Whisper ücretsiz mi?

Whisper aslında nedir

Whisper, OpenAI'nin 2022 sonunda yayımladığı bir konuşmadan metne dönüştürme modelidir. Ses verirsiniz, metin alırsınız. Bu işte oldukça iyidir — çok dilli devasa bir ses yığını üzerinde eğitilmiştir; bu sayede aksanları, arka plan gürültüsünü ve onlarca dili, çoğumuzun hayatında küfür ettiği dikte yazılımlarından çok daha iyi yönetir. Ayrıca başka dillerdeki konuşmaları İngilizce metne çevirebilir; eski araçların hiçbiri bunu bu kadar temiz yapamamıştı.

Önemli sözcük "model"dir. Whisper çift tıklamayla açılan bir uygulama değildir. O, beyin — eğitilmiş ağırlıklardan oluşan bir dosya ve bu ağırlıkları çalıştıran kod. Tek başına penceresi, düğmesi, mikrofon bağlantısı yoktur. Motor, araba değil. Adını duyduğunuz pek çok ürün aslında bu motorun üzerine bir kat boya çekilmiş Whisper'dan ibaredir; bu normal, ama altta yatan motorun hepsinde aynı ücretsiz parça olduğunu bilmekte fayda var.

Bu ayrım sorunun neden kafa karıştırıcı olduğunun tam açıklamasıdır. Biri "Whisper ayda $30" dediğinde modeli değil, modeli sarmalayan ve sarmalama için para alan bir uygulamayı kastediyor. Biri "Whisper ücretsiz" dediğinde OpenAI'nin dağıttığı motoru kastediyor. Her iki ifade de aynı anda doğru, farklı şeyler hakkında — ki bu tam olarak düz bir cevap arayışıyla buraya gelmenizin nedeni.

Evet, MIT lisansı onu gerçekten ücretsiz kılıyor

Bu, deneme süresi biten ya da sizi bunaltan bir katmanın bulunduğu pazarlama-ücretsizliği değil. OpenAI, Whisper'ın kodunu ve model ağırlıklarını MIT lisansı altında yayımladı. MIT lisansı izin verici, iyi anlaşılmış bir açık kaynak lisansıdır: ticari amaçlar dahil yazılımı kullanmanıza, kopyalamanıza, değiştirmenize ve dağıtmanıza izin verir; tek koşul telif hakkı bildirimini ekli tutmaktır. Herhangi bir ücret, royalti, kullanıcı başı maliyet ya da izin alma zorunluluğu yoktur.

Yani pratik anlamda: Whisper'ı kişisel kullanım için indirebilir, bir işletme için çalıştırabilir, sattığınız bir ürüne entegre edebilir, bir müşteri için podcast çevirebilirsiniz; hiçbiri için OpenAI'ye ödeme yapmanız gerekmez. Üretmesi pahalı olan eğitilmiş model ağırlıkları da ücretsiz — yalnızca sarmalayıcı kodu değil. İşte insanların inanmakta güçlük çektiği kısım bu, çünkü şirketler genellikle eğitilmiş ağırlıkları kilitli tutar. OpenAI burada öyle yapmadı.

Kimse beni yanlış alıntılamasın diye dürüst bir uyarı ekleyelim. "MIT altında ücretsiz" lisans hakkında bir ifadedir, çalıştırmanın hiçbir şeye mal olmadığına dair bir söz değil. Elektrik ücretsiz değil. Bilgisayar ücretsiz değil. Zamanınız ücretsiz değil. Ama yazılım ve model — bir şirketin normalde abonelik ücreti alacağı kısımlar — gerçekten, kalıcı olarak, yıldızsız ücretsiz. (Bir şeyi kaçırdığınızdan emin olduğunuz için lisansı iki kez okuduğunuz türden bir ücretsizlik. Kaçırmadınız.)

