Whisper AI کیا ہے؟ OpenAI کا شناختِ گفتار ماڈل کیسے کام کرتا ہے

تحریر: whispertranscribe.ai کی ادارتی ٹیم · آخری تازہ کاری: نومبر 2026 · مطالعہ: 13 منٹ

Whisper AI کیا ہے؟ زیادہ تر تلاش میں اس سے مراد OpenAI Whisper ہے، شناختِ گفتار کا اوپن سورس ماڈل جسے OpenAI نے ستمبر 2022 میں شائع کیا۔ یہ ریکارڈ شدہ گفتار کو متن بناتا، زبان پہچانتا اور دوسری زبانوں کو انگریزی میں ترجمہ کر سکتا ہے۔ OpenAI نے اسے ویب کی 680,000 گھنٹے آڈیو پر تربیت دی اور کوڈ اور ویٹس MIT لائسنس کے تحت جاری کیے۔

وضاحت: ہم whispertranscribe.ai بناتے ہیں۔ whispertranscribe.ai ویب پر AI ٹرانسکرپشن ٹول ہے جو آڈیو اور ویڈیو کو 130 سے زیادہ زبانوں میں متن بناتا ہے۔ یہ گائیڈ ماڈل اور اس کے گرد بنے مصنوعات میں واضح فرق رکھتی ہے اور ماڈل کے تمام اعداد OpenAI کے مقالے، مخزن یا ماڈل کارڈ سے ہیں۔

مختصر جواب: Whisper AI کیا ہے؟

Whisper گفتار سے متن کا ماڈل ہے، ایپ یا کمپنی نہیں۔ اسے OpenAI کے GitHub مخزن سے ڈاؤن لوڈ کرکے اپنے کمپیوٹر پر چلائیں، یا ایسی سروس استعمال کریں جو آپ کے لیے چلائے۔

  • بنانے والا: OpenAI۔ تحقیقی مقالہ Robust Speech Recognition via Large-Scale Weak Supervision 6 دسمبر 2022 کو arXiv پر آیا۔
  • کام: گفتار ٹرانسکرائب کرنا، زبان پہچاننا، گفتار کا انگریزی ترجمہ اور حصوں کے ٹائم اسٹیمپ شامل کرنا۔
  • جو بنیادی حالت میں نہیں کرتا: بولنے والوں کو لیبل دینا یا براہ راست ٹرانسکرائب کرنا۔ OpenAI کا ماڈل کارڈ کہتا ہے کہ اضافی کام کے بغیر حقیقی وقت میں استعمال نہیں ہو سکتا۔
  • سائز: چھ، tiny کے 39 ملین پیرامیٹر سے large کے 1,550 ملین تک۔
  • لاگت: ڈاؤن لوڈ اور چلانا مفت؛ ہارڈویئر آپ فراہم کریں۔

«Whisper AI» کے تین مختلف مطلب ہو سکتے ہیں

یہ نام مختلف انداز میں استعمال ہوتا ہے اور تینوں معنی آسانی سے خلط ملط ہو جاتے ہیں۔

لوگ جسے «Whisper AI» کہتے ہیں کیا ہے بنانے والا استعمال
OpenAI Whisper اوپن سورس شناختِ گفتار ماڈل OpenAI کوڈ اور ویٹس ڈاؤن لوڈ کرکے خود چلائیں
whisper-1 OpenAI کا ہوسٹڈ API ٹرانسکرپشن ماڈل OpenAI آڈیو OpenAI API کو بھیجیں اور استعمال کے مطابق ادائیگی کریں
نام میں «Whisper» والی ایپس ٹرانسکرپشن مصنوعات، مثلاً whisperai.com اور whispertranscribe.ai، یہ سائٹ الگ کمپنیاں ان کی ایپس میں آڈیو اپ لوڈ یا ریکارڈ کریں

