğini bekleyin.
Whisper kaç dili destekliyor?
Whisper yaklaşık 99 dili tanır ve large-v3'e Kantonca eklendikten sonra mevcut tokenizer 100 dil kodu listeler. Kalite çok değişir. OpenAI model kartı yaklaşık 10 dilde güçlü sonuç bildirir; makale çoğu dilde 1.000 saatten az eğitim sesi olduğunu buldu. Daha az yaygın bir dile güvenmeden önce kısa klip test edin. whispertranscribe.ai'nin 130'dan fazla dil sayısı gibi ürün rakamları açık kaynak modeli değil, ürünün desteğini anlatır.
whispertranscribe.ai ile OpenAI Whisper aynı mı?
Hayır. OpenAI Whisper indirip kendiniz çalıştırdığınız açık kaynaklı bir modeldir. whispertranscribe.ai ayrı, tarayıcı tabanlı bir transkripsiyon hizmetidir; ana sayfası onu Whisper ve yeni nesil AI ile desteklenen olarak tanımlar. Ham modelin içermediği 5 GB'a kadar yükleme, YouTube veya Google Drive'dan bağlantı içe aktarma, konuşmacı tanıma ve DOCX, PDF, SRT, VTT dışa aktarımı gibi özellikler ekler. Adında “Whisper” geçen diğer uygulamalar farklı şirketlerin ayrı ürünleridir.
Whisper neden bazen söylenmeyen sözcükler yazar?
Çünkü bir dil modeli gibi metin tahmin eder. OpenAI model kartı büyük, gürültülü internet verileriyle eğitimin bazen seste bulunmayan sözcükler ürettiğini söyler. OpenAI bunu, duyduğunu transkribe etmekle sonraki olası sözcüğü tahmin etmenin birleşmesiyle açıklar. 2024 çalışması, incelenen dökümlerin yaklaşık %1'inde uydurulmuş tam ifadeler buldu; uzun duraklamalarda daha sık görüldü. Duraklamaları, sessiz bölümleri ve önemli her şeyi sesle karşılaştırın.
Kurulum yapmadan Whisper dökümü mü istiyorsunuz? whispertranscribe.ai'ye dosya yükleyin veya bağlantı yapıştırın; 130'dan fazla dilde metin ve DOCX, PDF, SRT, VTT dışa aktarımı alın.
Kaynaklar
- OpenAI: Introducing Whisper (21 Eylül 2022)
- Radford ve diğerleri: Robust Speech Recognition via Large-Scale Weak Supervision (arXiv 2212.04356)
- OpenAI: Whisper GitHub deposu ve README, model kartı ve MIT lisansı
- Hugging Face: openai/whisper-large-v3 model kartı
- OpenAI API belgeleri: Konuşmadan metne rehberi (Kasım 2026'da kontrol edildi)
- Koenecke ve diğerleri: Careless Whisper: Speech-to-Text Hallucination Harms (arXiv 2402.08021)
