Magyar beszédből szöveg otthon: Whisper lépésről lépésre

Az OpenAI Whisper nyílt beszédfelismerő modellje magyarul is jól teljesít, és otthon is futtatható.

Melyik változat?

• whisper.cpp — gyors, processzoron is elfut, kevés függőséggel.
• faster-whisper — Pythonból kényelmes, videókártyán nagyon gyors.

A modell mérete számít

A kisebb modellek (tiny, base, small) gyorsak, de magyarul sokat tévednek. Magyar szöveghez a medium vagy a large ajánlott — ehhez már jól jön egy videókártya.

whisper.cpp röviden

1. Töltsd le és fordítsd le a whisper.cpp-t a GitHub-oldala szerint.
2. Töltsd le a modellt (a repóban lévő letöltő szkripttel).
3. Alakítsd a hangot 16 kHz-es WAV-ba, pl. ffmpeg-gel:

ffmpeg -i felvetel.m4a -ar 16000 -ac 1 felvetel.wav

4. Futtasd magyar nyelvvel (az újabb kiadásokban a program neve whisper-cli, a régebbiekben main):

./whisper-cli -m models/ggml-large-v3.bin -l hu -f felvetel.wav -otxt

Pixel Aika: Tiszta felvétel, kevés háttérzaj — fele siker a pontos átíráshoz.

Tipp

Mindig add meg a nyelvet (-l hu) — ha a modell maga találgat, rövid felvételnél könnyen félreérti.

Nálad mire használod? Diktálás, felirat, Home Assistant? Írd meg alább!