تیسری قطار کی مصنوعات خود ماڈل نہیں اور ایک دوسرے کا متبادل نہیں۔ ہر کمپنی اپنی خصوصیات، حدود، قیمتیں اور رازداری کی شرائط طے کرتی ہے۔ اس مضمون میں «Whisper» سے مراد OpenAI کا ماڈل ہے۔

Whisper کیسے کام کرتا ہے؟

Whisper encoder-decoder Transformer ہے۔ encoder 30 سیکنڈ آڈیو کو عددی نمائندگی میں بدلتا ہے اور decoder متعلقہ متن ایک وقت میں ایک token لکھتا ہے؛ مخصوص token اسے کام بتاتے ہیں۔

Whisper مقالہ یہ مراحل بیان کرتا ہے:

  1. دوبارہ سیمپلنگ۔ آڈیو 16,000 Hz میں بدلی جاتی ہے۔
  2. 30 سیکنڈ کی ونڈوز میں تقسیم۔ ماڈل ایک وقت میں ہمیشہ 30 سیکنڈ دیکھتا ہے؛ چھوٹے کلپس کو مکمل لمبائی تک بھرا جاتا ہے۔
  3. اسپیکٹروگرام بنانا۔ ہر ونڈو 80 چینل log-Mel اسپیکٹروگرام بنتی ہے، جو مختلف فریکوئنسیوں پر صوتی توانائی دکھاتا ہے؛ 25 ملی سیکنڈ کے فریم ہر 10 ملی سیکنڈ پر ناپے جاتے ہیں۔ Large-v3 نے 128 چینل استعمال کیے۔
  4. انکوڈ۔ دو convolution تہیں اور Transformer بلاکس اسپیکٹروگرام پراسیس کرتے ہیں۔
  5. ڈیکوڈ۔ decoder پہلے زبان یا «گفتار نہیں» token بتاتا ہے، پھر کام، ٹرانسکرپشن یا ترجمہ، پھر ٹائم اسٹیمپ کی ضرورت اور آخر میں متن۔

ٹائم اسٹیمپ بھی token کی صورت میں پیش گوئی ہوتے اور قریب ترین 20 ملی سیکنڈ تک گول ہوتے ہیں۔ یوں ایک ماڈل زبان کی شناخت، ٹرانسکرپشن، ترجمہ اور وقت سنبھالتا ہے۔

Whisper کو کس پر تربیت دی گئی؟

ابتدائی ماڈلوں نے انٹرنیٹ کی 680,000 گھنٹے آڈیو اور متعلقہ متن سے سیکھا۔ OpenAI اسے «کمزور نگرانی» کہتا ہے کیونکہ متن معیار کی جانچ والے ڈیٹا جیسا ہاتھ سے چیک نہیں ہوا تھا۔

تربیتی آڈیو کا حصہ گھنٹے مواد
تقریباً 65% 438,000 انگریزی آڈیو، انگریزی متن
تقریباً 18% 126,000 غیر انگریزی آڈیو، انگریزی متن، ترجمے کا ڈیٹا
تقریباً 17% 117,000 غیر انگریزی آڈیو، اسی زبان کا متن

ماخذ: OpenAI کا Whisper ماڈل کارڈ۔ مقالہ ترجمے کا حصہ گول کرکے 125,000 گھنٹے بتاتا ہے۔

دو باتیں Whisper کے رویے کو سمجھاتی ہیں۔ OpenAI نے مشینی نظر آنے والے متن، مثلاً صرف بڑے حروف، فلٹر کیے، یوں ماڈل نے رموز والے جملے سیکھے۔ ابتدائی ماڈل بولنے والوں کے نام بھی قیاس کرتے تھے کیونکہ بہت سے ویب متن میں نام تھے۔ OpenAI نے اضافی تربیت سے یہ عادت گھٹائی، مگر یہ تربیتی متن کے اثر کو دکھاتی ہے۔

Large-v3 مختلف تربیت سے گزرا: اس کے Hugging Face ماڈل کارڈ کے مطابق تقریباً 5 ملین گھنٹے، جن میں 1 ملین کمزور ویب لیبل اور 4 ملین large-v2 کے لیبل تھے۔

