Ders transkripsiyon uygulamaları, açıklandı

Dersi kaydet, temiz metni al. İşin özü bu.

Pazarlama söylemlerini bir kenara bırakırsanız, her ders transkripsiyon uygulaması tek bir şey yapar: birisinin konuşmasının sesini alır ve size arayabileceğiniz, alıntılayabileceğiniz, üzerinde çalışabileceğiniz bir metin verir. Profesör konuşur, uygulama dinler, kelimeler sayfaya dökülür. Araçlar arasındaki farklılıklar hep bu temel adımın sonrasında ortaya çıkar: sesin canlı mı yoksa sonradan mı yakalandığı, bir sunucuda mı yoksa bilgisayarınızda mı işlendiği ve uygulamanın sonucu nasıl düzenlediği.

Whisper by Remskill bu işin dikte tarafını üstleniyor. Bir tuşa basarsınız, konuşursunuz; transkript, Notion, Word, Google Docs veya e-posta gibi o an yazdığınız uygulamada imlecinize yapıştırılır. Windows'ta varsayılan tuş kombinasyonu Ctrl+Space'tir. macOS'ta ise push-to-talk için Command+Option kombinasyonu kullanılır: basılı tutarak kayıt yaparsınız, bırakarak durdurursunuz. Bıraktıktan sonra mikrofon, son kelimenin kesilmemesi için 500 milisaniyelik bir tampon süre boyunca açık kalır. "Toplantıya katıl" adımı yok, yükleme ve bekleme yok. Konuşursunuz; bir-iki saniye sonra metin orada olur.

Bu ayrım, çoğu kullanım durumuna kıyasla dersler için çok daha önemlidir ve bir sonraki başlıkta bunu netleştireceğiz.

Canlı ders kaydı ile kendi notlarınızı dikte etmek aynı şey değildir

İşte çoğu öğrencinin kafasını karıştıran ayrım bu. Bazı uygulamalar canlı dersi yakalamak için tasarlanmıştır: sınıf sesini kaydeder veya bir Zoom toplantısına katılır ve profesörün sesini sizin için transkribe eder. Diğerleri ise sizin kendi sesinizle not ve özetlerinizi dikte etmeniz için yapılmıştır. Her ikisi de transkript üretir. Ama birbirlerinin yerine geçemezler.

Whisper ikinci kampa girer. Siz konuşurken mikrofonun duyduğunu transkribe eder. Bu, dersin bitiminden sonraki ders çalışma sürecinin büyük bölümü için mükemmeldir: özeti derken hâlâ taze olan bir konuyu aktarmak, bir problem seti üzerinde sesli düşünmek, bir kavramı kendi ağzınızla yeniden açıklamak veya çalışma grubuna e-posta yazmak. Whisper, sınıfta oturup profesörü sizin yerinize kaydeden bir bot değildir. Başka birinin canlı dersini gözetimsiz kaydetmek istiyorsanız, bunun için tasarlanmış özel bir kayıt aracı daha uygun seçimdir; ilerleyen bölümlerde adlarını vereceğim.

Can sıkıcı gerçek şu: bir dersin alabileceğiniz en yüksek doğruluklu transkripsiyonu, konuşmanın iyi bir mikrofona yakın gerçekleştiği transkripsiyondur. Kendi özet diktenizi yaparken ağzınız mikrofona 20 santimetre uzaklıkta. Bir profesörü kaydettiğinizde ise ağızları kürsünün arkasında, size 20 metre uzaklıkta ve bir havalandırma sistemiyle boğuşuyor. Aynı yazılım, iki farklı sonuç dünyası.

Ders sesinin kaynağı

Her transkript bir mikrofonla başlar; büyük bir ders salonu ise iyi mikrofonların sınırlarını zorlayan bir ortamdır. Ses üç yerden gelebilir. Birincisi, dizüstü bilgisayarınızın dahili mikrofonu — tam önünde oturan kişi için ayarlanmıştır; kendi notlarınızı dikte etmek için iyidir ama 200 kişilik bir salondaki profesör için yetersizdir. İkincisi, hoparlörlerinizden çıkan ses olan sistem geri dönüş (loopback) sesi — canlı Zoom derslerinde veya kaydedilmiş çevrimiçi derslerde yakalamak istediğiniz ses budur. Üçüncüsü ise kaynağa yakın takılan harici bir mikrofondur.

