Çevrimdışı Konuşmadan Metne: En İyi Yerel AI Transkripsiyon Yazılımı

Whisper Notes konuşma tanımayı hem Mac'te hem iPhone'da cihazın üzerinde yapar.

Kısa Yanıt: Platforma Göre En İyi Çevrimdışı Konuşmadan Metne Aracı

Sadece yanıtı istiyorsanız: Mac ve iPhone'da Whisper Notes kullanın — üç yerel yapay zeka motoru, tek seferlik ödemeyle: iPhone'da bir kez $7.99 (aynı App Store satın alımı Mac App Store sürümünü de açar); Mac'te haftada 5.000 kelime ücretsiz, sonrasında bir kez $14. Windows'ta Buzz veya faster-whisper kullanın (ücretsiz, açık kaynak). Android'de seçenekler hâlâ kısıtlı — aşağıdaki platform bölümüne bakın. Bu tablodaki her araç %100 çevrimdışı çalışır:

Bu rehberin geri kalanı, yerel transkripsiyonun gecikme, maliyet ve gizlilikte neden kazandığını gerçek kıyaslama rakamlarıyla açıklıyor ve sesi çevrimdışı olarak metne dökmeyi adım adım anlatıyor.

Gecikme Sorunu

Bulut transkripsiyon hattı şöyle işler: konuşursunuz, ses bir sunucuya yüklenir, API onu işler, sonuçlar geri gelir.

Yerel transkripsiyonda tüm bu gecikme ortadan kalkar. Ses cihazınızdan hiç çıkmaz, işleme çipin üzerinde gerçekleşir, sonuçlar anında belirir. Yükleme yok, bekleme yok, dönen "işleniyor" göstergesi yok.

Yeni iPhone'lar ve Apple Silicon Mac'ler, cihaz üzerinde makine öğrenimi için özel Neural Engine donanımı içeriyor. Yerel transkripsiyon, bir yüklemeyi ve uzak bir yanıtı beklemek yerine zaten sahip olduğunuz donanımı kullanır.

2019'da bulut transkripsiyonu mantıklıydı. Telefonunuz milyar parametreli bir sinir ağını çalıştıramazdı. O kısıt artık yok. Bir M4 Pro, 35 dakikalık sesi Parakeet V3 ile yaklaşık 18 saniyede, Whisper Turbo ile yaklaşık üç dakikada işliyor; iki durumda da hiçbir şey yüklenmiyor.

Bulut transkripsiyonu, canlı iş birliği ve merkezî iş akışları için hâlâ mantıklı. Yalnızca sizin ihtiyaç duyduğunuz özel bir kayıt içinse yükleme çoğu zaman gereksizdir.

Çipin Parasını Zaten Ödediniz

M serisi çipli bir Mac'teki ya da yeni bir iPhone'daki Neural Engine günün büyük kısmında boş durur ve bu modelleri çalıştırabilir.

Bu çipin parasını cihazı alırken ödediniz; sesinizi başkasının sunucularında yazıya döktürmek için abonelik ödemek, zaten sahip olduğunuz işlem gücü için ikinci kez ödeme yapmak demek.

Yerel çıkarım gerçekten imkânsızken bu takas mantıklıydı. Bugün savunması daha zor.

Aylık $10'lık bir abonelik üç yılda $360 eder. Whisper Notes iPhone'da tek seferlik $7.99, Mac'te tek seferlik $14. Aboneliğin size gerçekte sağladığı şey canlı altyazı ve ortak düzenleme; ikisine de ihtiyacınız yoksa, zaten sahip olduğunuz işlem gücüne para ödüyorsunuz.

Abonelik ücreti almıyoruz çünkü sunucu işletmiyoruz. Sesiniz altyapımıza hiç dokunmuyor. Aylık faturalandırılacak bir şey yok.

Veri Sızıntıları Mimariden Kaynaklanır

Bulut tabanlı bir transkripsiyon hizmeti kullandığınızda, sesiniz başkasının sunucularında yaşar. Ses saklayan her sunucu, bir saldırı, hatalı bir yapılandırma ya da erişimi olan bir çalışan yüzünden bu sesi sızdırabilir ve sızıntılar gerçekten yaşanıyor.

Ses verisi kendine özgü bir risk taşır. Bir paroladan farklı olarak, sesinizi sıfırlayamazsınız. Ses örüntüleriniz kalıcı biyometrik tanımlayıcılardır. Bir kez sızdıklarında sonsuza dek ele geçirilmiş olurlar. Saldırganlar ses izlerini kimlik doğrulama atlatma, kimlik sahtekârlığı veya deepfake üretimi için kullanabilir.