Whisper ماڈل سائز کا موازنہ

Whisper کے چھ سائز ہیں۔ چھوٹے ماڈل معمولی ہارڈویئر پر تیز، بڑے ماڈل عموماً کم غلط مگر زیادہ ویڈیو میموری (VRAM) مانگتے ہیں۔ اعداد OpenAI README سے ہیں۔

سائز پیرامیٹر صرف انگریزی ورژن کثیر لسانی ورژن ضروری VRAM large کے مقابلے رفتار
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 کوئی نہیں large ~10 GB 1x
turbo 809 M کوئی نہیں turbo ~6 GB ~8x

OpenAI نے یہ رفتار انگریزی گفتار اور ڈیٹا سینٹر A100 GPU پر ناپی اور کہا کہ عملی رفتار بہت مختلف ہو سکتی ہے۔ لیپ ٹاپ سست ہوگا۔

کون سا Whisper ماڈل منتخب کریں؟

اپنی میموری اور متن کی ضرورت سے آغاز کریں:

  • بنیادی مشین پر آزمائش: tiny یا base، تقریباً 1 GB VRAM۔ زیادہ غلطیاں متوقع ہیں۔
  • صرف انگریزی: .en ماڈل استعمال کریں۔ OpenAI کے مطابق خاص طور پر tiny اور base میں یہ بہتر ہیں۔
  • مناسب رفتار پر اچھا معیار: turbo، تقریباً 6 GB۔ یہ کمانڈ لائن کی طے شدہ صورت ہے۔
  • گفتار کا انگریزی ترجمہ: medium یا large۔ Turbo کو ترجمے پر تربیت نہیں دی گئی اور ترجمے کی درخواست پر بھی اصل زبان واپس کرتا ہے۔
  • مشکل ترین آڈیو، بہترین ممکنہ نتیجہ: large، تقریباً 10 GB VRAM۔

Whisper ورژنز: مختصر تاریخ

«Large» کی تین ریلیز ہیں اور turbo ہلکا large-v3 ہے۔ ورژن اہم ہے کیونکہ ماڈل checkpoint سے نتائج بدلتے ہیں۔

ورژن اجرا تبدیلی
اصل ماڈل، tiny سے large ستمبر 2022 مقالے کے ساتھ پہلی اوپن سورس ریلیز
large-v2 دسمبر 2022 وہی سائز، اضافی regularization کے ساتھ 2.5 گنا زیادہ تربیت
large-v3 نومبر 2023 128 Mel چینل، کینٹونیز token، کئی زبانوں میں v2 سے 10% تا 20% کم غلطیاں
turbo (large-v3-turbo) ستمبر 2024 رفتار کے لیے decoder تہیں 32 سے 4؛ ترجمہ نہیں

ذرائع: Whisper ماڈل کارڈ، مقالے کا large-v2 حاشیہ اور large-v3 اور large-v3-turbo کے Hugging Face کارڈ۔

Whisper کتنی زبانیں سنبھالتا ہے؟

Whisper تقریباً 99 زبانیں پہچانتا ہے۔ مقالے کے زبان شناخت کرنے والے نے 99 زبان token استعمال کیے؛ large-v3 میں کینٹونیز کے بعد موجودہ tokenizer 100 زبان کوڈ بتاتا ہے۔ حمایت اور معیار ایک نہیں: ماڈل کارڈ کے مطابق تقریباً 10 زبانوں میں مضبوط نتائج ہیں۔

معیار تربیتی ڈیٹا کے مطابق بدلتا ہے۔ مقالے کے مطابق زبان کی کارکردگی اس کی تربیتی آڈیو کے گھنٹوں سے اچھی طرح متوقع ہے، جبکہ زیادہ تر زبانوں کے پاس 1,000 گھنٹے سے کم تھے۔ انگریزی، ہسپانوی یا جرمن عموماً کم وسائل والی زبان سے صاف آتی ہے۔ اپنی زبان دیکھنے کے لیے README میں زبان وار غلطی کا چارٹ ہے۔