Zorluk onu kendiniz çalıştırmaktır

İşte bu noktada ücretsiz sürüm faturasını alır — para yerine zamanla ödenen bir fatura. Ham, açık kaynaklı şekliyle Whisper'ı çalıştırmak komut satırından geçmeyi gerektirir. Standart kurulum bir Python paketidir; yani önce Python'un doğru şekilde kurulu olması gerekir. Whisper ayrıca ayrı bir ses aracı olan ffmpeg'e, sisteminizin yoluna (PATH) eklenmiş olarak ihtiyaç duyar. Bazı makinelerde bir tokenizer bağımlılığı derlenmesi için Rust de gerekebilir. Bunların hiçbiri bir geliştirici için sıra dışı değildir. Herkes için bu bir öğleden sonra demektir.

Bir de donanım meselesi var. Whisper gerçek matematik yapar; büyük, daha doğru modeller çok daha fazlasını yapar. Sıradan bir CPU'da büyük model, bir klibi transkripte dönüştürmek için bazen o klibin süresinden daha uzun bekletebilir. Hız için iyi bir GPU gerekir; ki çoğu dizüstü bilgisayarda bu yoktur. Dolayısıyla ücretsiz sürümün gerçek maliyeti dolar değil — bakımını üstlenmeniz gereken bir Python ortamı, her dosya için elle çalıştırmanız gereken bir komut ve sizi beklettirmeyecek kadar hızlı bir bilgisayardır. (Bir geliştirici olmayan birinin "5 dakikada Whisper kurulumu" blog yazısını takip ettiğini izledim. Beş dakika değildi. Bir Cumartesi günü ve bana bir telefon oldu.)

Ham sürümün size vermediği bir şey daha var: canlı dikte. Komut satırı Whisper, önceden kaydettiğiniz bir dosyayı transkripte dönüştürür. Arka planda beklemez, bir kısayol tuşu için gözlemlemez ve siz konuşurken imlecin bulunduğu yere metin yapıştırmaz. Bunun için — yani çoğu insanın bu aramada gerçekten istediği şey için — modelin etrafında bir sarmalayıcıya ihtiyacınız var. İyi haber şu ki en iyi sarmalayıcı da ücretsiz; bu bir sonraki bölümün konusu.

Ücretsiz, kolay yol: Whisper'ı bir uygulamada çalıştırın

Açık kaynak modelin tüm "ücretsizliğini" koruyabilir ve "kendiniz çalıştırma" vergisini tamamen atlayabilirsiniz. Whisper by Remskill'i bunun için geliştirdik — aynı açık kaynaklı Whisper modelini Python, ffmpeg ya da komut satırı gerektirmeden makinenizde yerel olarak çalıştırır. Yerel pipeline'ın tamamı oturum açmış her hesap için ücretsizdir; kayıt sırasında ödeme yöntemi istenmez. Açık kaynak motoruna açık kaynak ödevi yapmadan ulaşırsınız. Kurulum şöyle:

Yavaş olan kısım tek seferlik model indirmedir, herhangi bir kurulum ritüeli değil. Bundan sonra Python ortamı ve dosya başına komut isteyen aynı açık kaynaklı model tepsinizde oturur ve bir tuşa bastığınızda metin yapıştırır. Windows veya Mac üzerinde dikte seçeneklerini tartıyorsanız, Whisper'ın nihayet bir proje yerine uygulama gibi hissettirdiği sürüm budur.

Yerel Whisper ücretsiz, bulut ücretli kısımdır

"Ücretsiz mi" sorusunun cevabına net bir çizgi çekmek gereken yer burası. Whisper'ı yerel olarak çalıştırmak ücretsizdir — kendi makineniz, kendi CPU'nuz, sunucu yok, dakika başı fatura yok. Ücretli kısım buluttur: OpenAI'nin barındırılan transkripsiyon API'si dakika başı ücret alır ve herhangi bir uygulamanın bulut katmanı bunu yansıtır. Uygulamamızda yerel pipeline'ın tamamı ücretsizdir; bulut yüzeyi Whisper Pro'nun arkasındaki tek şeydir. Üç yolun nasıl farklılaştığına bakalım; çünkü seçim sizin:

