أنا متأكد أنك مررت بهذا الموقف: لديك تسجيل طويل لمقابلة أو محاضرة، وتبدو فكرة تفريغه بالكامل مهمة شاقة. في الحقيقة، يُعدّ تفريغ الكتابة اليدوية أمرًا مُرهقًا ومضيعة للوقت، خاصةً عندما تُخطئ الأدوات المجانية المعتادة في فهم الكلمات أو تُنشئ بيانات غير موجودة.
هنا يأتي دور Whisper، وهو نظام ذكاء اصطناعي متطور من تطوير OpenAI، مصمم لإحداث نقلة نوعية في هذا المجال. إنه ليس مجرد برنامج عادي، بل نموذج للتعرف التلقائي على الكلام (ASR) يحلل الصوت بدقة مذهلة، مما يتيح لنا الحصول على نص قابل للتعديل في غضون دقائق معدودة وبكل سهولة.
ما هو تطبيق Whisper تحديداً وكيف يعمل داخلياً؟
باختصار، Whisper هو نظام ذكاء اصطناعي مصمم خصيصًا لتحويل الكلام إلى نص. على عكس البرامج الأخرى التي غالبًا ما تفشل، يحلل هذا النموذج أنماط الصوت وسياقه وخصائص المتحدث لتقديم نتيجة احترافية. في إصداره الثالث، تم تدريبه على أكثر من مليون ساعة من الصوت، متجاوزًا بكثير الـ 680 ألف ساعة التي تم تدريب الإصدار السابق عليها، مما أدى إلى انخفاض الأخطاء بنسبة تتراوح بين 10% و20%.
من أبرز مزايا هذا البرنامج قدرته على التعامل مع اللغة الإسبانية، حيث لا تتجاوز نسبة الخطأ فيه 5% . كما أنه لا يقل كفاءة في التعامل مع اللغات الأخرى؛ إذ يستطيع نسخ أكثر من 100 لغة، بما فيها الكاتالونية والباسكية والجاليكية والألمانية والعربية واليابانية، بل ويمكنه حتى اكتشاف انتقال المتحدث بين اللغات أثناء الحديث.
الميزات التقنية والتنوع
لا يُعدّ Whisper تطبيقًا مغلقًا، بل هو نموذج لغوي يُشكّل أساسًا للشركات الأخرى لإنشاء أدواتها الخاصة باستخدام واجهة برمجة التطبيقات (API). ولضمان توافقه مع مختلف أنواع الأجهزة، أصدرت OpenAI نسخًا بأحجام متنوعة تتناسب مع إمكانيات كل جهاز . فهناك إصدارات خفيفة الوزن تتطلب أقل من 1 جيجابايت من ذاكرة الوصول العشوائي للفيديو (VRAM) وتحتوي على 39 مليون مُعامل، وصولًا إلى نماذج ضخمة تضم 1.550 مليار مُعامل وتتطلب حوالي 10 جيجابايت من ذاكرة الوصول العشوائي للفيديو (VRAM) للعمل بكامل طاقتها.
ومن المزايا الهائلة الأخرى قدرته على تفسير فترات الصمت الطبيعية في المحادثة. وهذا يعني أن الذكاء الاصطناعي يعرف مكان وضع الفاصلة أو النقطة بناءً على صمت المتحدث، مما يوفر علينا الكثير من أعمال التحرير لاحقًا. إنه مثالي لإدارة الاجتماعات أو البودكاست أو المقابلات التي تضم عدة مشاركين، حيث يقوم تلقائيًا بتحديد المتحدثين وفصلهم.
كيفية تشغيله: من الجوانب التقنية إلى البسيطة
إذا كنت خبيرًا في مجال الحاسوب، يمكنك التوجه مباشرةً إلى صفحتهم على GitHub، وتنزيل الكود مفتوح المصدر، وتشغيله محليًا على جهازك باتباع التعليمات التقنية. يشبه هذا إلى حد كبير إعداد مساعد برمجة ذكاء اصطناعي ، إذ يتطلب معرفة متقدمة، وليس بالأمر السهل لمن لا يجيد البرمجة.
إذا كنت لا ترغب في تعقيد الأمور، فهناك بدائل أبسط بكثير. على سبيل المثال، يمكنك استخدام منصة Replicate (replicate.com/openai/whisper) ، التي تتيح لك تحميل ملفاتك واختيار إصدار النموذج الذي ترغب في استخدامه (مثل الإصدار 3) دون الحاجة إلى تثبيت أي شيء على جهاز الكمبيوتر الخاص بك. بهذه الطريقة، يمكن لأي شخص تسخير قوة الذكاء الاصطناعي للحصول على مسودة قابلة للتعديل في وقت قياسي.
يُعدّ امتلاك أداة كهذه في متناول اليد راحةً كبيرة، لا سيما للصحفيين والطلاب الذين اعتادوا قضاء ساعات في الاستماع إلى المقطع الصوتي نفسه. أما الآن، وبفضل القدرة على معالجة الصوت في الوقت الفعلي وبدقة متناهية ، فقد تحوّلت عملية النسخ من مهمة شاقة إلى عملية آلية وفعّالة تُمكّننا من التركيز على الأهم: تحليل المحتوى.