اسے پروڈکٹ کے اعداد سے نہ ملائیں۔ whispertranscribe.ai 130 سے زیادہ زبانیں سپورٹ کرتا ہے۔ قیمت کے صفحے کی «130 سے زیادہ زبانیں اور لہجے» ہماری مصنوعات کی حمایت ہے، اوپن سورس Whisper ماڈل کی خاصیت نہیں۔

Whisper کتنا درست ہے؟

Whisper کی ایک درستگی نہیں: ماڈل کا سائز، زبان اور ریکارڈنگ اہم ہیں۔ صاف پڑھی گئی انگریزی میں large-v2 کی لفظی غلطی کی شرح (WER) 2.7% تھی۔ 14 انگریزی ٹیسٹ سیٹوں، زیادہ تر مشکل، کی اوسط 12.8% تھی۔

WER انسانی حوالہ متن کے مقابل بدلے، حذف اور اضافی الفاظ کا تناسب ہے؛ کم بہتر ہے۔ مقالے کی جدول 2، Whisper large-v2 کا LibriSpeech آڈیو بک پر تربیت یافتہ wav2vec 2.0 سے موازنہ کرتی ہے:

ٹیسٹ سیٹ wav2vec 2.0 WER Whisper large-v2 WER
LibriSpeech clean، پڑھی گئی آڈیو بکس 2.7% 2.7%
Common Voice، لوگوں کی ریکارڈ شدہ گفتار 29.9% 9.0%
CHiME-6، شور والی دعوت کی ریکارڈنگ 65.8% 25.5%
جدول کے تمام 14 ٹیسٹوں کی اوسط 29.3% 12.8%

پیٹرن اہم ہے۔ دونوں آڈیو بک ٹیسٹ پر برابر، مگر Whisper باقی میں بہتر اور اوسطاً 55.2% کم غلطیاں کرتا ہے۔ OpenAI کا اعلان اسے 50% کم گول کرتا ہے۔ شور کے ٹیسٹ میں LibriSpeech پر تربیت یافتہ ماڈل تقریباً صاف آڈیو میں بہتر تھے مگر پب جیسے پس منظر کے شور اور 10 dB سے کم signal-to-noise ratio پر پیچھے رہ گئے۔

یہ تحقیقی معیار ہیں، آپ کی فائل کے لیے وعدہ نہیں؛ مصنوعات کے دعوے الگ ہیں۔ مثال کے طور پر whispertranscribe.ai صاف آڈیو پر 99% تک درستگی دیتا ہے، جبکہ شور، بیک وقت گفتگو اور گہرے لہجے اسے کم کرتے ہیں۔

Whisper کی حدود کیا ہیں؟

اہم کمزوری یہ ہے کہ Whisper روانی سے ایسا متن لکھ سکتا ہے جو کسی نے نہ کہا ہو۔ OpenAI کا ماڈل کارڈ اسے hallucination کہتا اور کمزور نگرانی والی تربیت سے جوڑتا ہے۔ تکرار، زبان اور لہجے کے مطابق غیر مساوی درستگی اور اندرونی بولنے والے کے لیبل کی کمی بھی درج ہے۔