Bu riski ortadan kaldırmanın tek yolu, yüklemeyi ortadan kaldırmaktır. Cihazınızdan hiç çıkmayan ses, sunucu tarafındaki bir ihlalin parçası olamaz — argümanın tamamı bu.

Hassas ses kaydeden kişileri düşünün:

• Avukatlar — müvekkil görüşmelerini kaydediyor
• Terapistler — hasta seanslarını belgeliyor
• Gazeteciler — kaynaklarını koruyor
• Yöneticiler — stratejik tartışmaları kaydediyor
• Doktorlar — hasta öykülerini not ediyor

Bu profesyoneller, seslerinin nerede saklandığı sorusuna cevap verebilmek zorunda. Yerel transkripsiyon bir tercih değil. Bir gerekliliktir.

Doğruluk ve Ödünleşimleri

Yerel Whisper'ın daha iyi yaptığı: Kelimesi kelimesine transkripsiyon. Söylenenin birebir kaydına ihtiyacınız varsa — her kelime, her duraklama, her "ııı" — yerel Whisper modelleri mükemmeldir. Temiz İngilizce seste kelime hata oranı yaklaşık %5-8'dir (Open ASR Leaderboard); gürültü ve aksanlar bu oranı yükseltir. Transkript, söylenene sadıktır.

Bir dil modelinin kattığı: Özetleme ve çıkarım. Whisper Notes'un web sitemizden indirilen Mac sürümünde çalıştırdığı Gemma gibi yerel bir model, bir transkripti özete ve yapılacaklar listesine dönüştürür. Büyük bulut modelleri uzun ve dağınık transkriptlerde hâlâ daha iyi akıl yürütür; iki saatlik bir toplantının ardından "Hangi kararlar alındı, söyle" demek istiyorsanız daha güçlü araç onlardır.

Ödünleşim gerçek. İş akışınız "yazıya dök → Claude/GPT ile özetle" ise iki dünyanın da en iyisini alırsınız: doğru yerel transkript, akıllı bulut özeti. Ham sesiniz gizli kalır. Cihazınızdan yalnızca paylaşmayı seçtiğiniz metin çıkar.

Yerel yapay zeka, iş akışının her parçasını çözmez. Konuşma modelleri transkripsiyonda iyidir; dil modelleri sonucu özetleme ve üzerinde akıl yürütmede daha iyidir. Sesi yerelde tutun, ardından metnin hassasiyetine göre yerel veya bulut tabanlı bir dil modeli seçin.

Gerçek Hız Rakamları

Model seçimi, sonucu "yerel" kelimesinin ima ettiğinden daha çok değiştirir. Whisper Notes üçünü de Mac'te ve iPhone'da çalıştırıyor ve motoru Ayarlar'dan seçiyorsunuz; Parakeet, İngilizce ve Avrupa dilleri için hızlı varsayılandır; SenseVoice Çince, Japonca, Korece ve Kantonca için optimize edilmiştir; Whisper Large-v3 Turbo (Mac) / Whisper Small (iPhone) ise 100'den fazla dille en geniş kapsamı sunar.

Yöntem: 32 GB RAM'li Apple M4 Pro üzerinde Whisper Notes; süre, transkripsiyonun başlatılmasından nihai metne kadar duvar saatiyle ölçüldü. Parakeet 35 dakikalık bir kayıt kullandı; SenseVoice ve Whisper aynı 27 dakikalık Çince podcast'i kullandı. Bunlar ürün testleridir, sağlayıcılar arası bulut kıyaslamaları değildir.

Güncel App Store sayfası ayrıca iPhone 15'te Parakeet ile 5 dakikalık ses için yaklaşık 18 saniye, Whisper ile yaklaşık bir dakika bildiriyor. Daha eski cihazlar daha yavaştır. Her durumda, yükleme adımı olmadığı için iş uçak modunda da çalışmaya devam eder.

