תמלול הקלטות לטקסט בעברית

קודם שומרים את ההודעה כקובץ. בטלפון אנדרואיד: לוחצים לחיצה ארוכה על ההודעה הקולית, בוחרים ״שיתוף״ ושומרים לקבצים או שולחים לעצמכם. באייפון: לחיצה ארוכה, ״העברה״, ואז כפתור השיתוף ו״שמירה בקבצים״. בוואטסאפ ווב או במחשב: מעבירים את העכבר על ההודעה, לוחצים על החץ ובוחרים ״הורדה״.

הקובץ יוצא בסיומת OPUS או OGG. גוררים אותו לכאן (או בוחרים אותו), משאירים את השפה על עברית ולוחצים ״תמלול לטקסט״. הודעה של דקה מתומללת בדרך כלל תוך פחות מדקה, אחרי שהמודל ירד בפעם הראשונה.

זה תלוי בעיקר באיכות ההקלטה. במצב מהיר הכלי משתמש במודל Whisper Small הרב-לשוני: בדיבור ברור ושקט הוא מבין את רוב הטקסט, אבל טועה לא מעט בשמות, במילים בסלנג ובמילים נדירות. במצב מדויק הכלי משתמש במודל של ivrit.ai שאומן על אלפי שעות של עברית מדוברת, והתוצאה טובה בהרבה ודורשת הרבה פחות תיקונים.

כדי לשפר את התוצאה: הקלטה קרובה למיקרופון, בלי מוזיקה ברקע, ודובר אחד בכל פעם. הכלי לא מפריד בין דוברים, ולפני שימוש רשמי כדאי לעבור על הטקסט ולבדוק שמות ומספרים.

בפעם הראשונה הדפדפן מוריד את מודל הזיהוי: כ-250MB במצב המהיר וכ-560MB במצב המדויק. ההורדה מגיעה מהשרתים של Hugging Face, שבהם המודלים מאוחסנים, ולכן עדיף להיות מחוברים ל-Wi-Fi.

אחרי ההורדה המודל נשמר בזיכרון של הדפדפן (Cache Storage), ומהפעם הבאה הוא נטען מהמכשיר תוך שניות. אם מוחקים את נתוני הגלישה של האתר, המודל יירד שוב. אפשר למחוק אותו ידנית בקישור ״מחיקת המודלים השמורים״ שמופיע ליד הכלי.

לא. כל הזיהוי נעשה בתוך הדפדפן שלכם, על המעבד או על כרטיס המסך של המכשיר. הקובץ לא עולה לשרת שלנו ולא לשום שירות אחר, ואנחנו לא שומרים את ההקלטה או את הטקסט.

הדבר היחיד שיורד מהרשת הוא קובצי המודל עצמם (אותם קבצים לכל המשתמשים). אחרי שהמודל ירד אפשר אפילו לנתק את האינטרנט, והתמלול ימשיך לעבוד. לכן הכלי מתאים גם להקלטות רגישות כמו פגישות, ראיונות או הודעות אישיות.

אפשר להעלות קובץ עד 200MB. במחשב הכלי מתמלל בנוחות הקלטות של עד שעה, ובטלפון מומלץ להישאר עד 30 דקות, כי התמלול צורך הרבה זיכרון וסוללה.

במצב המהיר התמלול לוקח בערך פי 1 עד 3 מאורך ההקלטה, תלוי בחוזק המכשיר: הקלטה של 10 דקות יכולה לקחת 10 עד 30 דקות במחשב ממוצע. בזמן הזה צריך להשאיר את הלשונית פתוחה. אפשר ללחוץ ״ביטול״ בכל רגע ולקבל את החלק שכבר תומלל.

כן. אחרי התמלול יש כפתורים להורדת קובץ כתוביות SRT וקובץ VTT, עם זמן התחלה וסיום לכל משפט. קובץ SRT עובד ביוטיוב, בפרמייר, ב-DaVinci Resolve, ב-CapCut וברוב נגני הווידאו. קובץ VTT מתאים לנגנים באתרי אינטרנט.

מעלים את הסרטון עצמו (MP4, WEBM או MOV), והכלי מחלץ ממנו את הסאונד. הכתוביות נבנות מהתמלול המקורי, אז אם צריך לתקן מילים, פותחים את קובץ ה-SRT בכל עורך טקסט ומתקנים לפני ההעלאה.