Mikrofon yerleşimi, doğruluk üzerindeki en büyük tek değişkendir ve bu değişken model seçimi değildir. 20 dolarlık bir USB mikrofon, daha büyük bir modele geçiş yapmaktan çok daha fazla katkı sağlar. Öğrencilerin hangi uygulamanın "en doğru" olduğunu tartışırken dizüstü bilgisayarlarının mikrofonuyla kahvede dikte ettiklerini gördüm. Sorun hiçbir zaman uygulama değildi. Ses kalitesiydi.

Çevrimiçi bir ders veya Zoom toplantısı için loopback ses yakalamak işe yarar çünkü konuşma zaten temiz dijital kanallardan geliyor. Büyük bir fiziksel salonunda ise gerçekçi çözüm kaynağa yakın kayıt yapmaktır; öne oturun veya yaka mikrofonu kullanın ve ardından transkripsiyon yapın. Hiçbir uygulama bulanık bir oda kaydını mükemmel bir transkripte dönüştüremez. İyi sesi harika metne dönüştürürler; kötü sesi ise bambaşka şeylere.

Yerel ve bulut transkripsiyonu öğrencilerin görmesi gereken bir gizlilik sınırı çizer

Ders uygulamalarına ilişkin karşılaştırmaların büyük çoğunluğu bu kısmı atlar; oysa bu kısım bir öğrenci olarak en çok önem vereceğim bölüm. Ses nerede işleniyor? İki yanıt var. Bulut araçları kaydınızı bir sunucuya gönderir, orada transkribe eder ve metni geri iletir. Yerel araçlar ise tüm işi dizüstü bilgisayarınızda yapar; hiçbir şey makinenizi terk etmez.

İkimiz arasında konuşursak, bir dersin yalnızca bulut tabanlı transkripsiyonu, farkında olmadan verilen bir gizlilik kararıdır. Profesörünüzün kaydı, söyledikleri, yayımlanmamış araştırmaları, yaklaşan sınav hakkındaki o fısıltı yorum — bunların bir satıcının sunucularında oturması, önemli olmayacak küçük bir şeymiş gibi görünür. Ta ki önemli oluncaya kadar. Yerel öncelikli ya da hiç uğraşma. Bu, normalde yaptığımdan daha güçlü bir ifade; ama arkasında duracağım: kayıt yalnızca kendi bilgisayarınızda yaşadığında, onu sızdıracak bir sunucu ihlali olmaz; arkanızda eğitim hakları veren gizlilik politikası değişiklikleri olmaz; silmeyi unuttuğunuz bir hesap olmaz.

Whisper, Python bağımlılığı olmadan saf Rust ile yerel transkripsiyon çalıştırır ve iki motor arasından seçim yapmanızı sağlar. Yerel Whisper, yaklaşık 140 MB'lık bir Temel modelden yaklaşık 3 GB'lık çok dilli Large v3'e kadar çeşitli model boyutları sunar; çok dilli sürümler, İngilizceye çeviriyle birlikte 99 dili destekler. NVIDIA Parakeet, yaklaşık 600 MB'lık tek bir modeldir; İngilizce ve 24 Avrupa dili olmak üzere toplam 25 dili destekler, CPU'da Whisper'dan 5 ila 10 kat daha hızlı çalışır; ancak çeviri yapamaz ve Asya dillerini desteklemez. En iyi kalite ve web erişimi istiyorsanız, kendi OpenAI anahtarınızı kullanan bir Bulut modu da mevcuttur. Tam yerel pipeline, oturum açmış her kullanıcıya ücretsizdir ve kayıtta kart gerekmez; Bulut ücretli bir eklentidir. Sistem internet bağlantısı olmadan da tamamen çalışır; bu konuyu daha ayrıntılı ele alan çevrimdışı konuşmadan metne rehberimize bakabilirsiniz.

Bilmekte fayda olan diğer ders uygulamaları

Whisper bir dikte aracıdır, sınıfı kaydeden bir bot değildir; bu nedenle canlı ders kaydı için bunun için tasarlanmış uygulamalara yönlendirmek dürüst bir tutum olur. Yaygın seçeneklerin ne yakaladığı, sesin nerede işlendiği ve ücretsiz plan gerçeği açısından birbirinden nasıl farklılaştığını aşağıda bulabilirsiniz.