Ses Dosyası Çevrimdışı Nasıl Metne Dökülür (Adım Adım)

Mac'te:

1. Mac için Whisper Notes'u indirin (ücretsiz deneme, hesap gerekmez).
2. Ayarlar'dan bir model seçin: İngilizce hız için Parakeet V3; Çince, Japonca, Korece veya Kantonca için SenseVoice; 100'den fazla dil için Whisper Large V3 Turbo. Model bir kez indirilir, sonra çevrimdışı çalışır.
3. Doğrudan kayıt yapın veya herhangi bir ses ya da video dosyasını bırakın (MP3, WAV, M4A, MP4).
4. Çevrimiçi toplantılar için toplantı algılamayı etkinleştirin. Zoom, Teams ve Google Meet otomatik olarak algılanır; sistem sesi ve mikrofonunuz birlikte yakalanır ve transkripsiyon Mac'inizde kalır.
5. Metin, işleme sürerken akış halinde gelir. TXT, SRT veya VTT olarak dışa aktarın ya da istediğiniz yere kopyalayın. İçe aktarılan bir video, altyazıları dışa aktarmadan önce önizleyip düzenleyebileceğiniz bir altyazı çalışma alanında açılır.

iPhone'da: App Store'dan Whisper Notes'u kurun, kayıt yapın veya Sesli Notlar ve Dosyalar'dan içe aktarın; transkripsiyon A serisi çipte çalışır. Hiçbir şeyin yüklenmediğinin kanıtını isterseniz önce uçak modunu açın. Otomatikleştirmek için Kestirmeler uygulamasındaki "Transcribe Audio" eylemi bir ses dosyası alır ve metni döndürür.

Nasıl Geliştirdik

Whisper Notes, bu ilkelerin bizim uygulamamız. Belirtmeye değer birkaç somut karar:

Kilit Ekranı Widget'ları

En iyi düşünceler en uygunsuz anlarda gelir. Kilit ekranı widget'larını, kilit ekranından tek dokunuş uygulamayı açıp çevrimdışı kaydı başlatsın diye geliştirdik — uygulamayı aramak yok, bağlantı kontrolü yok. Yerel işleme, anında kullanılabilirlik demek.

Donanıma Uyarlanan Modeller

Mac'lerin termal alanı ve bol gücü var. iPhone'lar ise cebinizde yaşıyor. Artık ikisi de aynı model kadrosunu çalıştırıyor — Parakeet V3 (varsayılan), Whisper Large-v3 Turbo (809M parametre, Mac) / Whisper Small (iPhone) ve SenseVoice — her biri kendi donanımına göre ayarlanmış. Aynı gizlilik güvenceleri, ölçülü kaynak kullanımı.

Verileriniz, Dosyalarınız

Transkriptler cihazınızdaki dosyalardır. Mac'te her transkript, sesinin yanına YAML ön bilgisiyle (tarih, kaynak, süre) bir Markdown (.md) dosyası olarak, seçtiğiniz klasöre kaydedilir; klasörü bir Obsidian kasası yaparsanız her kayıt bir not olur. Özel bir veritabanı yok, sağlayıcıya bağımlılık yok. Whisper Notes yarın ortadan kalksa bile kayıtlarınız erişilebilir kalır. Toplu dışa aktarma bir premium özellik değil — sahip olduğunuz verinin doğal hali.

Özel Kelime Dağarcığı

Teknik jargon, alışılmadık isimler, alana özgü terimler — doğru transkripsiyona en çok ihtiyaç duyan kelime dağarcığı, çoğu zaman en az yüklenmesini istediğinizdir. Başlangıç istemleri, bağlamı yerel olarak eklemenizi sağlar. Model uyum sağlar; terminolojiniz eğitim verisine dönüşmez.

iPhone'da isimler ve terimler başlangıç istemi alanına girilir; modeli yönlendirir ve cihazdan çıkmaz.

Bulutun Daha İyi Olduğu Durumlar

Yerel transkripsiyonun her koşulda daha iyi olduğunu iddia etmiyoruz. Bulutun gerçek avantajları var:

Gerçek zamanlı ekip iş birliği. Bir toplantı sırasında beş kişinin aynı transkripti aynı anda düzenlemesi sunucu eşgüdümü gerektirir. Yerel araçlar doğaları gereği tek kullanıcılıdır.

Ölçekli konuşmacı tanımlama. Cihaz üzerinde konuşmacı etiketleme geldi — Whisper Notes artık iPhone ve Mac'te "kim ne dedi" sorusunu tamamen cihaz üzerinde etiketliyor. Bulut ölçeğindeki diyarizasyon çok büyük gruplarda ve yoğun örtüşen konuşmalarda hâlâ önde, ancak iki kişilik görüşmeler ve küçük toplantılar için cihaz üzerindeki etiketler kullanılacak kadar doğru (iki konuşmacılı testimizde cümle düzeyinde %99,1 doğruluk).

