OpenAI Whisper API: Ses Tanıma ve Transkripsiyon Rehberi

OpenAI Whisper, konuşmayı metne dönüştüren güçlü bir yapay zeka modelidir. Whisper API ile ses dosyalarını transkribe edebilir, gerçek zamanlı ses tanıma uygulamaları geliştirebilirsiniz. Türkçe dahil 100'den fazla dili destekler.

Whisper Nedir?

Whisper, OpenAI tarafından geliştirilen açık kaynaklı bir otomatik konuşma tanıma (ASR - Automatic Speech Recognition) modelidir. 680.000 saatlik çok dilli veriyle eğitilmiştir.

Whisper'ın Kullanım Alanları

• Video altyazı oluşturma: YouTube, eğitim videoları
• Podcast transkripsiyon: Aranabilir metin çıktısı
• Toplantı notları: Zoom, Teams kayıtları
• Sesli asistanlar: Voice-to-text komutlar
• Erişilebilirlik: İşitme engelliler için altyazı
• Çağrı merkezi analizi: Müşteri görüşmeleri

Whisper API vs Whisper Local

Whisper API Kullanımı

1. API Key Alma

1. platform.openai.com adresine gidin
2. Hesap oluşturun veya giriş yapın
3. API Keys bölümünden yeni key oluşturun
4. Kredi kartı ekleyip bakiye yükleyin

2. Python ile Temel Kullanım

from openai import OpenAI

client = OpenAI(api_key="your-api-key")

# Ses dosyasını transkribe et
audio_file = open("audio.mp3", "rb")
transcript = client.audio.transcriptions.create(
    model="whisper-1",
    file=audio_file,
    language="tr"  # Türkçe için
)

print(transcript.text)

3. Çeviri (Translation)

Herhangi bir dildeki sesi İngilizce'ye çevirir:

translation = client.audio.translations.create(
    model="whisper-1",
    file=audio_file
)

print(translation.text)  # İngilizce çıktı

4. Zaman Damgalı Çıktı

transcript = client.audio.transcriptions.create(
    model="whisper-1",
    file=audio_file,
    response_format="verbose_json",
    timestamp_granularities=["segment"]
)

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

JavaScript/Node.js ile Kullanım

import OpenAI from "openai";
import fs from "fs";

const openai = new OpenAI({ apiKey: process.env.OPENAI_API_KEY });

async function transcribe() {
  const transcription = await openai.audio.transcriptions.create({
    file: fs.createReadStream("audio.mp3"),
    model: "whisper-1",
    language: "tr"
  });

  console.log(transcription.text);
}

transcribe();

Desteklenen Dosya Formatları

• Audio: mp3, mp4, mpeg, mpga, m4a, wav, webm
• Maksimum boyut: 25MB
• Önerilen format: mp3 veya m4a (sıkıştırılmış)

Büyük Dosyaları Bölme

from pydub import AudioSegment

audio = AudioSegment.from_file("long_audio.mp3")

# 10 dakikalık parçalara böl
chunk_length_ms = 10 * 60 * 1000
chunks = [audio[i:i+chunk_length_ms] for i in range(0, len(audio), chunk_length_ms)]

for i, chunk in enumerate(chunks):
    chunk.export(f"chunk_{i}.mp3", format="mp3")

Whisper API Fiyatlandırma

Maliyet Hesaplama Örnekleri

• 1 saatlik podcast: 60 dk × $0.006 = $0.36
• 10 dakikalık video: $0.06
• 1000 dakika/ay: $6

Türkçe Performansı

Whisper, Türkçe'yi iyi destekler ancak bazı noktalara dikkat etmek gerekir:

İpuçları

• language="tr" belirtin: Otomatik algılama her zaman doğru olmayabilir
• Net ses kalitesi: Gürültülü ortamlar doğruluğu düşürür
• Teknik terimler: Yabancı kelimeler yanlış yazılabilir
• Prompt kullanın: Bağlam vererek doğruluğu artırın

Prompt ile Doğruluk Artırma

transcript = client.audio.transcriptions.create(
    model="whisper-1",
    file=audio_file,
    language="tr",
    prompt="Bu bir teknoloji podcast'i. Konular: yapay zeka, machine learning, Python programlama."
)

Whisper Yerel Kurulum

Python ile Kurulum

# Whisper kurulumu
pip install openai-whisper

# FFmpeg gerekli
# macOS: brew install ffmpeg
# Ubuntu: sudo apt install ffmpeg
# Windows: choco install ffmpeg

Yerel Kullanım

import whisper

model = whisper.load_model("base")  # tiny, base, small, medium, large
result = model.transcribe("audio.mp3", language="tr")

print(result["text"])

Model Boyutları

Alternatif Çözümler

Google Cloud Speech-to-Text

• Daha fazla dil desteği
• Gerçek zamanlı streaming
• Daha pahalı

AWS Transcribe

• AWS ekosistemi entegrasyonu
• Otomatik noktalama

AssemblyAI

• Kolay API
• Speaker diarization
• Sentiment analizi

Örnek Proje: Video Altyazı Oluşturucu

import subprocess
from openai import OpenAI

def extract_audio(video_path, audio_path):
    subprocess.run([
        "ffmpeg", "-i", video_path,
        "-vn", "-acodec", "mp3",
        audio_path
    ])

def create_srt(transcript, output_path):
    with open(output_path, "w", encoding="utf-8") as f:
        for i, segment in enumerate(transcript.segments, 1):
            start = format_time(segment.start)
            end = format_time(segment.end)
            f.write(f"{i}\n{start} --> {end}\n{segment.text}\n\n")

def format_time(seconds):
    hours = int(seconds // 3600)
    minutes = int((seconds % 3600) // 60)
    secs = int(seconds % 60)
    millis = int((seconds % 1) * 1000)
    return f"{hours:02d}:{minutes:02d}:{secs:02d},{millis:03d}"

# Kullanım
extract_audio("video.mp4", "audio.mp3")

client = OpenAI()
with open("audio.mp3", "rb") as f:
    transcript = client.audio.transcriptions.create(
        model="whisper-1",
        file=f,
        response_format="verbose_json",
        timestamp_granularities=["segment"]
    )

create_srt(transcript, "subtitles.srt")

Sonuç

Whisper API, ses tanıma ve transkripsiyon için en güçlü çözümlerden biridir. Türkçe desteği, uygun fiyatı ve kolay entegrasyonuyla geliştiriciler için ideal bir araçtır.

Podcast transkripsiyon, video altyazı veya sesli asistan projeleri için Whisper'ı kullanmanızı öneririz. API ile hızlı başlangıç yapabilir veya yerel kurulumla tam gizlilik sağlayabilirsiniz.