Whisper API ile Ses Tanıma Uygulamaları

OpenAI Whisper, state-of-the-art automatic speech recognition (ASR) modelidir. 99 dilde yüksek doğrulukla konuşmayı metne çevirir. API ve açık kaynak model olarak kullanılabilir.

Whisper Özellikleri

• 99 dilde transkripsiyon
• Çeviri (herhangi dil → İngilizce)
• Timestamp'li çıktı
• Gürültülü ortamlarda dayanıklılık
• Çeşitli aksanlara uyum

Model Boyutları

OpenAI API Kullanımı

from openai import OpenAI
client = OpenAI()

# Transkripsiyon
audio_file = open("konusma.mp3", "rb")
transcript = client.audio.transcriptions.create(
    model="whisper-1",
    file=audio_file,
    response_format="verbose_json",
    timestamp_granularities=["segment"]
)
print(transcript.text)

Yerel Kullanım

# Kurulum
pip install openai-whisper

# Python
import whisper
model = whisper.load_model("medium")
result = model.transcribe("audio.mp3", language="tr")
print(result["text"])

# CLI
whisper audio.mp3 --model medium --language Turkish

Uygulama Alanları

• Meeting transkripsiyon
• Podcast/video altyazı
• Voice-to-text input
• Call center analytics
• Accessibility (işitme engelli)
• Dil öğrenme uygulamaları

faster-whisper

# 4x hızlı implementasyon
from faster_whisper import WhisperModel

model = WhisperModel("large-v3", device="cuda", compute_type="float16")
segments, info = model.transcribe("audio.mp3", language="tr")

for segment in segments:
    print(f"[{segment.start:.2f}s - {segment.end:.2f}s] {segment.text}")

Best Practices

• Ses kalitesi önemli (16kHz+)
• Uzun dosyaları chunk'layın
• Language hint verin
• GPU kullanın (CPU yavaş)

Whisper, ses tanımada game-changer. Açık kaynak yapısıyla yerel deployment mümkün.