İş akışı otomasyonu. Bulut hizmetleri CRM'lere bağlanır, yapılacak işleri çıkarır, özetleri Slack'e gönderir. Yerel araçlar metin dosyaları üretir — onlarla ne yapacağınız elle yürür.

Eski donanım. A14 öncesi iPhone'lar, Intel Mac'ler — bazı cihazlar yerel çıkarımı pratik biçimde çalıştıramaz. Bulut tek seçenek olarak kalır.

Öncelikli ihtiyacınız canlı toplantılarda ekip iş birliğiyse, bulut araçları muhtemelen daha iyidir. Ağırlıklı olarak kendi kayıtlarınızı yazıya döküyorsanız ve gizlilik önemliyse, yerel işleme daha uygundur.

Gidişat

Her çip nesli daha fazla Neural Engine performansı getiriyor. Her model yinelemesi verimliliği artırıyor. Yerel ile bulut arasındaki fark kapanırken gizlilik ve gecikme avantajları sabit kalıyor.

Bulut transkripsiyonu, telefonlar bu modelleri çalıştıramazken mantıklıydı. Yaklaşık 2022'den beri çalıştırabiliyorlar.

Yerel transkripsiyon artık Apple donanımında çalışıyor. Abonelik için geriye kalan gerekçeler canlı altyazı ve ortak düzenleme; ikisi de listenizde yoksa üçüncü bir gerekçe de yok.

Teknik Ayrıntılar

Windows ve Android'de Çevrimdışı Konuşmadan Metne

Whisper Notes, Apple Silicon için geliştirildi; bu yüzden yalnızca Mac ve iPhone'da çalışıyor. Diğer platformlardaki güncel seçenekler şunlar:

Windows: Whisper Notes yalnızca Mac ve iPhone'da var, dolayısıyla en iyi ücretsiz seçenekler Buzz (Whisper için basit bir grafik arayüz) ve faster-whisper (komut satırı, aynı donanımda referans uygulamadan birkaç kat daha hızlı). Model indirildikten sonra ikisi de tamamen çevrimdışı çalışır. Yerel bir uygulamaya göre daha fazla kurulum zahmeti bekleyin — Python ortamları, model dosyaları, hız istiyorsanız GPU sürücüleri.

Android: whisper.cpp'nin Android portları ve birkaç sarmalayıcı uygulaması var, ancak kalite ve bakım değişken. Android'de henüz cilalı, ana akım bir çevrimdışı transkripsiyon uygulaması yok — durumun neresinde olduğumuz için Whisper Notes Android durumuna bakın.

Birçok kişi „Whisper Notes Windows” diye arıyor, çünkü aynı çevrimdışı, tek seferlik satın alma modelini PC’de de istiyor. Böyle bir sürüm geliştirmiyoruz ve soruyu açık bırakmaktansa bunu açıkça söylemeyi tercih ediyoruz (tam açıklama Windows için Whisper Notes sayfasında). Yerel deşifrenin bugün gerçek zamanın 100 katı hızda çalışması Apple’ın Neural Engine’i sayesinde.

Çevrimdışı Konuşma Çevirisi: Yerel Yapay Zeka Neyi Yapabilir, Neyi Yapamaz

Sık gelen ilgili bir soru: yerel yapay zeka konuşmayı yalnızca yazıya dökmekle kalmayıp çevirebilir mi? Kısmen. Orijinal Whisper Large V3 modeli iki görev üzerinde eğitildi — transkripsiyon ve herhangi bir dilden İngilizceye çeviri. Yerel çalıştırıldığında Fransızca, Japonca veya Arapça sesi alıp tamamen çevrimdışı olarak İngilizce metin üretebilir. İki uyarı: yalnızca İngilizceye çevirir (ters yönde değil) ve bu, tam Large V3 modeli için geçerlidir — daha hızlı Large-v3 Turbo varyantı, transkripsiyona odaklanmak için çeviri görevini bıraktı.

Çevrimdışı konuşma çevirisi hâlâ erken aşamada. Tamamen çevrimdışı kalırken bulut tarzı gerçek zamanlı sesten sese çeviriyle boy ölçüşen, yaygın kabul görmüş bir tüketici uygulaması yok. Bugünkü pratik iş akışı iki adımlı: yerel olarak yazıya dökün, ardından ortaya çıkan metni güvendiğiniz bir araçla çevirin. Ham sesin cihazınızdan çıkması hiç gerekmez.

Sıkça Sorulan Sorular

iOS için indir Mac'te Ücretsiz Deneyin