• Yerel Parakeet — ücretsiz — NVIDIA'nın TDT motoru, yaklaşık 600 MB ve en hızlı yerel seçenek — CPU'da Whisper'dan 5 ila 10 kat daha hızlı. İngilizce artı 24 Avrupa dili olmak üzere toplam 25 dili destekler. İngilizce'ye çeviri yapmaz. Ağırlıklı olarak İngilizce konuşuyor ve mütevazı donanımda hız istiyorsanız, bu hızlı, tamamen çevrimdışı ve sıfır maliyetli seçenektir.
• Yerel Whisper — ücretsiz — gerçek açık kaynaklı Whisper modeli, makinenizde bedava çalışır. Çok dilli sürümler 99 dili destekler ve İngilizce'ye çevirebilir; yalnızca İngilizce sürümler ise İngilizce'ye özeldir. Aynı donanımda Parakeet'ten yavaştır ama Çince, Japonca, Korece veya herhangi bir çeviri işi için doğru tercihtir. Varsayılan İngilizce model yaklaşık 480 MB'tır.
• Bulut (OpenAI, BYOK) — dakika başı ücretli — en yüksek doğruluk ve canlı web erişimi; OpenAI'nin doğrudan size fatura kestiği kendi OpenAI anahtarınızı kullanır — transkripsiyon varsayılan olarak gpt-4o-mini-transcribe ile çalışır. Ücretli olan kısım budur; dakika başı OpenAI tarafından faturalandırılır, biz tarafından değil. İnternet gerektirir. Bulut yüzeyi Whisper Pro'nun içindeki tek şeydir.

Sıkıcı gerçek şu: günlük dikte için çoğu durumda yerel Whisper veya Parakeet yeterlidir ve bu, başından sonuna kadar ücretsiz yoldur. Her ikisi de makinenizde tamamen çalışır, sunucuya hiçbir şey gönderilmez. Bulut, zor bir kayıtta üst düzey doğruluk istediğinizde ya da modelin cümle ortasında web'den bir bilgi çekmesini istediğinizde dakika başı maliyetini hak eder. Sorunuz kesinlikle "Whisper ücretsiz mi" ise, önemli olan cevap şu: yerel yol öyle, oradan başlayın.

Modeller, doğruluk ve ham metni temizleme

Ücretsiz model tek bir model değil — bir ailedir ve hangisini seçtiğiniz gerçek doğruluk belirleyicisidir. Küçük modeller hızlı ve hafiftir; büyük çok dilli model en doğru ve en ağır olanıdır. Açık kaynaklı komut satırı sürümünde model boyutunu siz seçersiniz ve hızla yaşarsınız. Bir uygulamada listeden seçim yaparsınız ve model bir kez indirilir. Daha büyük nokta şu: doğruluk, ödediğiniz herhangi bir şeyden çok modele ve mikrofonunuza bağlıdır. $20'lık bir USB mikrofon, herhangi bir yükseltmeden çok daha fazlasını transkriptlerinize katar.

Hangi modeli çalıştırırsanız çalıştırın, ham dikte bitişik yazı olarak çıkar. "tamam o zaman model mit altında ücretsiz ama onu kendiniz çalıştırmak python ve ffmpeg gerektiriyor" diyorsunuz ve herhangi bir konuşma motorunun size uzattığı noktalamadan yoksun duvar bu. Temizlemek başlı başına bir adımdır. Whisper by Remskill, transkript üzerinde bir yapay zeka geçişi çalıştırabilir: "Hey whisper" etkinleştirme ifadesini söyleyin ve metin düşmeden önce iyileştirilir — doldurucu kelimeler kaldırılır, noktalama düzeltilir. Yerel modelde bu Ollama üzerinden ücretsiz çalışır; bulut modunda varsayılan olarak gpt-5-mini kullanılır.