  1. فرضی متن۔ 2024 کے مطالعے Careless Whisper میں محققین کو تقریباً 1% جانچے متن میں پوری عبارت یا جملہ ملا جو آڈیو میں نہیں تھا۔ طویل وقفوں کے پاس ایسا زیادہ ہوا۔
  2. تکرار کا چکر۔ ماڈل ایک عبارت دہراتا رہ سکتا ہے۔ کارڈ کے مطابق beam search اور temperature fallback اسے کچھ حد تک کم کرتے ہیں، مکمل نہیں۔
  3. پہلے یا آخری الفاظ کا چھوٹنا۔ مقالہ کسی حصے کے شروع یا آخر کے چند الفاظ چھوڑنے کو معلوم غلطی بتاتا ہے۔
  4. طویل ریکارڈنگ کو ونڈوز چاہییں۔ Whisper صرف 30 سیکنڈ دیکھتا ہے۔ طویل فائل میں transcribe ٹول متوقع ٹائم اسٹیمپ سے ونڈو آگے بڑھاتا ہے، اس لیے ایک غلطی اگلی ونڈو متاثر کر سکتی ہے۔
  5. بولنے والوں کے لیبل نہیں۔ ماڈل کارڈ کے مطابق کس نے کب بولا، یعنی diarization، مضبوط انداز میں جانچی نہیں گئی؛ الگ ٹول چاہیے۔
  6. بنیادی طور پر لائیو نہیں۔ یہ ریکارڈ فائلوں کے لیے بنا؛ لائیو کیپشنز کے لیے اضافی انجینئرنگ چاہیے۔
  7. زبان اور لہجے میں فرق۔ ماڈل کارڈ بعض لہجوں، بولیوں اور آبادیاتی گروہوں کے لیے زیادہ غلطیاں بتاتا ہے۔

OpenAI رضامندی کے بغیر لوگوں کو ٹرانسکرائب کرنے اور زیادہ خطرے کے فیصلوں میں استعمال سے بھی خبردار کرتا ہے۔

سرکاری ذرائع میں اختلاف کہاں ہے؟

OpenAI کی دستاویزات میں بعض اعداد گول کرنے یا ورژن بدلنے سے مختلف ہیں۔ حوالہ دینے سے پہلے دیکھیں:

موضوع ایک سرکاری ماخذ دوسرا کیا استعمال کریں
LibriSpeech ماڈلوں کے مقابل غلطی میں کمی مقالہ: اوسط 55.2% کم غلطیاں OpenAI اعلان: 50% کم مقالہ اور موازنہ واضح کریں
تربیتی ڈیٹا میں انگریزی کے علاوہ زبانیں مقالہ: 96 دوسری زبانیں کارڈ: 98 زبانیں شناخت کے لیے «تقریباً 99 زبانیں»
ترجمہ تربیت کے گھنٹے ماڈل کارڈ: 126,000 مقالہ: 125,000 کسی ایک کو تخمینہ بتا کر
Turbo پیرامیٹر README اور Hugging Face: 809 M ماڈل کارڈ جدول: 798 M 809 M، جو زیادہ ذرائع استعمال کرتے ہیں
تربیتی ڈیٹا کا حجم اصل مقالہ: 680,000 گھنٹے large-v3 کارڈ: 5 ملین گھنٹے متعلقہ ورژن بتائیں
لائسنس GitHub: کوڈ اور ویٹس MIT Hugging Face large-v3 metadata: Apache-2.0 ڈاؤن لوڈ کی کاپی کا لائسنس دیکھیں

Whisper استعمال کریں: خود چلائیں، API یا ایپ

تین عملی راستے ہیں۔ خود چلانا مفت ہے اور آڈیو آپ کی مشین میں رہتی ہے۔ OpenAI API سیٹ اپ ہٹاتی مگر فائل حجم محدود کرتی ہے۔ ہوسٹڈ ٹرانسکرپشن ایپ تدوین، بولنے والوں کے لیبل اور ایکسپورٹ دیتی مگر اپنی شرائط والی تیسرے فریق کی سروس ہے۔

اوپن سورس Whisper خود چلائیں OpenAI ٹرانسکرپشن API ہوسٹڈ ٹرانسکرپشن ایپ
سیٹ اپ Python، PyTorch اور FFmpeg کوڈ اور API key براؤزر
لاگت مفت؛ آپ کا ہارڈویئر استعمال کے مطابق ادائیگی مفت سطح یا سبسکرپشن، ایپ پر منحصر
فائل کی حد ہارڈویئر 25 MB فی فائل ہر ایپ طے کرتی ہے
آڈیو کہاں جاتی ہے آپ کے کمپیوٹر پر رہتی ہے OpenAI کو بھیجی جاتی ہے ایپ کے سرور کو بھیجی جاتی ہے
بولنے والوں کے لیبل اندرونی نہیں whisper-1 میں نہیں ایپ پر منحصر
تدوین اور ایکسپورٹ کمانڈ لائن سے TXT، SRT، VTT، TSV، JSON آپ کے کوڈ کو واپس؛ باقی خود بنائیں عموماً ایڈیٹر اور دستاویز و سب ٹائٹل ایکسپورٹ

