اپرانگار و اجرای محلی Whisper دو مسیر متفاوت برای رسیدن به متن صوت‌اند. اپرانگار از راه درخواست و هماهنگی با تیم اپرا ارائه می‌شود؛ Whisper کد و وزن مدل متن‌باز دارد که می‌توانید در محیط انتخابی خود اجرا کنید. تصمیم فقط «کدام نام معروف‌تر است» نیست؛ مسئول اجرا، نگهداری و تحویل متن باید روشن باشد.
این مقایسه در ۳ نوامبر ۲۰۲۶ از منابع رسمی تهیه شده است. هیچ صوتی روی دو گزینه اجرا نشده و دربارهٔ دقت فارسی، سرعت یا هزینهٔ کل، برنده اعلام نمی‌کنیم. موضوع این نوشته اجرای متن‌باز Whisper است؛ تعرفهٔ API یا سرویس میزبانی شخص ثالث را به آن نسبت نمی‌دهیم.
چه چیزی از مستندات معلوم است؟
| معیار | اپرانگار | اجرای متن‌باز Whisper |
|---|---|---|
| شروع استفاده | درخواست و هماهنگی راه‌اندازی | آماده‌سازی محیط و اجرای کد مدل |
| مبنای اعلام‌شدهٔ هزینه | ۴۰۰ تومان برای هر دقیقه فایل صوتی ورودی | مجوز کد و وزن‌ها MIT؛ هزینهٔ زیرساخت و عملیات جداست |
| انتخاب مدل و نسخه | نیاز خروجی با تیم روشن می‌شود | انتخاب و ثبت نسخه بر عهدهٔ مجری اجرای محلی است |
| فارسی | خدمت گفتار به متن فارسی معرفی شده است | کد fa در فهرست زبان‌های رسمی وجود دارد؛ نتیجه به مدل و ورودی وابسته است |
| شکل تحویل و نگهداری داده | برای پروژه پیش از شروع تعیین شود | در برنامه، محیط و فرایند اجرای خودتان تعیین شود |
یک محاسبه، دو نوع هزینه
برای ۳۰۰ دقیقه صوت ورودی، ضرب تعرفهٔ مصرف اعلام‌شدهٔ اپرانگار برابر ۱۲۰٬۰۰۰ تومان می‌شود. این فقط هزینهٔ مصرف با فرض محاسبهٔ دقیق همین مدت است؛ پیشنهاد نهایی، قاعدهٔ گردکردن و دامنهٔ راه‌اندازی را جدا مشخص کنید. هزینهٔ تأییدنشده‌ای برای اشتراک یا نصب به این عدد اضافه نکرده‌ایم.
برای اجرای محلی، قیمت دقیقه‌ای فرضی نمی‌سازیم. زمان آماده‌سازی و نگهداری، زیرساخت موجود یا لازم و زمان بازبینی متن را با واحد جدا ثبت کنید. داشتن سخت‌افزار قبلی، زمان مجری را صفر نمی‌کند؛ متن‌بازبودن هم به معنی برتری هزینهٔ کل نیست. اگر هر دو مسیر بازبینی انسانی می‌خواهند، آن را از یکی حذف نکنید.
اجرای محلی دقیقاً مسئولیت چه کسی است؟
مستند Whisper نصب وابستگی‌ها و ابزار ffmpeg و انتخاب مدل را توضیح می‌دهد. در این مقایسه هیچ‌کدام نصب نشده‌اند. مجری باید نسخه، ورودی و تنظیمات را ثبت و خطاها و خروجی را مدیریت کند. این وظایف را با کنترل منبع فایل مدل شروع کنید؛ نام یک مدل کافی نیست.
اگر نگهداری صوت در محیط خودتان شرط پروژه است، مسیر کامل را بررسی کنید: دریافت اولیهٔ فایل‌ها، برنامهٔ اجرا، افزونه‌ها، لاگ و پشتیبان. از عبارت «محلی» نتیجه نگیرید که هر رابط ساخته‌شده روی Whisper هیچ ارتباط شبکه‌ای ندارد. برای روش آزمون، بررسی اجرای واقعی بدون اینترنت را ببینید.
چه آزمونی به انتخاب کمک می‌کند؟
یک صوت مجاز و متن مرجع انسانی ثابت انتخاب کنید. واژه‌های مهم، نام‌ها و عددها را همراه زمان اصلاح متن ثبت کنید. نتیجهٔ یک نمونهٔ آرام، دقت همهٔ مکالمه‌ها نیست. برای فارسی، قرارداد محاسبهٔ WER کمک می‌کند تفاوت رسم‌الخط، خطای شنیدن را پنهان نکند. در برگهٔ همراه، برای آزمون واقعی نتیجه‌ای ثبت نشده است؛ این مقاله خروجی محصول ساختگی ندارد.
کدام مسیر به کار شما نزدیک‌تر است؟
اگر تیمی برای مدیریت مدل و زیرساخت دارید و کنترل اجرای محلی بخشی از نیاز شماست، آن مسیر را با نمونه و مسئول مشخص بررسی کنید. اگر دریافت خدمت با هماهنگی تیم برایتان مناسب‌تر است، نوع صوت، مقدار تقریبی، خروجی و محدودیت نگهداری داده را در درخواست اپرانگار توضیح دهید. نبود جزئیات عمومی را نه به معنی نبود قابلیت بدانید و نه به معنی وجود امکان تأییدنشده.
برگهٔ تصمیم و منابع
دریافت برگهٔ مقایسهٔ مسئولیت و هزینه. مبلغ داخل آن مثال محاسبه است؛ نتیجهٔ دقت، سرعت و هزینهٔ کل اندازه‌گیری نشده است.
مستندات در ۳ نوامبر ۲۰۲۶ خوانده شدند. شرایط اجرایی و پیشنهاد جاری هر پروژه باید جدا بررسی شود.