Dolayısıyla doğruluk sorusunun iki ücretsiz kolu ve bir ücretli kolu var. Ücretsiz kollar: donanımınıza uyan bir model seçin ve onu yarım yamalak da olsa bir mikrofondan temiz sesle besleyin. Ücretli kol: yerel kalite yetersiz kaldığında en güncel barındırılan modelleri satın alan bulut transkripsiyon. Günlük dikterin büyük çoğunluğu için önemli olan ücretsiz kollardır. "Sıfır çabayla mükemmel transkript" vaat eden hiç kimse size dürüst davranmıyor — model ücretsiz ama kaliteli girdi işin büyük kısmını hâlâ üstleniyor.

Konuş-sonra-temizle akışı yalnızca burada değil, her yerde işe yarıyor — tek bir kısayol tuşuyla herhangi bir uygulamaya temiz metin dikte edebilirsiniz; uzun bir mesaj, yazmak yerine birkaç söylenmiş cümleye dönüşür.

Whisper için ödeme yapmanın gerçekten mantıklı olduğu durumlar

Makalenin tamamı "ücretsiz" dediğinden, dürüst öteki yarıyı da borçluyum: ödemenin doğru tercih olduğu durumlar var ve aksini söylemek cevap değil, satış konuşması olur. Ücretsiz yerel yol size yetiyorsa alın, sekmeyi kapatın — çoğu insan burada bitirir. Ama ücretli katmanı gerçekten hak eden birkaç durum var.

Zor bir kaydın doğruluğu paradan önemliyse bulut yolu için ödeme yapın — ağır aksanlı bir röportaj, gürültülü bir saha kaydı, yanlış bir kelimenin sizi zarara uğratabileceği hukuki bir transkript. Barındırılan OpenAI modelleri zor konularda yerellerin önüne geçiyor ve tam o avantaj için dakika başı OpenAI'ye ödeme yapıyorsunuz. Asistanın cümle ortasında web'den canlı bilgi çekmesini istiyorsanız da ödeme yapın — yerel bir model çevrimdışıyken bunu yapamaz. Ve gerçekten üzerinde hiçbir şey yükleyemediğiniz bir makinede — Python kuramadığınız ya da model indiremediğiniz kilitli bir iş dizüstü bilgisayarında — barındırılan bir hizmet açık tek kapı olabilir. Bu durumların dışında, ücretsiz yerel yol daha düşük bir sürüm değildir. Aynı açık kaynaklı model, aynı işi, bedava yapıyor.

Yerleşik ücretsiz rota acıtmaya başladığında ücretliye uzanın: zor ses üzerinde üst düzey doğruluk, canlı web aramaları ya da yerel olarak hiçbir şey çalıştıramadığınız bir makine. Bu barın altında, kendi donanımınızdaki ücretsiz model doğru cevaptır ve OpenAI'nin zaten verdiği şey için ödeme yapmanızı söylemeyeceğim. Ücretsiz sürüm var, çalışıyor ve altta aynı motor.

Ücretsiz, yerel Whisper'ı seçme nedeniniz gizlilikse — sesinizi başkasının sunucusundan uzak tutmak — tamamen çevrimdışı konuşmadan metne dönüştürme argümanını okumaya değer; çünkü modeli kendi makinenizde çalıştırmanın size kazandırdığı tam olarak budur.

Peki Whisper ücretsiz mi? Model, gerçekten, MIT lisanslı ve çalıştırmanız için hazır. Ücretsiz kullanmak ya komut satırında bir öğleden sonra geçirmeyi ya da o öğleden sonrayı sizin yerinize geçirmiş bir uygulamayı gerektirir. Ücretli kısım yalnızca buluttur — günlük dikte için aslında ihtiyaç duyulmayan barındırma. Bu makalenin büyük kısmını bir metin kutusuna konuşarak yazdım; ücretsiz yerel model dinledi, hiçbir zaman kredi kartı sormadı. İşte bütün cevap bu — ve bunu verebilmek nadir bir ayrıcalık.