Whisper اپنے کمپیوٹر پر چلائیں

OpenAI README تنصیب اور بنیادی عمل کی کمانڈ دیتا ہے:

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

FFmpeg بھی نصب ہونا چاہیے اور README کے مطابق کوڈ Python 3.8 سے 3.11 پر چلنا چاہیے۔ گفتار کی زبان بتانے کو --language یا کثیر لسانی ماڈل سے انگریزی ترجمے کے لیے --task translate شامل کریں۔ ماڈل ویٹس پہلے استعمال پر ڈاؤن لوڈ ہوتے ہیں۔

OpenAI API استعمال کریں

OpenAI کی گفتار سے متن گائیڈ فی فائل 25 MB اپ لوڈ حد رکھتی ہے؛ بڑی فائل کمپریس یا تقسیم کریں۔ نومبر 2026 کی جانچ کے مطابق گائیڈ whisper-1 کو deprecated اور بندش کی تاریخ 26 فروری 2027 بتاتی، اور ڈویلپرز کو نئے ٹرانسکرپشن ماڈلوں کی طرف لے جاتی ہے۔ نئے ماڈل OpenAI کے speech models ہیں، اوپن سورس Whisper خاندان کی نئی ریلیز نہیں۔

ہوسٹڈ ٹرانسکرپشن ایپ استعمال کریں

اگر آپ کچھ نصب نہیں کرنا چاہتے تو ہوسٹڈ ایپ سرور پر فائل پراسیس کرتی ہے۔ whispertranscribe.ai ایک انتخاب ہے، اور مفت آڈیو سے متن کنورٹر آزمانے کا تیز طریقہ۔ ہمارا ہوم پیج whispertranscribe.ai کو Whisper اور اگلی نسل کے AI سے چلنے والا بتاتا ہے۔ مصنوعات کے صفحات کے مطابق سہولیات:

سمجھوتے موجود ہیں۔ فائل کمپیوٹر پر رہنے کے بجائے کلاؤڈ سروس کو جاتی ہے۔ ہم API، مخصوص الفاظ کی فہرست یا میٹنگ بوٹ نہیں دیتے۔ ادا شدہ منصوبے سالانہ ادائیگی پر 9.99 ڈالر ماہانہ سے شروع ہیں (قیمتیں)، اور آپ بغیر اکاؤنٹ مفت شروع کر سکتے ہیں۔ تفصیل کے لیے Whisper AI ٹرانسکرپشن ٹول یا تمام خصوصیات دیکھیں۔

کیا Whisper اوپن سورس ہے اور لائسنس کیا اجازت دیتا ہے؟

ہاں۔ OpenAI مخزن کہتا ہے Whisper کا کوڈ اور ماڈل ویٹس MIT لائسنس پر جاری ہیں۔ MIT اجازت دینے والا لائسنس ہے۔ عموماً یہ کوڈ پر بنے سافٹ ویئر کے استعمال، نقل، تبدیلی اور فروخت کی اجازت دیتا ہے، بشرطیکہ کاپی رائٹ اور لائسنس نوٹس برقرار رکھیں۔

دو احتیاطیں: دوسری سائٹوں کی کاپی میں مختلف لائسنس metadata ہو سکتا ہے؛ Hugging Face large-v3 صفحہ Apache-2.0 بتاتا ہے۔ اپنی کاپی کے ساتھ موجود لائسنس پڑھیں۔ لائسنس سافٹ ویئر کا ہے، ان ریکارڈنگز کا نہیں جو آپ اس میں دیتے ہیں۔ آڈیو پر رضامندی اور رازداری کے قواعد لاگو رہتے ہیں۔ یہ عمومی معلومات ہیں، قانونی مشورہ نہیں؛ MIT لائسنس کا متن سرکاری ماخذ ہے۔

