Whisper: تحويل الصوت لنص بالعربي على سيرفرك

إعداد Whisper لتحويل الكلام إلى نص

Whisper من OpenAI هو من أفضل نماذج تحويل الكلام لنص (Speech-to-Text) متاحة مجاناً. يدعم أكثر من 99 لغة بما فيها العربية. هذا الدليل يشرح تشغيله على سيرفرك الخاص.

لماذا Whisper بدل Google Speech أو سحابة أمريكية Transcribe؟

Google Speech-to-Text:
- $0.006/دقيقة للصوت العادي
- $0.009/دقيقة مع التعرف التلقائي على اللغة
- بيانات تذهب لـ Google

سحابة أمريكية Transcribe:
- $0.024/دقيقة
- 260 دقيقة مجانية/شهر فقط

Whisper محلي على سيرفرك:
- مجاني تماماً بعد الإعداد
- لا بيانات تغادر سيرفرك
- جودة تنافس الخدمات التجارية

للشركات التي تتعامل مع محادثات حساسة — اجتماعات مجلس الإدارة، مكالمات المبيعات، جلسات الدعم — Whisper المحلي لا مثيل له.

أحجام نماذج Whisper

النموذج	الحجم	VRAM	الدقة (EN)	السرعة
tiny	39 MB	1 GB	جيد	الأسرع
base	74 MB	1 GB	جيد	سريع
small	244 MB	2 GB	جيد جداً	متوسط
medium	769 MB	5 GB	ممتاز	بطيء
large	1.5 GB	10 GB	الأفضل	الأبطأ
large-v3	1.5 GB	10 GB	الأفضل (جديد)	الأبطأ

للعربية: استخدم medium أو large-v3 على الأقل.

التثبيت

# المتطلبات
apt update && apt install -y python3 python3-pip ffmpeg

# تثبيت Whisper
pip install openai-whisper

# للأداء الأسرع مع CUDA GPU
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118
pip install openai-whisper

# التحقق
python3 -c "import whisper; print('Whisper installed successfully')"

الاستخدام الأساسي

import whisper

# تحميل النموذج (مرة واحدة، يُخزَّن في ~/.cache/whisper)
model = whisper.load_model("medium")

# تحويل ملف صوتي للنص
result = model.transcribe("meeting_recording.mp3")
print(result["text"])

# مع تحديد اللغة العربية
result = model.transcribe(
 "arabic_audio.mp3",
 language="ar",
 task="transcribe" # أو "translate" للترجمة للإنجليزية
)

print("النص:", result["text"])
print("اللغة المكتشفة:", result["language"])

# مع timestamps
result = model.transcribe(
 "audio.mp3",
 word_timestamps=True,
 verbose=False
)

for segment in result["segments"]:
 print(f"[{segment['start']:.1f}s - {segment['end']:.1f}s]: {segment['text']}")

API سريع باستخدام FastAPI

# main.py — Whisper API Server
from fastapi import FastAPI, UploadFile, File
import whisper
import tempfile
import os

app = FastAPI(title="Whisper API")
model = whisper.load_model("medium") # تحميل مرة واحدة عند البدء

@app.post("/transcribe")
async def transcribe_audio(
 file: UploadFile = File(...),
 language: str = "ar"
):
 # حفظ الملف مؤقتاً
 with tempfile.NamedTemporaryFile(
 delete=False,
 suffix=f".{file.filename.split('.')[-1]}"
 ) as tmp:
 content = await file.read
 tmp.write(content)
 tmp_path = tmp.name
 
 try:
 result = model.transcribe(
 tmp_path,
 language=language,
 task="transcribe"
 )
 
 return {
 "text": result["text"],
 "language": result["language"],
 "segments": [
 {
 "start": s["start"],
 "end": s["end"],
 "text": s["text"]
 }
 for s in result["segments"]
 ]
 }
 finally:
 os.unlink(tmp_path) # حذف الملف المؤقت

# تشغيل
# uvicorn main:app --host 0.0.0.0 --port 8000

# اختبار الـ API
curl -X POST http://localhost:8000/transcribe \
 -F "file=@meeting.mp3" \
 -F "language=ar"

Faster Whisper: 4x أسرع

pip install faster-whisper

python3 << 'EOF'
from faster_whisper import WhisperModel

# تحميل النموذج مع int8 quantization
model = WhisperModel("medium", device="cpu", compute_type="int8")

segments, info = model.transcribe("arabic_audio.mp3", language="ar")

print(f"اللغة: {info.language} (ثقة: {info.language_probability:.0%})")

full_text = ""
for segment in segments:
 print(f"[{segment.start:.1f}s] {segment.text}")
 full_text += segment.text

print("\nالنص الكامل:", full_text)
EOF

معالجة دفعات من ملفات صوتية

import asyncio
from faster_whisper import WhisperModel
from pathlib import Path

model = WhisperModel("medium", device="cpu", compute_type="int8")

def process_audio_file(audio_path: str) -> dict:
 segments, info = model.transcribe(audio_path, language="ar")
 return {
 "file": audio_path,
 "text": " ".join(s.text for s in segments),
 "language": info.language
 }

# معالجة مجلد كامل
audio_files = list(Path("/recordings").glob("*.mp3"))
results = [process_audio_file(str(f)) for f in audio_files]

# حفظ النتائج
import json
with open("transcriptions.json", "w", encoding="utf-8") as f:
 json.dump(results, f, ensure_ascii=False, indent=2)

النشر على كلاود

على VPS أعمال (4 vCPU / 8 GB RAM) من كلاود (cloud.net.sa)، تستطيع تشغيل Whisper medium وتحويل ساعة صوت كل 3-4 دقائق. لمعالجة أسرع، انتقل لـ VPS مؤسسة (8 vCPU / 16 GB).

الخلاصة

Whisper محلي يوفر تحويل كلام لنص بجودة عالية بدون تكاليف API متكررة وبدون مغادرة البيانات لسيرفرات خارجية. مثالي للشركات التي تتعامل مع محادثات حساسة أو تحتاج تحويل كميات كبيرة.

---

ابدأ الآن

جاهز تشغّل الذكاء الاصطناعي على سيرفرك؟ اكتشف حلول استضافة AI أو صمم سيرفرك بالمواصفات المطلوبة.