تكلفة النسخ الصوتي Whisper

Whisper هو نموذج تعلم آلي مفتوح المصدر للتعرف التلقائي على الكلام (ASR) طورته OpenAI. تم تدريبه على أكثر من 680,000 ساعة من البيانات الصوتية متعددة اللغات، مما يجعله قادراً على نسخ أكثر من 99 لغة بدقة عالية، بما في ذلك الترجمة إلى الإنجليزية. على عكس الأنظمة التقليدية مثل Google Speech-to-Text أو AWS Transcribe، يعمل Whisper بدون اتصال بالإنترنت (إذا تم تشغيله محلياً) ولا يفرض رسوماً إضافية بخلاف تكاليف الحوسبة. ومع ذلك، فإن الاعتماد على واجهة برمجة التطبيقات (API) المستضافة من OpenAI له تكلفة لكل دقيقة. يتميز Whisper بقدرته على التعامل مع الضوضاء الخلفية، واللهجات المختلفة، والكلام غير الرسمي. يقدم النموذج خمسة أحجام: Tiny (39M معلمة)، Base (74M)، Small (244M)، Medium (769M)، Large (1550M). كلما زاد الحجم، زادت الدقة ولكنه تطلب وقتاً أطول في المعالجة واستخدام ذاكرة أعلى. التكلفة في الآلة الحاسبة تستند إلى تكلفة API العامة: Large = 0.006 دولار/دقيقة، Medium = 0.005، Small = 0.004، Base = 0.003، Tiny = 0.002 دولار/دقيقة.

نعم، يمكنك استخدام Whisper مجاناً إذا كان لديك جهاز كمبيوتر قوي (خاصة مع وحدة معالجة رسوميات GPU) وقمت بتثبيت المكتبة مفتوحة المصدر (مثل whisper.cpp أو مكتبة OpenAI's whisper). في هذه الحالة، لا توجد تكلفة لكل دقيقة، ولكنك تتحمل تكاليف الكهرباء واستهلاك موارد الجهاز. أما إذا كنت تستخدم واجهة برمجة التطبيقات (API) من OpenAI، فهناك رسوم لكل دقيقة كما هو موضح في الآلة الحاسبة. الفرق الرئيسي: الاستخدام المحلي يتطلب خبرة تقنية لإعداد البيئة، وقد يكون أبطأ إذا لم يكن لديك GPU قوي. الاستخدام عبر API يوفر وقت التثبيت والسرعة (خاصة مع نموذج Large) وهو مناسب للمشاريع الصغيرة والمتوسطة. الآلة الحاسبة تفترض استخدام واجهة API لأن التكلفة واضحة لكل دقيقة. لكن يمكنك ضبط الأسعار يدوياً إذا كنت تستخدم نموذجاً محلياً (التكلفة صفر).

اختيار النموذج يعتمد على ثلاثة عوامل: 1) جودة التسجيل الصوتي: إذا كان التسجيل واضحاً وهادئاً، يمكن استخدام Tiny أو Base لتوفير التكاليف. أما إذا كان هناك ضوضاء خلفية أو لهجات معقدة، فمن الأفضل استخدام Small أو Medium أو Large. 2) الحجم المطلوب للدقة: إذا كنت بحاجة إلى نسخ حرفي دقيق (على سبيل المثال للتحليل القانوني أو الطبي)، فاختر Large. أما للنسخ العام (محاضرات، مدونات صوتية)، فقد يكون Small كافياً. 3) التكلفة والسرعة: النماذج الأصغر أسرع وأرخص. على سبيل المثال، Tiny أسرع 8 مرات من Large وأرخص 3 مرات. احسب التكلفة لكل مشروع: إذا كان لديك 100 دقيقة صوت، باستخدام Tiny ستكلف 0.2 دولار، بينما باستخدام Large 0.6 دولار. فرق 0.4 دولار قد لا يكون كبيراً، لكن لمشروع 10000 دقيقة يكون الفرق 40 دولاراً. لذا، حدد ميزانيتك ومتطلبات الدقة.