Whisper کس کے لیے ہے؟

Whisper ڈویلپرز اور ٹرمینل سے واقف ان لوگوں کے لیے موزوں ہے جو مفت، نجی، لامحدود ٹرانسکرپشن چاہتے ہیں۔ تیار متن، ایڈیٹر اور ایکسپورٹ چاہیے تو ہوسٹڈ ایپ عموماً تیز ہے۔

آپ… مناسب انتخاب وجہ
پروڈکٹ بنانے والے ڈویلپر اوپن سورس Whisper یا API پورے عمل پر کنٹرول
حساس انٹرویوز رکھنے والے محقق اوپن سورس Whisper مقامی طور پر آڈیو کمپیوٹر سے باہر نہیں جاتی
اس ہفتے سب ٹائٹل مانگنے والا تخلیق کار SRT یا VTT ایکسپورٹ والی ہوسٹڈ ایپ سیٹ اپ نہیں؛ وقت والی فائل اپ لوڈ کے لیے تیار
GPU کے بغیر لیپ ٹاپ صارف چھوٹا مقامی ماڈل یا ہوسٹڈ ایپ بڑے ماڈل کو تقریباً 10 GB VRAM چاہیے

Whisper متن پر بھروسے سے پہلے چیک لسٹ

یہ فہرست OpenAI مقالے اور ماڈل کارڈ کی معلوم غلطیوں سے بنائی گئی:

  • وقفوں اور خاموشی میں ایسے جملے دیکھیں جو کسی نے نہ کہے۔
  • ایک ہی عبارت کی مسلسل تکرار تلاش کریں۔
  • فائل کے پہلے اور آخری جملے آڈیو سے ملائیں۔
  • نام، اعداد اور تکنیکی اصطلاحات چیک کریں۔
  • زبان درست پہچانی گئی ہے یا ہاتھ سے مقرر کریں۔
  • ترجمے کے لیے یقینی بنائیں turbo استعمال نہیں ہوا۔
  • ضرورت ہو تو الگ ٹول سے بولنے والوں کے لیبل لگائیں۔
  • دوسروں کو ریکارڈ یا ٹرانسکرائب کرنے سے پہلے رضامندی لیں۔

عام سوالات

کیا Whisper AI مفت ہے؟

ہاں، OpenAI Whisper مفت ڈاؤن لوڈ اور چلایا جا سکتا ہے۔ OpenAI کوڈ اور ویٹس MIT کے تحت دیتا ہے، اس لیے OpenAI کو ادائیگی نہیں۔ کمپیوٹر آپ کا ہوگا اور large ماڈل تقریباً 10 GB GPU میموری چاہتا ہے۔ ہوسٹڈ اختیارات کی قیمت ہے: OpenAI API استعمال کے مطابق اور ایپس اپنے منصوبوں کے مطابق وصول کرتی ہیں۔ «مفت» کا مطلب آسان نہیں؛ Python، FFmpeg اور کمانڈ لائن کی واقفیت چاہیے۔

کیا Whisper مختلف بولنے والوں کو پہچان سکتا ہے؟

خود سے نہیں۔ Whisper الفاظ لکھتا ہے مگر نہیں بتاتا کس نے کہے۔ OpenAI ماڈل کارڈ کہتا ہے کہ speaker diarization جیسی صلاحیتوں کی مضبوط جانچ نہیں ہوئی۔ لیبل کے لیے عموماً الگ diarization ٹول شامل کیا جاتا ہے یا ایسی ایپ استعمال ہوتی ہے جو بولنے والے کی شناخت دے۔ مثلاً whispertranscribe.ai میں ٹرانسکرپشن سے پہلے یہ آپشن چالو کیا جا سکتا ہے۔ ملتی آوازوں میں لیبل ضرور چیک کریں۔