Bu satırların bir kısmı biraz daha açıklama gerektiriyor. Otter'ın ücretsiz Basic planı size ayda 300 transkripsiyon dakikası ve kayıt başına 30 dakika sınırı tanır; yani tek bir 90 dakikalık ders tek bir ücretsiz kaydın içine sığmaz. Apple Voice Memos ses kaydedebilir ve ardından transkript gösterebilir; Mac kullanan öğrenciler için zaten bilgisayarda kurulu olarak gelen, gerçek bir "dersi kaydet, sonra oku" seçeneğidir. Notta onlarca dili desteklediğini söylüyor; ancak dakika limitlerini doğrulamak için fiyatlandırma sayfasını açamadım, dolayısıyla plan ayrıntılarına "satın almadan önce kontrol edin" gözüyle bakın.

Dersler için Whisper'ı atlamanız gereken durumlar

Gerçek ihtiyacınız bir aracı canlı bir profesörün önüne koymak ve onun sözleriyle geri dönmekse Whisper'ı atlayın. Biz sizin dikte ettiklerinizi transkribe ederiz, salonun öte yanındaki birisinin söylediklerini değil. Gözetimsiz canlı kayıt için bunun için geliştirilmiş bir kayıt uygulamasına başvurun. Mac'te Apple Voice Memos odayı kaydeder ve size ücretsiz olarak, zaten yüklü biçimde transkript gösterir. Konuşmacı etiketleri ve özetlerle canlı toplantı kaydı istiyorsanız Otter bunun için tasarlanmıştır; ücretsiz planı ayda 300 dakika sunar, ancak kayıt başına 30 dakika sınırı tam bir ders için ücretli planı zorunlu kılabilir. Whisper'ı ders sonrası çalışma için kullanın: sıcakken özetinizi dikte etmek, bir problem üzerinde sesli düşünmek, akşam yemeği hazırlarken çalışma grubunuza e-posta göndermek için.

Ücretsiz yerel transkripsiyon, Bulut yüzeyi için Pro

Öğrencilerin en çok sorduğu konu: maliyet. Whisper'ın yerel tarafının tamamı — her iki motor, yerel bir model aracılığıyla yapay zeka düzenlemesi, geçmiş, özel tuş kombinasyonu, model indirmeleri — oturum açmış her kullanıcıya ücretsizdir; kayıt sırasında ödeme yöntemi gerekmez. Bu bilerek yapılan bir tercih. Yerel transkripsiyon, zaten satın aldığınız dizüstü bilgisayarınızın işlemcisinde çalışıyor. Sizin halihazırda sahip olduğunuz işlem gücü için aylık ücret almak doğru gelmedi.

Ücretli katman olan Whisper Pro, Bulut yüzeyini ekler: OpenAI bulut transkripsiyonu, bulut yapay zeka geliştirmesi ve sesle web araması. Bu kısım, OpenAI tarafında kullanım başına maliyet doğuran ve işleme döngüsüne bir sunucu katan bölümdür; bu nedenle kısa bir Bulut denemesiyle birlikte abonelik gerektiren bir katmanın arkasındadır. Net rakamlar fiyatlandırma sayfasında yer alıyor. Salt ders-çalışma diktesi için çoğu öğrenci ücretsiz yerel katmandan hiç ayrılmıyor. Amacımız da bu zaten.

Geçen dönem bir Salı akşamı beslenme kutuları hazırlıyordum (sandviç, meyve, küçüğün yemeyi reddettiği yoğurt) ki büyük kızım öğretmenine bir gezi hakkında yanıt vermem gerekti. Dizüstü bilgisayarı tek elimle alıp tuşa bastım ve salatalık dilerken e-postayı dikte ettim: öğretmenin adını nasıl yazacağımı sormak için durup, küçük olan neden ayın bazen görünmediğini sorduğunda yeniden durdum, sonra devam ettim. E-posta gitti. Beslenme kutuları hazırlandı. El yazım olsaydı ne e-posta giderdi ne de kutular hazırlanırdı. Gerçek hayata uyan transkripsiyon işte bu — ders salonundaki bir bot değil, ellerin dolu olduğu anlarda ayak uyduran bir ses. İşinize uygun aracı seçin, sonra gidin çalışın. Whisper'ın nasıl çalıştığını görün.