ما هو Whisper؟ وهل هو مجاني للاستخدام التجاري؟

Whisper نموذج لتحويل الكلام إلى نص أصدرته OpenAI، وتقول صفحة المشروع على GitHub إن شيفرته وأوزان النماذج صدرت برخصة MIT، وهي رخصة تسمح بالاستخدام التجاري بشرط أن تُبقي إشعار حقوق النشر وإشعار الإذن مع البرنامج. فتشغيله بنفسك بلا رسوم رخصة، وما تدفعه هو وقت الحاسوب. أما واجهة OpenAI البرمجية المدفوعة فخدمة مستقلة لها شروطها. هذه قراءة للنصوص العلنية وليست استشارة قانونية.

ما الذي يفعله Whisper؟

ينتج نصًا من تسجيل صوتي، ويعمل بعدة لغات، ومنها العربية التي يستعملها هذا الموقع. وله مهمة أخرى هي ترجمة الكلام إلى الإنجليزية (مع استثناء نموذج turbo الذي تقول صفحة المشروع إنه لم يُدرَّب عليها). وبحسب بطاقة النموذج openai/whisper-small على Hugging Face دُرِّب على نحو 680 ألف ساعة صوتية جُمعت من الإنترنت، منها نحو 65% صوت إنجليزي بنص إنجليزي، ونحو 17% صوت بغير الإنجليزية بنص مطابق، وتغطي البيانات غير الإنجليزية 98 لغة.

الأحجام

كما في جدول صفحة المشروع: tiny (39 مليون معامل)، وbase (74 مليونًا)، وsmall (244 مليونًا)، وmedium (769 مليونًا)، وlarge (1550 مليونًا)، وturbo (809 ملايين). وكلما كبر النموذج احتاج ذاكرة وزمنًا أكبر. وفي قياسنا الخاص على مقاطع عربية قليلة كان الفرق بين tiny وsmall كبيرًا؛ تفاصيله في صفحة القياس.

هل الرخصة تكفي؟

• الرخصة تخص البرنامج والأوزان. أما تسجيل أصوات الناس وتفريغها فمسألة موافقة وخصوصية بحسب قانون بلدك. وتحذّر بطاقة النموذج نفسها من استعماله لتفريغ تسجيلات أُخذت بلا موافقة أصحابها.
• الدقة غير مضمونة. تقول البطاقة إن الأداء متفاوت بين اللغات والهجات واللكنات، وإن الناتج قد يتضمن نصًا لم يُنطق في الصوت.
• اختلاف التسمية بين المصادر. صفحة GitHub تذكر MIT، أما بطاقات OpenAI على Hugging Face فتُظهر Apache-2.0 في بياناتها. كلتاهما رخصة متساهلة، فاقرأ الرخصة المرفقة بالملفات التي تنزّلها.

أي حجم تختار للعربية؟

لا نملك قياسًا يحسم الأمر لكل تسجيل. في قياسنا على 3 مقاطع عربية مقروءة بأصوات مصرية بلغت نسبة خطأ الكلمات 64.4% لـ tiny و60.2% لـ base و31.8% لـ small، بعد توحيد صور الألف والياء والتاء المربوطة. هذه نقطة بداية لا وعد: جرّب مقطعًا قصيرًا من تسجيلك أنت، وفي التطبيق بعد إنشاء حساب اختر small بنفسك بدل Auto. ولم نقس medium ولا large.

قائمة فحص قبل أن تضعه في منتج

1. افتح الرخصة المرفقة بالملفات التي تنزّلها (قد تختلف صفحة GitHub عن Hugging Face) وانسخ الإشعار إلى ملف التراخيص في منتجك.
2. قرّر أين يُعالَج الصوت (خادمك أم جهاز المستخدم أم مزوّد خارجي) واذكر ذلك في سياسة الخصوصية.
3. احصل على موافقة الأشخاص الذين تسجّل أصواتهم، وراجع بشريًا ما سيُنشر أو يُعتمد عليه.
4. اختبر على صوت بلغتك ولهجتك قبل أن تعد بأي دقة.

كيف نستعمله هنا؟

يعمل الموقع بنماذج من عائلة Whisper عبر faster-whisper على خادمنا، والتجربة بلا حساب تستعمل small دائمًا. للتفاصيل بالإنجليزية: Is Whisper free for commercial use?، ولتشغيله على جهازك Local Whisper transcription.