کیا Whisper حقیقی وقت میں ٹرانسکرائب کرتا ہے؟

بغیر اضافی کام نہیں۔ Whisper ریکارڈ شدہ آڈیو کے لیے بنا اور 30 سیکنڈ کی ونڈوز میں کام کرتا ہے؛ OpenAI کارڈ اسے اضافی کام کے بغیر لائیو کے لیے غیر موزوں بتاتا ہے۔ ڈویلپرز نے مختصر ٹکڑے ملتے ہی بھیج کر قریب بہ حقیقی وقت ٹول بنائے ہیں۔ لائیو کیپشنز کے لیے مخصوص لائیو موڈ والا ٹول تلاش کریں اور مکمل ریکارڈنگ سے بنے متن کے مقابلے زیادہ اصلاح کی توقع رکھیں۔

Whisper کتنی زبانیں سپورٹ کرتا ہے؟

Whisper تقریباً 99 زبانیں پہچانتا ہے اور large-v3 میں کینٹونیز شامل ہونے کے بعد موجودہ tokenizer 100 کوڈ بتاتا ہے۔ معیار بہت مختلف ہے۔ OpenAI کارڈ تقریباً 10 زبانوں میں مضبوط نتیجہ دیتا ہے اور مقالے کے مطابق زیادہ تر زبانوں کی تربیتی آڈیو 1,000 گھنٹے سے کم تھی۔ کم عام زبان پر انحصار سے پہلے مختصر کلپ آزمائیں۔ whispertranscribe.ai کی 130 سے زیادہ زبانوں جیسے اعداد مخصوص پروڈکٹ کے ہیں، اوپن سورس ماڈل کے نہیں۔

کیا whispertranscribe.ai اور OpenAI Whisper ایک ہیں؟

نہیں۔ OpenAI Whisper اوپن سورس ماڈل ہے جو آپ ڈاؤن لوڈ کرکے چلاتے ہیں۔ whispertranscribe.ai الگ براؤزر ٹرانسکرپشن سروس ہے؛ اس کا ہوم پیج اسے Whisper اور اگلی نسل کے AI پر مبنی بتاتا ہے۔ یہ خام ماڈل سے اضافی چیزیں دیتا ہے، مثلاً 5GB تک اپ لوڈ، YouTube یا Google Drive لنک درآمد، بولنے والوں کی شناخت اور DOCX، PDF، SRT و VTT ایکسپورٹ۔ نام میں «Whisper» والی دوسری ایپس بھی الگ کمپنیوں کی مصنوعات ہیں۔

Whisper کبھی وہ الفاظ کیوں لکھتا ہے جو کسی نے نہیں کہے؟

کیونکہ یہ زبان کے ماڈل کی طرح متن کی پیش گوئی کرتا ہے۔ OpenAI کارڈ کے مطابق بڑے اور شور والے ویب ڈیٹا کی تربیت کبھی آڈیو سے باہر الفاظ بناتی ہے۔ OpenAI کی وضاحت کے مطابق ماڈل اگلے ممکنہ لفظ کی پیش گوئی کو سنی ہوئی آواز کی ٹرانسکرپشن سے ملاتا ہے۔ 2024 کے مطالعے میں تقریباً 1% جانچے متن میں پوری فرضی عبارت، زیادہ تر طویل وقفوں کے آس پاس، ملی۔ وقفوں، خاموش حصوں اور اہم باتوں کو آڈیو سے جانچیں۔


سیٹ اپ کے بغیر Whisper ٹرانسکرپٹ چاہیے؟ فائل یا لنک whispertranscribe.ai میں ڈالیں اور 130 سے زیادہ زبانوں میں DOCX، PDF، SRT اور VTT ایکسپورٹ کے ساتھ متن حاصل کریں۔

حوالہ جات

اپنی ریکارڈنگ کو متن میں تبدیل کرنا چاہتے ہیں؟

whispertranscribe.ai سے آڈیو اور ویڈیو کو متن میں تبدیل کریں۔

متن میں تبدیل کرنا شروع کریں ↗